Über das Projekt
RACOON-PAIN verfolgt das Ziel, das diagnostische und prognostische Potenzial komplexer Algorithmen der Künstlichen Intelligenz (KI) bei akuten abdominellen Erkrankungen zu evaluieren. Die multizentrisch angelegte Studie wird innerhalb des NUM, unter Einbindung von 39 (37 Partnerstandorte mit 39 universitären Kliniken) in Deutschland durchgeführt und konzentriert sich auf häufig auftretende akute Krankheitsbilder wie Perforationen, akute Pankreatitis, akute Cholezystitis, Kolondivertikulitis sowie Appendizitis. Im Rahmen der Studie werden Daten aus routinemäßig durchgeführten Computertomographien (CT) unter Einbeziehung klinischer und demographischer Informationen sowie Parametern der Körperzusammensetzung und Organsegmentierungen analysiert.
Das Wichtigste im Überblick
Die RACOON-PAIN-Studie verfolgt folgende zentrale Zielsetzungen:
1. Entwicklung krankheitsspezifischer KI-Algorithmen zur Diagnose von fünf häufigen akuten Krankheitsbildern, die mit abdominellen Schmerzen assoziiert sind: Hohlorganperforation, akute Pankreatitis, akute Cholezystitis, Kolondivertikulitis und Appendizitis. Evaluierung der prädiktiven und prognostischen Leistungsfähigkeit von KI-Algorithmen in großen multizentrischen Kohorten unter Nutzung der bestehenden Infrastruktur des Radiological Cooperative Network (RACOON).
2. Erstellung krankheitsspezifischer Risikomodelle auf KI-Basis, die neben demografischen Daten (Alter, Geschlecht) auch Laborparameter (C-reaktives Protein, Leukozyten) sowie Bildgebungsmerkmale einschließlich Organsegmentierungen und Body-Composition-Parameter berücksichtigen – darunter den Skelettmuskel-Index (Hinweis auf Sarkopenie), die Dichte der Skelettmuskulatur (Hinweis auf Myosteatose), intramuskuläres Fettgewebe, viszerales Fettgewebe (viszerale Adipositas) und subkutanes Fettgewebe.
3. Verbesserung der Prädiktion therapieassoziierter Komplikationen und ungünstiger Krankheitsverläufe durch die Integration KI-basierter Bildgebungsparameter in bestehende klinische Entscheidungswege.
4. KI-basierte Prognose langfristiger Patient:innenoutcomes auf Basis der initialen Bildgebung und der darin enthaltenen, bisher nicht vollständig genutzten Daten, sowie longitudinaler klinischer Verläufe der Patient:innenkohorte.
Die größte Herausforderung von RACOON-PAIN liegt in der Harmonisierung hochgradig heterogener Daten: 37 Partnerstandorte mit 39 universitären Kliniken arbeiten mit unterschiedlichen CT-Protokollen, variabler Bildqualität und standortindividuellen Dokumentationspraktiken. Standardisierte Serienauswahl, einheitliche ECRFs und ein kontinuierliches Qualitätsmonitoring mit automatisierten Plausibilitätsprüfungen sind daher Grundvoraussetzung für generalisierbare KI-Modelle.
Eine besondere technologische Herausforderung betrifft die Zukunftsfähigkeit der Infrastruktur: RACOON wird perspektivisch mit deutlich leistungsstärkerer Hardware für die KI-gestützte Bildanalyse ausgestattet. Die PAIN-spezifischen Workflows, Datenflüsse und Speicherlösungen müssen daher bereits heute auf Spezifikationen geplant und vorgebaut werden, die bislang nur auf dem Papier existieren. Das Projekt begegnet diesem Risiko mit einem konsequent modularen, skalierbaren Aufbau, der den späteren Übergang auf die neue Hardwaregeneration ermöglicht, ohne laufende Pipelines zu unterbrechen. Zeitgleich werden PAIN-spezifische Anpassungen auf der aktuellen Infrastruktur, insbesondere innerhalb der Auswertungsumgebung umgesetzt, bevor die finalen Datensätze und die finale Hardwarekonfiguration bereitsteht.
