Über das Projekt
RACOON-AI Brain Tumor ist ein standortübergreifendes, prospektives Kooperationsprojekt von Spezialisten und Institutionen im Bereich der interdisziplinären Neuroonkologie, mit Fokus auf dem Einsatz von sogenannten „Advanced Magnetresonanz-Bildgebungs (MRT)-Techniken“ und Künstlicher Intelligenz (KI) zur Verbesserung der Diagnostik, Therapieplanung/-überwachung und Behandlungsergebnisse bei Patienten mit Hirntumoren. Innerhalb des Projektes kommt die spezifische Expertise von Neuroradiologen, Neuroonkologen, Neurochirurgen, Datenwissenschaftlern und Patientenvertretern (gemeinnützigen Patientenorganisation yeswecan!cer) zum Tragen. Das Projekt wird von der Deutschen Gesellschaft für Neuroradiologie (DGNR e.V.) unterstützt.
Das Wichtigste im Überblick
RACOON-AI Brain Tumor entwickelt KI-gestützte Analyseverfahren auf Basis multiparametrischer, quantitativer MRT, um Diagnostik, Therapieplanung und Verlaufskontrolle bei Hirntumoren zu verbessern. Dafür wird ein bundesweit standardisierter, multizentrischer Datensatz aufgebaut.
Die wichtigsten Ziele sind:
- Zuverlässigkeit der Methode: Nachweis, dass quantitative MRT-Parameter an verschiedenen Standorten vergleichbare Ergebnisse liefern.
- Nicht-invasive Tumorcharakterisierung: Vorhersage molekularer und epigenetischer Tumoreigenschaften direkt aus der Bildgebung.
- Prognoseabschätzung: Entwicklung von Modellen zur Vorhersage von progressionsfreiem und Gesamtüberleben.
- Präzisere Bildinterpretation: Unterscheidung von aktiven Tumoranteilen, Infiltration und Ödem – möglichst ohne Kontrastmittel.
- Therapiemonitoring: Differenzierung zwischen echtem Tumorprogress und therapiebedingten Veränderungen.
- Langfristig entsteht damit eine einzigartige Referenzdatenbank, die neue Maßstäbe für KI-basierte Neuroonkologie setzen soll.
Insgesamt 621 Patienten (500 Erstdiagnosen mit V.a. diffuse Gliome vom adulten Typ und 121 Gliompatienten mit der Fragestellung Progress vs. Pseudoprogress) sollen eingeschlossen werden.
RACOON-AI Brain Tumor führt erstmals ein standardisiertes, multiparametrisches qMRT-Protokoll prospektiv an zwölf universitätsmedizinischen Standorten ein. Dabei müssen unterschiedliche Scannerplattformen, Softwarestände und lokale IT-Infrastrukturen so harmonisiert werden, dass vergleichbare quantitative Parameter entstehen. Hierzu sind bereits mehrjährige Vorarbeiten erfolgt. Die herstellerübergreifende Reproduzierbarkeit wird systematisch mithilfe von Phantom- und„Traveling-Head“-Untersuchungen überprüft.
Parallel dazu ist der Aufbau einer vollständig automatisierten Verarbeitungskette erforderlich – von der De-Identifizierung über den Upload bis hin zur zentralen Nachverarbeitung in der containerisierten Kaapana-/JIP-Umgebung. Dies verlangt robuste, standardisierte Workflows, eine hohe Datenqualität und eine verlässliche technische Integration aller Standorte.
Das Projekt ist in aufeinander aufbauende Arbeitspakete gegliedert:
- Schaffung von ethischen und rechtlichen Rahmenbedingungen
- Vorbereitung der Infrastruktur
- Erstellung der Datenprozessierungs- und Analyse-Pipeline
- MRT-Protokollimplementierung und -validierung
- Prospektive Datenerhebung
- Fusion von klinischen Parametern und Bilddaten
- Entwicklung bildbasierter Biomarker und prädiktiver Modelle
- Datenbereitstellung
Der Fortschritt und die Steuerung des Projektes sowie eine gute Kommunikation zwischen den NUM-Standorten wird durch ein zentrales Projektmanagement sichergestellt.