Über das Projekt
Das Projekt RACOON-LCS verfolgt das Ziel, eine verlässliche und qualitätsgesicherte Infrastruktur zur Unterstützung des nationalen Lungenkrebsscreenings (lung cancer screening, LCS) in Deutschland aufzubauen. Basierend auf der bestehenden RACOON- Infrastruktur wird RACOON-LCS den ersten bundesweiten Datenraum für Screeningdaten schaffen.
Dieser fördert die Zusammenarbeit zwischen Standorten und ermöglicht eine langfristige Standardisierung, Qualitätssicherung und wissenschaftliche Analyse der Screeningprozesse. Ein zentrales Element des Projekts ist die Integration von KI-gestützten Detektionssystemen (CAD), die dabei helfen, Lungenrundherde frühzeitig zu erkennen und zu klassifizieren, die Lungenstruktur zu analysieren und das Risiko für maligne Veränderungen besser einschätzen zu können.
Das Wichtigste im Überblick
Das übergeordnete Ziel des Projekts RACOON-LCS ist die Nutzung und Weiterentwicklung der öffentlich geförderten RACOON-Forschungsinfrastruktur zur universitären Begleitung des Lungenkrebsscreenings in Deutschland sowie der Aufbau eines „German Data Space“ für Lungenkrebsscreening-Daten. Dabei sollen mindestens zwei KI-basierte, computergestützte Diagnosesysteme (CAD) in die bestehende Infrastruktur integriert und anhand einer retrospektiven Bilddatenanalyse zunächst qualitativ überprüft werden. Ab Mitte 2026 sollen Screenings an den Partnerstandorten der RACOON-Infrastruktur durchgeführt und die Bilddaten pseudonymisiert in die zentrale Instanz RACOON-CENTRAL hochgeladen und dort analysiert werden. Im Vordergrund steht die Sicherstellung einer standortübergreifenden Qualität und Konsistenz der Bilddatensätze. Das Projekt untersucht den Einfluss von KI auf die Genauigkeit und Effizienz bei der Erkennung von Lungenknoten, der Analyse der Lungenstruktur und der medizinischen Befundung nach nationalen Richtlinien.
Im ersten Teil der Studie werden bereits vorhandene CT-Aufnahmen der Lunge sowie dazugehörige Befunde aus den Standorten Heidelberg und München ausgewertet. Ziel ist es, die verwendeten CAD-Systeme für zukünftige Auswertungen im Rahmen des Lungenkrebsscreenings vorzubereiten. Dabei wird unter anderem untersucht, ob entzündliche Veränderungen, die je nach Jahreszeit auftreten können, die Einschätzung von Lungenrundherden durch künstliche Intelligenz beeinflussen, insbesondere bei eher unklaren Veränderungen im Lungengewebe. Zusätzlich werden Analysen der Körperzusammensetzung („Body Composition Analysis“) durchgeführt. Damit soll geprüft werden, ob sich bestimmte Körpermerkmale als mögliche Hinweise auf ein erhöhtes Risiko oder als Biomarker im Rahmen der Vorsorge eignen. Ein weiteres Ziel ist es, zu testen, ob moderne Sprachmodelle (KI-Systeme, die Texte verständlich formulieren können) medizinische Befunde aus dem CAD-System so aufbereiten können, dass sie für Patientinnen und Patienten sowie medizinisch vorgebildete Laien besser verständlich sind.
Im prospektiven Teil der Studie werden neue CT-Daten (Niedrigdosis-Computertomographie-Daten („Low-Dose CT“, LDCT) ) aus dem Lungenkrebsscreening mit niedriger Strahlendosis sowie reguläre CT-Aufnahmen ausgewertet, bei denen zufällig Lungenknoten entdeckt wurden. Diese Daten stammen aus mehreren teilnehmenden Zentren im NUM. Ziel ist es zu prüfen, wie zuverlässig und gut übertragbar die computerunterstützten Auswertungssysteme (CAD) an verschiedenen Standorten funktionieren. Dabei wird auch untersucht, ob Unterschiede bei der Durchführung und Bildaufbereitung der CT-Untersuchungen die Leistung der künstlichen Intelligenz beeinflussen. Zusätzlich wird analog zum ersten Teil der Studie getestet, ob große Sprachmodelle (KI-Textsysteme) strukturierte medizinische Befunde in verständliche, zusammenhängende Texte für unterschiedliche Zielgruppen umwandeln können.
Die größten Herausforderungen von RACOON-LCS ergeben sich aus dem frühen Entwicklungsstand des Lungenkrebsscreenings in Deutschland. Zum Zeitpunkt des Projektstarts ist noch nicht absehbar, wie hoch die Teilnahmequote am Screening sein wird und über welchen Zeitraum die prospektive Datenakquise erfolgen kann. Daher wird eine initiale retrospektive Analyse vorhandener CT-Datensätze genutzt, um den geplanten Workflow frühzeitig zu testen und zugleich relevante wissenschaftliche Fragestellungen zu bearbeiten.
Für den prospektiven Projektteil stellen insbesondere das Onboarding aller 35 universitären Partnerstandorte sowie die Erfüllung der ethischen und datenschutzrechtlichen Vorgaben zentrale Herausforderungen dar. Erfahrungen aus früheren Projekten zeigen jedoch, dass die standortübergreifende Kommunikation über das etablierte Confluence-Forschungsportal effizient unterstützt werden kann. Ergänzend sollen ein Kick-off-Meeting sowie regelmäßige Sprechstunden die Einbindung der Partnerstandorte erleichtern und einen kontinuierlichen Austausch sicherstellen.
Eine weitere Herausforderung besteht in der standortübergreifenden Harmonisierung der Bilddaten. Da CT-Aufnahme- und Rekonstruktionsparameter zwischen den beteiligten Zentren variieren können, müssen Unterschiede in Bildqualität, Protokollen und Datenformaten systematisch erfasst und berücksichtigt werden. Dies ist insbesondere relevant, da solche technischen Unterschiede die Performance von CAD-Systemen beeinflussen können.
Das Projekt wird in fünf Arbeitspaketen durchgeführt:
AP1: Projektkoordination und Management
AP2: Lokale Datenerhebung und Annotation
AP3: Qualitätskontrolle und KI-gestützte Analyse
AP4: Statistische Auswertung
AP5: Integration großer Sprachmodelle
Die übergeordnete Steuerung des Projekts erfolgt durch die lokale Studienkoordination sowie den Standortinformatiker des Universitätsklinikums Heidelberg. Sie koordinieren die organisatorischen, technischen und technischen Abläufe und unterstützen die Einbindung der beteiligten Partnerstandorte.