Smartphone-basiertes Diagnosesystem zur Früherkennung von Mundkrebs in Zahnarztpraxen

Es nutzt sowohl Weißlicht als auch Autofluoreszenz, um Gewebeveränderungen sichtbar zu machen und deren Bedeutung einzuordnen.

Das Verfahren greift auf einen Deep-Learning-Algorithmus zurück, der nicht nur die aufgenommenen Bilder, sondern auch individuelle Risikofaktoren wie Alter, Rauchverhalten und die betroffene Region im Mund berücksichtigt. So soll mDOC Zahnärztinnen und Zahnärzten helfen, besser einzuschätzen, wann eine Überweisung an eine Spezialpraxis wirklich nötig ist. Getestet wurde das System an 50 Patientinnen und Patienten in zwei Zahnarztpraxen in Houston, wo mehrere Bereiche im Mundraum aufgenommen und von Expertinnen und Experten bewertet wurden. Die Ergebnisse fielen vielversprechend aus. Das Modell erkannte rund 60 Prozent der verdächtigen Fälle korrekt und vermied in 88 Prozent der Fälle unnötige Überweisungen, während die beteiligten Zahnärzte keine einzige auffällige Läsion identifizierten. Der gesamte Aufnahmeprozess dauerte im Durchschnitt nur wenige Minuten und ließ sich problemlos in den Praxisalltag integrieren.

^{1 Ruchika Mitbander et al., Optimization of a mobile imaging system to aid in evaluating patients with oral lesions in a dental care setting, Biophotonics Discovery (2025).}

Schlagwörter: