Bleiben Sie auf dem Laufenden: Die Transformation der Radiologie dank strukturierter Befundung und datengesteuerter Ansätze

Erkundigen Sie sich über unsere Aktivitäten, Projekte und Produkt-Updates, informieren Sie sich über die neuesten Branchennachrichten, und erfahren Sie, was uns als Unternehmen und als Team ausmacht.

Dieses Bild zeigt zwei Männer (einer davon ein Arzt) vor einem Computer; sie schauen auf ein Bild in der medizinischen Bildgebungssoftware mint Lesion™

BZKF BORN Roll-Out Schulungen in vollem Gange

Ein erster Eindruck der vor Ort stattfindenden BZKF BORN Roll-Out Schulungen am LMU Klinikum München mit unserem Experten Steffen Rupp. Das Projekt ist in vollem Gange: Die zuvor an sechs Universitätskliniken entwickelten Templates werden nun in deren klinischem Alltag verwendet und getestet.

Das Ziel des bayernweiten Onkologischen Radiologienetzwerks (BORN) ist es, Patient:innen und medizinischem Fachpersonal im ganzen Bundesland zu helfen. Das Projekt führt Krebsvorsorgeuntersuchungen in standardisierter Weise durch, wertet sie systematisch aus und schafft die erforderlichen Rahmenbedingungen für die Datenerfassung und den Austausch. Dadurch entsteht eine weltweit einzigartige Datenbank zur Diagnose und Behandlung von Krebs.

Mint Medical und Brainlab arbeiten eng mit den Universitätskliniken und dem Bayerischen Zentrum für Krebsforschung (BZKF) zusammen, um einheitliches und strukturiertes Reporting in der onkologischen Bildgebung zu etablieren sowie eine sichere IT-Infrastruktur für die Erfassung und den Austausch von Daten zu entwickeln.

(Bild zeigt einen anonymisierten Demofall.)

Weitere Informationen zum Projekt finden Sie hier: https://bzkf.de/born/

BORN Interoperabilität Strukturierte Befundung Klinische Routine Standardisierte Befundungen Diagnostisches Datenmanagement

Ähnliche Inhalte

Ähnliche Inhalte

Puzzleteile verbinden sich zu einem interoperablen System

FHIR im Gesundheitswesen: Das Potenzial der Interoperabilität

Im Gesundheitswesen ist die Interoperabilität ein wichtiger Wegbereiter: Interoperable Systeme ermöglichen die nahtlose Kommunikation von…

Drei wichtigen Sequenzen (FLAIR, T2, T1 mit Kontrastmittel) in der Glioblastom-Bewertung

Optimierung der Bildgebung bei Glioblastomen: Verbesserung der MRT-Effizienz und -Qualität durch Deep Learning

Diese Studie untersucht den Einsatz von Deep Learning (DL) zur Optimierung von MRT-Protokollen bei Patient:innen mit Glioblastomen, mit dem Ziel, die…

Drei wichtigen Sequenzen (FLAIR, T2, T1 mit Kontrastmittel) in der Glioblastom-Bewertung

Universitätsklinikum Tübingen: Fortschritte in der Effizienz von MRT bei der Behandlung von Glioblastomen durch Deep Learning

Diese Studie untersucht den Einsatz von Deep Learning (DL) zur Optimierung von MRT-Protokollen für Patient:innen mit Glioblastomen. Glioblastome, die…