RACOON: Radiologisches Cooperatives Netzwerk

Netzwerk Universitätsmedizin (NUM)

Diagnostische Bilddaten, wie beispielsweise computertomographische (CT) und konventionelle Röntgen-Aufnahmen der Lunge von COVID-19-Patient*innen, sind ein wertvolles Werkzeug für die Patient*innenversorgung während der Corona-Pandemie. Die Bilddaten zeigen mögliche Organschädigungen auf, erlauben Prognosen zum weiteren Verlauf der Krankheit und helfen somit, eine bessere Versorgung der Erkrankten sicherzustellen. Durch die Auswertung von standardisiert erhobenen Bilddaten sehr vieler COVID-19-Patient*innen können zum Beispiel Charakteristika, wie Risikofaktoren für schwere Krankheitsverläufe, erkannt werden.

Im NUM-Forschungsprojekt RACOON (Radiological Cooperative Network zur COVID-19 Pandemie) konnte bereits eine Bilddatenplattform etabliert werden, die eine wertvolle Quelle für Bilddatenforschung und diagnostische Bildanalyse darstellt. Anwendungsmöglichkeiten für diese Daten sind unter anderem radiologische Forschungsvorhaben im Bereich der künstlichen Intelligenz (KI), wie zum Beispiel die computergestützte, automatische Auswertung der Bilddaten, oder klinische Studien, in denen diese Daten beispielsweise bei der Therapieauswahl unterstützen können. Insbesondere die flächendeckende Anbindung aller deutschen universitätsmedizinischen Standorte in RACOON sorgt für eine umfangreiche Datensammlung und schafft einen besonderen Mehrwert dieser Bilddatenplattform für das Gesundheitswesen. Aufgrund der Relevanz für die Forschung und Krankenversorgung in der Pandemie wird RACOON als NUM-Infrastruktur weitergeführt. 

RACOON ist eine von insgesamt fünf Infrastrukturen im NUM, die aus Forschungsprojekten der ersten NUM-Förderperiode (01.04.2020 – 31.12.2021) hervorgegangen sind.

Was ist das Ziel?

Die schnelle Inbetriebnahme und Bereitstellung der Netzwerkstruktur, die neben der lokalen Datenerfassung und Verarbeitung an den einzelnen Universitätskliniken ebenfalls eine zentrale Umgebung für Bildanalysen und –auswertungen erlaubt, ist eines der Hauptziele von RACOON. Dazu gilt es, die Funktionalität des Netzwerkes stetig zu verbessern. Im Weiteren sollen spezielle Werkzeuge entwickelt und weiterentwickelt werden, die es mittels einer standardisierten Erfassung der Untersuchungsergebnisse ermöglichen, Bilddatensätze mit entsprechenden Informationen zu verknüpfen, die nicht nur vom Menschen verstanden, sondern auch von Maschinen interpretiert werden können. Durch diese „maschinelle Lesbarkeit“ besteht die Möglichkeit, die Bilddaten auch mittels KI für beispielsweise bildgesteuerte KI-Trainings zur automatischen Auswertung der Daten zu nutzen. Zudem wird die standardisierte Datenerhebung von mehr als 14.000 Patient*innen angestrebt.

Parallel zum Ausbau der technischen Komponenten und Anwendungen soll ebenfalls ein Rahmenkonzept abgestimmt werden, welches den Datenschutz, ethische Aspekte und die Sicherheit der Bilddaten regelt. Darüber hinaus ist geplant, die Bilddatenplattform beziehungsweise das Netzwerk im Rahmen innovativer Forschungsprojekte einzusetzen und die gesamte deutsche radiologische Gemeinschaft einzubinden. Standortübergreifende Expert*innen-Gruppen sollen eingerichtet werden, um den Service, den Betrieb der Bilddatenplattform und die Forschung zu unterstützen sowie die Umsetzung der Entwicklungsaufgaben in den diversen Teams sicherzustellen.

Wer ist beteiligt?

Die Universitätskliniken Charité Berlin (Prof. Dr. Bernd Hamm und Privatdozent Dr. Tobias Penzkofer) und Frankfurt (Prof. Dr. Thomas Vogl und Dr. Andreas Bucher) koordinieren gemeinsam die Abläufe im Projekt.

Alle 36 deutschen Universitätskliniken sind in das Vorhaben involviert. Prof. Dr. Joachim Lotz, Direktor des Instituts für Diagnostische und Interventionelle Radiologie wird seitens der Universitätsmedizin Göttingen am Projekt mitarbeiten.  

Kontakt

Leitung Institut für Diagnostische und Interventionelle Radiologie

Prof. Dr. Joachim Lotz

Prof. Dr. Joachim Lotz

contact information

Wissenschaftlicher Referent

Dr. Saheeb Ahmed

Dr. Saheeb Ahmed

contact information

Follow us