
Durchschnittlich leidet jeder Mensch an 1,6 Hauterkrankungen pro Jahr, bei Hautkrebs zeigt sich zudem ein deutlich steigender Trend. Dieser hohen Nachfrage steht jedoch eine geringe Zahl an Fachärzten gegenüber, sodass gesetzlich Versicherte im Durchschnitt 6 bis 8 Wochen auf einen Termin warten müssen.
Zudem liefern dermatologische Konsultationen häufig nur eine Momentaufnahme des aktuellen Hautzustands. Viele chronische Hauterkrankungen verlaufen jedoch dynamisch, mit wechselnder Schwere und wiederkehrenden Krankheitsschüben.
Eine systematische Erfassung des langfristigen Krankheitsverlaufs ist deshalb entscheidend, um Hauterkrankungen wirksam zu therapieren. Hier setzt SkinTwin an.

Strukturierte Datensammlung
Unsere Anwendung ermöglicht es Patient:innen, ihren Krankheitsverlauf nachvollziehbar zu dokumentieren. Statt loser Notizen und verstreuter Fotos werden alle Einträge einem interaktiven 3D-Modell zugeordnet, so lässt sich auf einen Blick erkennen, wo und wann welche Veränderungen aufgetreten sind.

Nutzer:innen können außerdem sehen, wie sich ein Symptom an einer bestimmten Körperstelle über Wochen oder Monate entwickelt, oder zu einem bestimmten Zeitpunkt mehrere Stellen miteinander vergleichen.
Und schließlich profitieren auch die behandelnden Ärzt:innen: Strukturierte Einträge der Patient:innen ergeben auswertbare Daten, die eine fundiertere Diagnose und Verlaufsbeurteilung ermöglichen.

Qualitative Bildaufnahme
Die Anwendung bietet sowohl einen manuellen als auch einen automatischen Kameramodus.
Im automatischen Modus erkennt eine Machine-Learning-Bilderkennung Ausschläge direkt im Kamerabild und löst die Aufnahme selbstständig aus, das erleichtert besonders Aufnahmen an schwer erreichbaren Körperstellen.


Wachstumsverfolgung
Ein weiteres ML-Modell ermittelt zudem die Größe des Ausschlags und zentriert die Aufnahme entsprechend, wodurch einzelne Bilder im Verlauf präzise miteinander verglichen werden können.

Unkompliziertes Datasharing
Patient:innen können selbst festlegen, welche Daten an die behandelnde Ärztin oder den behandelnden Arzt weitergegeben werden. Anschließend erfolgt die Übertragung schnell und sicher direkt in der Arztpraxis per QR-Code.

So erhalten Ärzt:innen einen datenbasierten Einblick in den zeitlichen und symptomatischen Verlauf der Erkrankung statt sich allein auf die Erzählung der Patient:innen verlassen zu müssen.






Mit User Tests und einem iterativen Design Prozess haben wir ein möglichst intuitives und vertrauenswürdiges Design angestrebt.


Mit insgesamt 570 annotierten Hautbildern haben wir ein YOLO-Bilderkennungsmodell und ein U-Net-Segmentierungsmodell trainiert. Durch Negativbilder und systematisches Testen haben wir versucht, die Modelle so weit wie möglich zu optimieren.


Prof. Dr. Arno Schmidt Trucksäss, Sportmediziner der Universität Basel