EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC 4.0

Applying artificial intelligence to optical coherence tomography for detection and subtyping of basal cell carcinoma

Einsatz künstlicher Intelligenz in der optischen Kohärenztomographie zur Erkennung und Subtypisierung des Basalzellkarzinoms

Vinzent Kevin Ortner iD, Jon Holmes, Peter Alshede Philipsen iD, Gavrielle Rebecca Untracht, Stine Regin Wiegell, Tomos Gwyn Williams, David Cristinacce, Merete Haedersdal

JDDG: Journal der Deutschen Dermatologischen Gesellschaft · 05.11.2026

DOI: 10.1111/ddg.70571 ↗

Auf einen Blick

Ein KI-Modell für OCT erkannte Basalzellkarzinome mit hoher Trefferquote im Test- und Validierungssatz. Die Subtypübereinstimmung mit der Histologie lag bei 83 %.

Fragestellung

Kann KI-gestützte OCT Basalzellkarzinome erkennen und deren Subtypen bestimmen?

Methode

U-Net-Convolutional-Neural-Network mit Trainingsdaten aus OCT-Frames; unabhängiger Testsatz und externe klinische Validierung bei histologisch bestätigten BCCs.

Ergebnisse

Im Testsatz AUC 95,5 % für noduläres und 98,2 % für superfizielles BCC. In der klinischen Validierung wurden alle BCCs erkannt; Subtypübereinstimmung in 21 von 25 Fällen (83 %).

Schlussfolgerung der Autor:innen

KI-gestützte OCT zeigt Potenzial zur Verbesserung der nicht invasiven BCC-Diagnostik und sollte weiter klinisch evaluiert werden.

Kernaussagen

  • OCT mit KI erkannte BCCs im Test- und Validierungssatz zuverlässig
  • AUC im Testsatz: 95,5 % nodulär, 98,2 % superfiziell
  • Subtypübereinstimmung mit Histologie: 21 von 25 Fällen (83 %)

Deutsche Zusammenfassung: KI-gestützt aus dem Original-Abstract erstellt; alle Zahlen wurden automatisch mit dem Original abgeglichen. Maßgeblich ist der Original-Abstract.

Kurz gefasst

Fachartikel in der Zeitschrift JDDG: Journal der Deutschen Dermatologischen Gesellschaft, online erschienen am 05.11.2026. Verfasst von Vinzent Kevin Ortner und 7 weiteren Autor:innen. Beteiligte Einrichtung: Department of Dermatology, Copenhagen University Hospital - Bispebjerg and Frederiksberg, Copenhagen, Denmark. Die Arbeit nennt 25 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-NC 4.0). Gefördert von: Michelson Diagnostics Ltd, Danish Research Center for Skin Cancer.

Auf einen BlickAbstractSchlagwörterBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Background and objectives Basal cell carcinoma (BCC) is the most common cancer and a major public health burden. Noninvasive techniques such as optical coherence tomography (OCT) may reduce unnecessary biopsies and enable earlier detection. However, effective OCT interpretation requires expertise. Artificial intelligence (AI) may help overcome this barrier. Patients and methods An AI model based on a U‐Net convolutional neural network was trained using 4,680 annotated OCT image frames from 39 BCCs, 5,640 frames from 47 premalignant and benign lesions, and 12,360 frames from 103 scans of healthy skin. Detection performance was evaluated on an independent test set comprising 26 scans (3,120 frames) from 16 BCCs, 5 premalignant lesions, and 5 benign lesions. External validation used independent clinical data from 25 histologically confirmed BCCs (18 nodular, 7 superficial).

Results

AI‐assisted OCT generated visual overlays corresponding to established BCC features and identified tumor areas. In the independent test set, the area under the ROC curve was 95.5 % for nodular and 98.2 % for superficial BCC. In clinical validation, all BCCs were detected, and subtype concordance with histology was achieved in 21 of 25 cases (83 %).

Conclusions

AI‐assisted OCT shows potential to improve non‐invasive BCC diagnostics and warrants further clinical evaluation.

Schlagwörter

Stichwörter der Autor:innen

artificial intelligencebasal cell carcinomaconvolutiondetectiondiagnosisimagingmachine learningneural networksoptical coherence tomographyskin cancersubtyping

Autor:innen und Institutionen

  • Department of Dermatology, Copenhagen University Hospital - Bispebjerg and Frederiksberg, Copenhagen, Denmark.
  • Michelson Diagnostics Ltd, Maidstone, Kent, UK.
  • Department of Health Technology, Technical University of Denmark, Kongens Lyngby, Denmark.
  • Department of Clinical Medicine, University of Copenhagen, Copenhagen, Denmark.
  • Manchester Imaging Ltd, Manchester, UK.

ORCID-Profile: Vinzent Kevin Ortner, Peter Alshede Philipsen

Förderung

  • Michelson Diagnostics Ltd
  • Danish Research Center for Skin Cancer

Zitieren

APA

Ortner, V. K., Holmes, J., Philipsen, P. A., Untracht, G. R., Wiegell, S. R., Williams, T. G., Cristinacce, D., & Haedersdal, M. (2026). Applying artificial intelligence to optical coherence tomography for detection and subtyping of basal cell carcinoma. JDDG: Journal der Deutschen Dermatologischen Gesellschaft. https://doi.org/10.1111/ddg.70571

Vancouver

Ortner VK, Holmes J, Philipsen PA, Untracht GR, Wiegell SR, Williams TG, et al. Applying artificial intelligence to optical coherence tomography for detection and subtyping of basal cell carcinoma. JDDG: Journal der Deutschen Dermatologischen Gesellschaft. 2026. doi:10.1111/ddg.70571

BibTeX
@article{Ortner2026,
  author = {Ortner, Vinzent Kevin and Holmes, Jon and Philipsen, Peter Alshede and Untracht, Gavrielle Rebecca and Wiegell, Stine Regin and Williams, Tomos Gwyn and Cristinacce, David and Haedersdal, Merete},
  title = {Applying artificial intelligence to optical coherence tomography for detection and subtyping of basal cell carcinoma},
  journal = {JDDG: Journal der Deutschen Dermatologischen Gesellschaft},
  year = {2026},
  doi = {10.1111/ddg.70571}
}
Kostenlos starten →