‹ Zurück zu RACOON

RACOON Use Case

Comprehensive Imaging Based Risk Stratification and Management Guidance in Acute Pulmonary EmbolismRisikostratifizierung bei akuter Lungenembolie

Entwicklung und Validierung KI-gestützter Modelle zur Verbesserung der Prognose und Behandlungsentscheidungen bei Patient:innen mit akuter Lungenembolie

Bei RACOON CORE-PE handelt es sich um eine klinische, multizentrische, retrospektive Studie. Ziel des Projekts ist es, die Prognoseeinschätzung und Therapieentscheidungen bei Patient*innen mit akuter Lungenembolie zu verbessern. Dies soll durch KI-gestützte Modelle erreicht werden, die umfassende Bildanalysen mit Laborwerten und klinischen Informationen kombinieren.

Warum das wichtig ist

Die Lungenarterienembolie (LAE) ist die dritthäufigste Ursache für kardiovaskuläre Todesfälle. Um Patient*innen zu identifizieren, die neben der Antikoagulation von einer intensivmedizinischen Überwachung und intensivierten Therapie profitieren, ist in diesem Rahmen eine Risikoeinschätzung wichtig. Hierfür werden umfassende, fortschrittliche Bildanalysen durchgeführt und bildgebende Biomarker mit Labor- und klinischen Daten integriert.

Die erfolgreiche Entwicklung und Validierung dieses Moduls schafft einen Mehrwert für Patient:innen mit akuter Lungenembolie. Das wird durch eine frühe Risikoeinschätzung und der damit verbundenen klinischen Behandlungsentscheidung möglich. Des Weiteren kann die Entwicklung des KI-basierten Modells im Anschluss für andere medizinische Anwendungsbeispiele herangezogen werden.

Was entstehen soll

CORE-PE zielt darauf ab, einen umfassenden Analyse-Prozess von Bilddaten zu entwickeln, um bessere Vorhersagen bei akuter LAE zu ermöglichen. Die etablierte RACOON-Infrastruktur wird genutzt, um eine große, multizentrische Datenbank von Computertomographie (CT)-Untersuchungen bei akuter Lungenembolie aufzubauen und eine standardisierte Bildannotation und Bildsegmentierung durchzuführen, um aus diesem Datensatz bildgebende Biomarker zu extrahieren.

Arbeitsplan

Definition der Patient:innenkohorte
Definition und Standardisierung von Eingabe- und Ergebnisvariablen sowie Definition der Patient*innenkohorte
Datenselektion
Datenselektion und Import aller bildgebenden und nicht-bildgebenden Daten in die RACOON-Infrastruktur
Entwicklung der KI-Modelle
Entwicklung von KI-Modellen zur automatischen Bildsegmentierung und Bildannotation sowie die Risikostratifizierung bei akuter LAE
Validierung, Datenanalyse und Ergebnisverarbeitung
Qualitätskontrolle und Validierung der KI-Modelle sowie die Verarbeitung und Nutzung der Ergebnisse

Projektprofil

Projektleitung
  • Prof. Dr. med. Felix Meinel
    Projektleitung und Projektinitiierung
    Universitätsmedizin Rostock
  • PD Dr. med. Maike Knorr
    Projektleitung
    Universitätsmedizin der Johannes Gutenberg-Universität Mainz
  • Dr. rer. hum. Mathias Manzke
    Projektleitung und Projektinitiierung
    Universitätsmedizin Rostock
  • Dr. med. Steffen Daub
    Projektleitung
    Universitätsmedizin der Johannes Gutenberg-Universität Mainz
  • Dr. rer. nat. Sina Sender
    Projektleitung
    Universitätsmedizin Rostock
Laufzeit01.07.2024 bis 30.06.2025
FinanzierungBMFTR innerhalb des Netzwerks der Universitätsmedizin NUM 2.0

Weitere Projektpartner

  • 11 deutsche Universitätskliniken
  • Mint Medical GmbH
  • Fraunhofer MEVIS
  • ImFusion GmbH
  • DKZF