ARTIficial Intelligence-baseret smartphone-applikation til påvisning af hudkræft (ARTIS)

Hudkræft er den hyppigst diagnosticerede kræftsygdom, og dens forekomst vil fortsætte med at stige i det næste årti. Tidlig opdagelse og behandling er nøglen til at forbedre både sygelighed og dødelighed og reducere omkostningerne for samfundet. Personer med risiko for at udvikle hudkræft kan blive udsat for regelmæssig kontrol. Imidlertid udvikler et betydeligt antal hudkræftformer sig i lavrisikobefolkningen. Da systematisk screening i den generelle befolkning ikke er omkostningseffektiv, er smartphone-applikationer, der bruger indbyggede algoritmer, af stigende interesse og hævder at hjælpe med at foretage en risikovurdering i tilfælde af hudlæsioner.

Baseret på tidligere forskning blev der installeret en såkaldt triage-konsultation på poliklinikken på Gent Universitetshospital for patienter med 1 til 2 læsioner af bekymring: skiftende muldvarp, grim ælling, ny muldvarp hos voksne, hurtigt voksende læsion eller ikke-helende læsion. Påvisningsraten for hudkræft i denne indstilling var mindst 13 % med 4 % melanom. Dette er 6 til 8 gange højere end rapporteret af konventionelle hudkræftscreeningsprogrammer (PMID: 26466155; PMID: 33480073). Grunden til dette er, at der foretages en forudvælgelse af læsioner, der opfylder specifikke kriterier. Denne læsionsorienterede screening kan være en måde at gøre hudkræftscreening i den generelle befolkning (mere) omkostningseffektiv.

I denne undersøgelse vil vi undersøge, om Skinvision-appen kan fungere som et forvalgsværktøj til læsioner, hvor der er behov for akut lægehjælp. Selvom denne app er CE-mærket og allerede promoveret til offentligheden, er dens ydeevne og værdi i daglig praksis ikke blevet tilstrækkeligt undersøgt, og der er behov for uafhængig forskning.

De 4 hovedformål med denne undersøgelse vil være:

1. For at beregne den diagnostiske ydeevne af Skinvision-appen. Beregning af sensitivitet og specificitet ved at sammenligne applikationsrisikoklassificeringer med en referencestandard defineret som den histopatologiske diagnose eller klinisk diagnose i tilfælde af, at der ikke blev udført biopsi eller excision;
2. For at bestemme repeterbarheden og reproducerbarheden af ​​Skinvision-appen Identifikation af faktorer, der påvirker risikoanalysen af ​​applikationen, herunder fotograf, type hudlæsion, kameraposition eller lysforhold;
3. At undersøge brugeroplevelse og tillid til brugen af ​​medicinske apps Spørgeskemabaseret evaluering af brugeroplevelsen med applikationer generelt, samt mere specifikt viljen og tilliden til at bruge en hudkræftdetektionsapplikation;
4. At estimere ydeevnen og omkostningseffektiviteten af ​​Skinvision-appen i den generelle befolkning Estimering af app-ydelsen i den generelle befolkning (estimeret forekomst af hudkræft 1%) i form af ubesvarede diagnoser og grad af forudvalg (positiv prædiktiv værdi).