Ruim twee keer minder vals alarm

70,4% 
Specificiteit van de AI-risicoscore, tegenover 32,9% bij ervaren dermatologen

Een goede diagnostische test herkent niet alleen betrouwbaar wat kwaadaardig is, maar vooral ook betrouwbaar wat niet kwaadaardig is. Juist op dat punt boekt de AI-risicoscore opvallende winst.

Veel verdachte plekken blijken bij nader inzien onschuldig. Een dysplastische naevus kan klinisch sprekend op een melanoom lijken, en juist die gelijkenis drijft een groot deel van de onnodige excisies. De uitdaging is daarom dubbel: niets missen wat kwaadaardig is, en tegelijk niet alles verwijderen wat er verdacht uitziet maar het niet is.

Die twee kanten worden uitgedrukt in twee maten. De sensitiviteit zegt hoe goed een test kanker víndt: bij 90% worden negen van de tien echte melanomen opgepikt. De specificiteit zegt hoe goed een test onschuldige plekken met rust laat: bij 30% wordt zeven van de tien goedaardige plekken ten onrechte als verdacht aangemerkt. Het is dat tweede getal dat grotendeels bepaalt hoeveel mensen onnodig onder het mes gaan.

Wat het onderzoek aantoont

In een studie van Mevorach et al. (2025) werd de AI-risicoscore (DEXI) vergeleken met zowel ervaren als minder ervaren dermatologen, op basis van 302 laesies. In het opsporen van maligniteiten deed de AI niet onder voor de experts: een sensitiviteit van 93,59%, gelijk aan die van de ervaren dermatologen. Het verschil zat in de specificiteit, die voor de AI uitkwam op 70,42%, tegenover 32,86% bij de ervaren artsen en 28,64% bij de minder ervaren (Mevorach et al., 2025).

Waar de artsen dus ongeveer twee van de drie goedaardige plekken onterecht verdacht vonden, draaide de AI dat om en stelde ze veel vaker correct gerust. In totaal classificeerde het systeem 223 laesies correct, tegenover 143 door de experts en 135 door de minder ervaren artsen. Dat betekent minder vals alarm en minder onnodige biopten en excisies, zonder dat het herkennen van echte maligniteiten eronder leed.

Wat dit betekent in de praktijk

De winst beperkt zich niet tot gepigmenteerde laesies. Door de zoom- en AI-analyse komen ook subtiele kenmerken van basaalcel- en plaveiselcelcarcinomen nauwkeuriger in beeld, zoals nodulariteit en vaatpatronen, die anders vaak pas met een biopt te beoordelen zijn. Zo wordt de afweging tussen vervolgen en behandelen scherper, zonder dat elke verdikking onder het mes hoeft.

Voor de spreekkamer is dit het verschil tussen verwijzen bij twijfel en verwijzen op onderbouwing. Verdachte plekken worden objectief gewogen voordat ze het zorgsysteem in gaan, wat onnodige biopten, excisies en patiëntonrust scheelt. Betrouwbaar kunnen uitsluiten wat géén kanker is, ontlast de eerstelijn net zo goed als het opsporen van wat dat wél is.

Meer look-alike huidkankergevallen en valkuilen met beeld erbij?

Elk kwartaal sturen wij huisartsen en collega-artsen een vakinhoudelijke nieuwsbrief met casussen uit de praktijk, klinische updates en nieuwe ontwikkelingen.

→ Schrijf u in voor de kwartaalnieuwsbrief op digitaledermatoscopie.nl

Bronnen: Mevorach, L., et al. (2025). A comparison of skin lesions’ diagnoses between AI-based image classification, an expert dermatologist, and a non-expert. Diagnostics, 15(9), 1115.

Medisch gecontroleerd door: Dr. M. Brinkmann, dermatoloog, BIG-nummer: 03010645. Laatst bijgewerkt: 8 juni 2026