Aktuelle Erkenntnisse deuten darauf hin, dass die Thorax-CT-Bildgebung ein äußerst wertvolles Instrument für die Diagnose, Epidemiologie und Therapiekontrolle von Covid-19-Fällen sein kann. Sie bietet eine hohe Sensitivität, kurze Durchlaufzeiten, eine breite Verfügbarkeit und die Möglichkeit, verschiedene Stadien der Krankheit zu unterscheiden. Um es zu einem geeigneten Instrument für diese Zwecke zu entwickeln, ist aber ein reproduzierbarer, standardisierter Ansatz für die Bilddiagnostik erforderlich. Dieses Projekt zielt darauf ab, ein solches standardisiertes Diagnose- und Staging-Verfahren für Covid-19-Fälle zu entwickeln, wobei ein AI-gestützter Ansatz zur automatischen Bewertung und Auswahl klinischer Merkmale verwendet wird, die als optimales Prädiktorset (in Bezug auf Recall) für die Diagnose und das Staging von Covid-19 dienen. Eingangsdaten sind retrospektiv erhobene CT-Bilddaten von Covid-19-Fällen, ergänzt durch Baselinedaten (Pneumonie mit anderen Ursachen, keine Pneumonie). Die Bilddaten werden durch ein strukturiertes Befundungssystem verarbeitet und nach reproduzierbaren Methoden ein breites Array an Kandidaten-Bildmerkmalen extrahiert, die durch andere klinische und anamnetische Daten ergänzt und in strukturierter Form unserer Analyse zugeführt werden.