KI erkennt Risikomuster für Hautkrebs besonders früh
In manchen Ländern in Europa ist die Digitalisierung in der Medizin bereits fortgeschritten. Es können Daten ausgewertet werden, die in Deutschland noch nicht erfasst werden. So ist es auch im Bereich von der Krebsprävention und der Hautkrebsfrüherkennung.

In Schweden gibt es eine Vielzahl von Routineuntersuchungen, die es ermöglichen einen umfassenden Blick von der Gesundheit der Bevölkerung zu bekommen.
Ein extrem großer Datensatz sorgt für solide Ergebnisse
Ein Forschungsteam der Universität Göteborg und des Sahlgrenska Hospitals hat Routinedaten genutzt und so eine KI effektiv trainieren können.
Die analysierten Datenmengen umfassten Alter, Geschlecht, Diagnosen, Medikamenteneinnahme und sozioökonomischen Status. Von den 6.036.186 untersuchten Personen erkrankten 38.582 (0,64 %) während des fünfjährigen Analyse- und Untersuchungszeitraums an einem Melanom.
Hautkrebsdiagnosen werden häufig durch KI unterstützt
Das Forschungsteam schaute sich zuvor verschiedene KI-Modelle an und stellte fest, dass sie keine unzureichenden Ergebnisse lieferten. Es fehlten spezielle Kombinationen wie das Einbeziehen des sozioökonomischen Status oder die Einnahme von Medikamenten, die ein schärferes Bild von möglichen Hautkrebserkrankungen formen konnten. Durch das Einfließen der verschiedenen Daten kann die KI somit eine besondere Hochrisikogruppe identifizieren. Bei dieser Gruppe lag die Wahrscheinlichkeit bei 33 Prozent innerhalb von fünf Jahren.

Das Forschungsteam macht deutlich, dass KI-Modelle, die auf großen Datenmengen aus dem Gesundheitssystem trainiert wurden, eine wichtige Quelle für personalisiertere Risikobewertungen und zukünftige Screening-Strategien werden können.
Nicht zuletzt ist es auch in Schweden eine politische Entscheidung wie in nächster Zeit mit digitalisierten Datenmengen in der Medizin umgegangen wird.
Die Unterstützung von KI-Modellen ist natürlich besonders bei Volkskrankheiten und in der Gesundheitsprävention ein wichtiges Tool.
Quellenhinweise
Gillstedt, M., Stempfle, L., Paoli, J., Johansson, F. D., & Polesie, S. (2026). Predicting Melanoma Impact on the Swedish Healthcare System from the Adult Population Using Machine Learning on Registry Data. Acta Dermato-Venereologica, 106, adv44610.
University of Gothenburg. (2026). AI identifies early risk patterns for skin cancer. Sahlgrenska Academy. News and Events.
Verpassen Sie nicht die neuesten Nachrichten von Meteored und genießen Sie alle unsere Inhalte auf Google Discover völlig KOSTENLOS
+ Folgen Sie Meteored