Hinzu kommt ein regulatorischer Parallellauf: Ethik- und Datenschutzvoten müssen an jedem einzelnen Standort eingeholt werden. Dieser zeitintensive Prozess kann den Beginn der Datenerhebung an einzelnen Standorten verzögern; ein projektinterner Ausgleich über Standorte mit überplanmäßig gemeldeten Fallzahlen hält den Gesamtzeitplan stabil.
Damit KI-Entscheidungen in der zeitkritischen Akutversorgung akzeptiert und geprüft werden können, setzt RACOON-PAIN von Beginn an auf erklärbare Verfahren (u. a. gradientenverstärkte Entscheidungsbäume mit SHAP-Werten), deren Vorhersagen für klinische Anwender:innen nachvollziehbar bleiben.
RACOON-PAIN ist ein Verbundprojekt im Themenraum 6 der dritten Förderphase des NUM mit einer Laufzeit vom 01.02.2026 bis zum 31.07.2028. Die operative Koordination liegt bewusst auf zwei Stellen (UKRUB Minden/Bochum und Universitätsmedizin Rostock), um Ausfallsicherheit über die gesamte Projektlaufzeit zu gewährleisten. Strategisch gesteuert wird das Projekt durch einen Lenkungsausschuss unter Vorsitz von Univ.-Prof. Dr. Jan Borggrefe; die Patient:innenperspektive ist über einen permanenten Sitz im Lenkungsausschuss verankert.
Technisch baut RACOON-PAIN auf der etablierten RACOON-Infrastruktur auf: CT-Daten und klinische Informationen werden dezentral an den Standorten erhoben, automatisch pseudonymisiert und über das RACOON-Upload-Gateway in die zentrale, datenschutzkonforme Auswertungsumgebung RACOON-CENTRAL überführt. Die Mint Medical GmbH ermöglicht Datenerhebung, Upload-Gateway und ECRF-Dokumentation (Mint-Lesion); das Deutsche Krebsforschungszentrum (DKFZ) stellt mit der Joint Imaging Platform die zentrale KI-Auswertungsumgebung bereit. Die Auswertungsumgebung wird auf den Servern der Universitätsklinik Essen bereitgestellt und von der Mint Medical GmbH entwickelt.
Die Projektarbeit gliedert sich in sechs Arbeitspakete: (1) Ethischer und rechtlicher Rahmen sowie Onboarding, (2) Datenintegration und zentrales Datenmanagement, (3) Analyse und Veröffentlichung, (4) Projektmanagement, (5) KI-gestützte Vorhersage von Komplikationen, (6) KI-basierte Prognose longitudinaler Outcomes.
Seit dem Start im Februar 2026 laufen die zentralen Meilensteine fristgerecht: Die primären Ethik- und Datenschutzgenehmigungen der koordinierenden Stelle liegen seit 03/2026 vor, die universelle ECRF-Vorlage für alle Standorte ist fertiggestellt, und die Kommunikations- und Berichtsstrukturen sind etabliert. Bereits über 1.800 Fälle wurden identifiziert; ein erster Testfall wurde erfolgreich nach RACOON-CENTRAL hochgeladen.
Das Projekt befindet sich seit Februar 2026 in der Umsetzungsphase. Highlights der Startphase: fristgerechte primäre Ethik- und Datenschutzgenehmigungen (03/2026), Fertigstellung der ECRF-Vorlage mit geschlechtsspezifisch ausdifferenzierten Erfassungsfeldern, Identifikation von rund 1.800 Fällen sowie ein KI-Symposium in Minden (02/2026). Ein ausführlicher Rückblick folgt nach dem ersten Projektjahr.