Laser & KI (2): Bilder lesen – warum KI vor dem Laser keine ärztliche Diagnose ersetzt

Eine 56-jährige Krankenschwester lässt in einem Kosmetikstudio einen braunen Fleck auf der Wange weglasern. Eine ärztliche Untersuchung findet vorher nicht statt. Der Fleck verschwindet – und kehrt innerhalb eines Jahres zurück. Erst dann zeigt eine Gewebeprobe: Es war eine Frühform von schwarzem Hautkrebs, eine Lentigo maligna. Australische Fachleute beschrieben den Fall 2017 als Warnung. Heute versprechen KI-Programme, solche Flecken in Sekunden einzuschätzen. Können sie die ärztliche Diagnose vor dem Laser ersetzen? Die Studienlage sagt: nein – aber sie können helfen.

Dies ist Teil 2 unserer Serie „Laser & KI“. Teil 1 gab einen Überblick über KI in der Lasermedizin. Hier geht es um den Schritt, der vor jedem Laser kommen muss: die Diagnose.

Warum der Laser die Diagnose nicht ersetzt

Ein Laser zerstört Pigment, er untersucht es nicht. Wird ein bösartiger Fleck gelasert, verschwindet oft nur der sichtbare Teil. Tiefer liegende Tumorzellen können weiterwachsen, und weil kein Gewebe zur feingeweblichen Untersuchung (Histologie) gewonnen wird, fehlt der Beweis, was es war. Auf einem Schweizer Fachkongress wurde 2023 eine Auswertung von elf Melanomen nach Laserbehandlung vorgestellt: Bei neun Betroffenen war vorher keine Gewebeprobe untersucht worden.

Die deutsche Leitlinie zur Lasertherapie der Haut (S2k, 2022) rät deshalb davon ab, pigmentierte Muttermale (melanozytäre Nävi) zu lasern. Gutartige Pigmentflecken wie Sonnenflecken (Lentigines) oder Café-au-lait-Flecken können nach ärztlicher Abklärung behandelt werden. In Deutschland ist die Behandlung von Pigmentveränderungen mit Laser oder IPL nach der NiSV approbierten Ärztinnen und Ärzten mit entsprechender Fortbildung vorbehalten. Mehr dazu auf unserer Seite Wer darf lasern?.

Was KI in der Hautkrebs-Erkennung leistet

Seit etwa 2017 trainieren Forschende neuronale Netze mit Zehntausenden Hautbildern. Einige Meilensteine:

• Heidelberg 2018: Ein Netz bewertete Auflichtbilder (Dermatoskopie) von Muttermalen und Melanomen und trat gegen 58 Hautärztinnen und Hautärzte an. Bei gleicher Empfindlichkeit (Sensitivität) erkannte es mehr gutartige Befunde korrekt als harmlos (Spezifität 82,5 Prozent gegenüber 71,3 Prozent bei den Fachleuten, die nur das Bild sahen).
• Metaanalyse 2024: Eine Auswertung von 53 Vergleichsstudien, davon 19 in der statistischen Zusammenfassung, ergab für KI eine Sensitivität von 87,0 Prozent und eine Spezifität von 77,1 Prozent. Ärztinnen und Ärzte insgesamt kamen auf 79,8 und 73,6 Prozent. Gegenüber Expertinnen und Experten war der Unterschied klein, gegenüber Allgemeinmedizinern deutlich.

Zur Einordnung: Sensitivität heißt, wie viele der tatsächlichen Krebsfälle erkannt werden. Spezifität heißt, wie viele harmlose Befunde korrekt als harmlos eingestuft werden. Eine niedrige Spezifität bedeutet viele Fehlalarme.

Die Haken an den guten Zahlen

Die Autorinnen und Autoren der Metaanalyse nennen selbst wichtige Einschränkungen: Nur 5,7 Prozent der Studien waren vorausschauend (prospektiv), die meisten waren Lesestudien mit Bildsammlungen. Mehr als die Hälfte nutzte dieselben öffentlichen Datensätze, und bestimmte Hauttypen und Bevölkerungsgruppen waren unterrepräsentiert. Im Alltag kommen aber unscharfe Fotos, behaarte Stellen, Narben und Patientinnen mit ganz unterschiedlicher Vorgeschichte vor.

Bias: das Problem mit dunkler Haut

Wie stark das ins Gewicht fällt, zeigte eine Stanford-Arbeit (Science Advances, 2022). Das Team stellte 656 durch Gewebeprobe bestätigte Bilder mit unterschiedlichen Hauttönen zusammen. Etablierte Hautkrebs-Modelle schnitten auf diesem Bildsatz deutlich schlechter ab: Ihre Trennschärfe (ROC-AUC) sank um 27 bis 36 Prozent gegenüber den ursprünglichen Testergebnissen. Besonders schwach waren sie bei dunkler Haut und seltenen Erkrankungen. Auch die Einschätzungen von Hautärzten waren bei dunkler Haut weniger genau. Wurden die Modelle mit vielfältigen Bildern nachtrainiert, schloss sich die Lücke. Für die Lasermedizin ist das doppelt relevant, weil gerade bei dunkler Haut auch das Risiko von Laser-Nebenwirkungen höher ist.

