Radiologische Bilddaten stellen eine der Grundlagen der medizinischen Diagnostik in der klinischen Routine dar. Um die Interoperabilität zwischen den verschiedenen Modalitäten (z.B. Computertomographie (CT), Magnetresonanztomographie (MRT) oder Positronenemissionstomographie (PET) und den Geräten verschiedener Hersteller herzustellen, wurde der DICOM- Standard (Digital Imaging and Communications in Medicine) eingeführt. Dieser regelt dabei nicht nur, in welchem Format die rohen Bilddaten von jedem System gespeichert werden, sondern legt z.B. auch fest, wie ein Versand der Bilder innerhalb eines Netzwerkes von statten gehen soll. Aufgrund der Konformität praktisch aller bilderzeugenden medizinischen Grossgeräte unterschiedlicher Hersteller zu diesem Standard können die generierten Bilder zentral in einem PACS (Picture Archiving and Communication System) gespeichert und zur Befundung oder Demonstration jeweils von verschiedenen Arbeitsplätzen abgerufen werden. Ziel des vorliegenden Projektes ist die Entwicklung einer quelloffenen und modularen Plattform für medizinische Bilddaten, die sowohl die Verteilung der Bilddaten im Netzwerk als auch die nahtlose Integration von Modulen zur weiteren Bildverarbeitung und -analyse ermöglichen soll. Dies erlaubt die zielgerichtete Implementierung von innovativen Ansätzen als Module innerhalb der Plattform – ohne die Notwendigkeit, sich als Entwickler mit dem Bildtransfer, der Ergebnisausgabe oder dem allgemeinen Datenmanagement aufhalten zu müssen, da dies vollständig von der Plattform übernommen wird. Dadurch reduzieren sich die Entwicklungszeit und der Aufwand für Bereitstellung und Konfiguration einer neuen Innovation massiv. Hauptbestandteil der Plattform ist dabei ein dynamisches Regelwerk, das auf Basis der DICOM- Informationen (sog. „DICOM Tags“, z.B. Patienteninformationen, Modalität, Bildinformationen, Studienbeschreibung u.v.a.) die Daten einem Modul zur Verfügung stellt oder auch die Weiterleitung der Bilddaten an ein bestimmtes Ziel im Netzwerk veranlasst. Die von den Modulen zurückgegebenen Ergebnisse werden dabei selbst Teil des Regelsystems und können so den Datenfluss dynamisch und effizient steuern (z.B. Markierung von Studien mit suspekten Lungenrundherden durch künstliche Intelligenz, automatische Weiterleitung bei positivem Befund an eine bestimmte Workstation und zusätzliche E-Mail über positiven Befund an spezifischen Arzt). Dies ermöglicht auch die Kombination mehrerer technisch unabhängiger Ansätze für komplexe Fragestellungen. Gleichzeitig können implementierte Module auf einfache Weise zwischen Forschungsgruppen ausgetauscht werden, da sie auf allen Instanzen der Plattform lauffähig sind.