Die COVID-19-Pandemie hat Reformbedarfe im deutschen Gesundheitssystem aufgezeigt, teils fehlen verlässliche medizinische Daten, bundesweite Vernetzungsstrukturen und eine adäquate Digitalisierung im Gesundheitswesen. Mit RACOON Radiological Cooperative Network hat sich eine Struktur gebildet, die dies in Teilen ändern wird. Denn es ist mit RACOON gelungen, in der bisher größten universitätsmedizinischen Vernetzungsinitiative alle Universitätsklinika in Deutschland miteinander zu verbinden und damit eine bisher unerreichte radiologische Datengrundlage zur Erforschung von COVID-19 und weiteren repräsentativen und vergleichbaren Lungenerkrankungen aufzubauen.
Diese werden zur Weiterentwicklung Künstlicher Intelligenz genutzt und somit neue Erkenntnisse über die Erkrankung gewonnen und verfügbar gemacht. Zu den Forschungs- und Entwicklungspartnern in RACOON zählen das Deutsche Krebsforschungszentrum (DKFZ), die Technische Universität Darmstadt, das Fraunhofer-Institut MEVIS in Bremen, die Mint Medical GmbH und die Firma ImFusion. Finanziert wird das Projekt vom Bundesministerium für Bildung und Forschung.
14 000 CT Untersuchungen und über 3000 Röntgenuntersuchungen
Um die Datengrundlage zur Erforschung von COVID-19 und weiteren ähnlichen Lungenerkrankungen aufzubauen, wurden an internationalen und nationalen Standards orientierte radiologische Befundungsstandards sowie ein umfassendes Bildglossar, ausführliche Dokumentationsmaterialien, interaktive Workshops und Lehreinheiten geschaffen. Damit soll ein zentrales Ziel von RACOON erreicht werden: eine hochqualitative, umfassend strukturierte Datenerfassung. Mit dieser Basis wird die RACOON-Kohorte aus über 14 000 CT Untersuchungen und über 3000 Röntgenuntersuchungen maschinenlesbaren, strukturierten Befunden jeder eingeschlossenen Bildgebung gebildet.
Das ist ein einmaliger, deutschlandweiter Datensatz zur kollaborativen Bilddatenforschung mit derzeit über 6,6 Millionen Befunditems. Initiiert wurde das Projekt von Univ. Prof. Dr. Dr. Thomas J. Vogl und Dr. Andreas Bucher vom Universitätsklinikum Frankfurt am Main sowie Univ. Prof. Dr. Bernd Hamm, PD Dr. Tobias Penzkofer von der Charité Berlin und Prof. Dr. Dr. Jens Kleesiek vom Institut für Künstliche Intelligenz in der Medizin des Universitätsklinikums Essen.
Strukturierte Befundung
„Die klassische radiologische Befundung, bei der der Befund einfach als Freitext eingetragen wird, ist für eine groß angelegte maschinelle Auswertung nicht geeignet“, sagt Prof. Dr. Dr. Thomas Vogl, Leiter des Instituts für Diagnostische und Interventionelle Radiologie des Universitätsklinikums Frankfurt. „Erst die strukturierte Befundung schafft die Voraussetzung, radiologische Befunde in großer Zahl und in Echtzeit zu verarbeiten.“ Prof. Dr. Bernd Hamm, Direktor der Klinik für Radiologie der Charité in Berlin erklärt: „Es stehen erstmals hochstrukturierte Daten in dieser Größenordnung zur Verfügung, die als wertvolle Entscheidungsgrundlage zu epidemiologischen Studien, Lageeinschätzungen und Frühwarnmechanismen beitragen können.“
Quelle: Deutsche Röntgengesellschaft