Mensch und Maschine: Vertrauen hat zwei Seiten

Eine internationale Studie unter Leitung der MedUni Wien (Nature Medicine, 2020) ließ 302 Untersucherinnen und Untersucher Hautbilder mit und ohne KI-Unterstützung beurteilen. Zeigte die KI die Wahrscheinlichkeiten aller infrage kommenden Diagnosen an, stieg die Treffsicherheit um 13 Prozent. Weniger Erfahrene profitierten am meisten. Doch als die Forschenden der KI absichtlich falsche Ergebnisse unterschoben, ließen sich alle Gruppen in die Irre führen, auch Fachleute. KI hilft also vor allem dann, wenn jemand ihre Vorschläge kritisch prüft.

Zugelassene Produkte: Hilfsmittel, keine Diagnose

Einige KI-Systeme für die Haut sind inzwischen als Medizinprodukte zugelassen. Zwei Beispiele zeigen, wofür sie gedacht sind:

• USA: Die Arzneimittel- und Medizinproduktebehörde FDA ließ im Januar 2024 erstmals ein KI-gestütztes Gerät zu, das Ärztinnen und Ärzten ohne hautärztliche Ausbildung, etwa in Hausarztpraxen, bei Erwachsenen ab 40 Jahren die Entscheidung erleichtern soll, ob ein Befund an Hautärzte überwiesen werden sollte. Es misst gestreutes Licht, nicht ein Foto. In der Zulassungsstudie erkannte es 95,5 Prozent der Hautkrebsfälle, stufte aber nur 20,7 Prozent der gutartigen Befunde als unauffällig ein – also viele Fehlalarme. Laut FDA-Unterlagen ist es kein Screening-Werkzeug und darf nicht allein über eine Diagnose entscheiden. Für die Hauttypen IV bis VI lagen nur wenige Melanom-Daten vor.
• England: Das Bewertungsinstitut NICE empfahl 2025 ein KI-System zur Analyse dermatoskopischer Bilder im Hautkrebs-Eilverfahren des NHS – unter Auflagen und für drei Jahre, während weitere Daten zu Nutzen und Kosten gesammelt werden. Als verdächtig eingestufte Befunde sieht dort eine Hautärztin oder ein Hautarzt.

Die Europäische Akademie für Dermatologie und Venerologie (EADV) forderte 2024 für KI-Hautapps mehr Transparenz über Datenqualität und Genauigkeit, gleichwertige Ergebnisse für alle Patientengruppen und eine strenge, einheitliche Regulierung.

Was das für eine Laserbehandlung bedeutet

• Lassen Sie jeden Pigmentfleck vor dem Laser ärztlich untersuchen, idealerweise mit Dermatoskop.
• Ein unauffälliges App-Ergebnis ist kein Freibrief. Auch zugelassene Systeme sind für bestimmte Situationen, Altersgruppen und Körperstellen geprüft.
• Fragen Sie nach, wenn eine Praxis KI einsetzt: Welches Ziel hat das System, ist es als Medizinprodukt zugelassen, und wer prüft das Ergebnis?
• Bei Veränderungen, Blutungen, Juckreiz oder einem „hässlichen Entlein“ unter Ihren Muttermalen: zeitnah zur Hautärztin oder zum Hautarzt, nicht zum Laser.

Wie Laser bei gutartigen Pigment- und Gefäßveränderungen wirken, erklären unsere Seiten Laser-Grundlagen und Gefäßlaser. Die Vorgeschichte der Lasermedizin erzählt unsere Serie „Geschichte des Lasers“.

Weiterlesen: Übersicht Laser-Medizin · Wer darf lasern? · Laser-Grundlagen · Behandlungsbegleiter

Serie „Laser & KI“: Teil 1: Wie KI die Laserbehandlung verändern kann · Teil 2 (dieser Beitrag) · Teil 3: Präzision mit Algorithmen – KI am Augen- und Steinlaser

Allgemeine Information, ersetzt keine ärztliche Beratung. Dieser Beitrag ist keine Werbung für bestimmte Geräte, Behandlungen oder Anbieter. Stand: November 2026.

Quellen

• Bala H. R., Pan Y., Nixon R. L.: The dangers of non-medical laser therapy for pigmented lesions. Med J Aust 2017;206(5):229
• Rosenfluh/Dermatologie & Ästhetische Medizin 2/2023: Lasertherapie – Pigmentierte Nävi: ein No-Go für Laser? (Kongressbericht)
• AWMF S2k-Leitlinie Lasertherapie der Haut (Registernummer 013-095), Stand 2022
• Haenssle H. A. et al.: Man against machine: diagnostic performance of a deep learning convolutional neural network for dermoscopic melanoma recognition in comparison to 58 dermatologists. Ann Oncol 2018
• Salinas M. P. et al.: A systematic review and meta-analysis of artificial intelligence versus clinicians for skin cancer diagnosis. npj Digital Medicine 2024
• Daneshjou R. et al.: Disparities in dermatology AI performance on a diverse, curated clinical image set. Science Advances 2022
• MedUni Wien: Study illustrates huge potential of human–artificial intelligence collaboration in medicine (zu Tschandl P. et al., Nature Medicine 2020)
• U.S. FDA: De-Novo-Entscheidung DEN230008 (Hautläsions-Analysegerät mit KI), Januar 2024
• NHS England: AI based skin lesion analysis technology (NICE-Empfehlung HTE24)
• Sangers T. E. et al.: Position statement of the EADV Artificial Intelligence Task Force on AI-assisted smartphone apps and web-based services for skin disease. JEADV 2024;38(1):22–30
• NiSV § 5 (Arztvorbehalt für bestimmte Laser- und IPL-Anwendungen)