Apps inzetten voor de triage van huidlaesies lijkt ideaal: de incidentie van huidkanker stijgt nog steeds, vrijwel iedereen heeft een smartphone en het is mogelijk dankzij AI.1 Toch zijn we er nog niet, waarschuwt prof. dr. Tamar Nijsten, afdelingshoofd dermatologie in het Erasmus MC Rotterdam.
Alle ingrediënten om patiënten te ‘empoweren’ en meer regie over hun gezondheid te geven met een app die huidlaesies opspoort, zijn aanwezig. Ook de eerste tekenen van de digitale paradigmaverschuiving zijn al merkbaar, schetst Nijsten. “Waar dermatologen tot nu zintuiglijke waarneming inzetten om de huid te onderzoeken, zijn onze beslissingen straks vaker data-gedreven. Ook verandert onze manier van werken: dermatologen zullen dankzij bio-informatica en kunstmatige intelligentie (AI) niet alleen meer werken met de beslisbomen die zij geleerd hebben, maar ze zullen ook data moeten kunnen vertalen en interpreteren.”
Validatie en kosteneffectiviteit
Zover is het nog niet. “Het ontwikkelen van een mobiele gezondheidsapp begint met bewustzijn van een probleem, bijvoorbeeld dat huidlaesies maligne kunnen zijn. Daarna kun je met AI en convolutionele neurale netwerken (die helpen om visuele beelden te analyseren, red.) een diagnostisch instrument ontwikkelen. Maar het schort nu nog vaak aan validatie en het aantonen van kosteneffectiviteit.”
Betere standaarden
Daarnaast kunnen de standaarden nog beter.2 Nijsten: “Denk aan de accuraatheid, gebruiksvriendelijkheid, sensitiviteit en specificiteit. Nu zetten apps vaak in op hoge sensitiviteit. Dat gaat ten koste van de specificiteit, waardoor er veel vals-positieven ontstaan. Daarbij is de gouden standaard voor een patiënt anders dan voor een huisarts of dermatoloog. Het hangt er dus ook vanaf op welk moment in de ‘patient journey’ je de app inzet.” De oplossing ligt volgens Nijsten in ‘augmented intelligence’: samenwerking tussen dokters met intuïtieve intelligentie en apparaten met kunstmatige intelligentie. “Zorg op afstand neemt toe. Apps kunnen daarbij helpen, maar wel geldt: eerst valideren, dan implementeren.”
Literatuur
- Esteva A, Kuprel B, Novoa RA, et al. Dermatologist-level classification of skin cancer with deep neural networks. Nature. 2017;542:115-8. doi: 10.1038/nature21056. Epub 2017 Jan 25.
- Freeman K, Dinnes J, Chuchu N, et al. Algorithm based smartphone apps to assess risk of skin cancer in adults: systematic review of diagnostic accuracy studies. BMJ. 2020;368:m127. doi: 10.1136/bmj.m127.
Bron
Nijsten T. Smartphone application for triage of skin lesions. EADV 2021, oral presentation D2T07.4A.