Zusammenfassung in 1 Minute
Mehrere 2025 und 2026 veröffentlichte Studien belegen, dass Deep-Learning-Modelle maligne und potenziell maligne orale Läsionen anhand klinischer und histopathologischer Bilder mit hoher Präzision erkennen können.
Eine in Scientific Reports (2025) veröffentlichte Studie trainierte die Modelle DenseNet201 und FixCaps mit 518 Mundraum-Aufnahmen zum Screening potenziell maligner Läsionen und zeigte vielversprechende Ergebnisse bei der automatischen Klassifizierung. Parallel dazu entwickelten Forscher des Chinese PLA General Hospital ein Modell auf Basis eines portablen oralen Endoskops, das Intraoral-Bilder in Echtzeit mittels U-Net- und ResNet-34-Netzwerken analysiert.
Ein für die klinische Praxis besonders relevantes System, veröffentlicht in Applied Sciences (2025), kombiniert einen Chatbot mit konvolutionalen neuronalen Netzwerken für Symptom-Triage und Früherkennung — mit einer Inferenzzeit von unter 5 Sekunden pro Bild.
Eine weitere Studie im Expert Review of Medical Devices berichtete von Modellen mit bis zu 99% Spezifität und 97,5% Genauigkeit bei der Klassifizierung oraler Läsionen anhand von Smartphone-Aufnahmen.
Die meisten Systeme befinden sich noch in der Validierungsphase, deuten aber auf zugängliche Screening-Werkzeuge hin, die die konventionelle klinische Untersuchung künftig ergänzen könnten.
Quellen:
- Desai et al. Scientific Reports, 2025 — Studie lesen
- Applied Sciences, 2025 — Studie lesen