Wissensportal für Fachkräfte der medizinischen Bildgebung: Radiologie durch strukturierte Befundung, datenbasierte Ansätze und multizentrische Forschung weiterentwickeln

Erhalten Sie Zugang zu wegweisender Forschung, innovativen Fallbeispielen und gemeinsamen Projekten, die die Radiologie weltweit vorantreiben. Entdecken Sie unsere Aktivitäten und Produktneuigkeiten und lernen Sie uns als Unternehmen und Team kennen.

Virtuelle Untersuchung von menschlichen Lungen auf einem modernen Benutzeroberflächenbildschirm.

Früherkennung des Behandlungserfolgs bei Lungenkrebs mithilfe von Delta-Radiomics-Features

Die Studie der Uniklinik Heidelberg untersucht die Nutzung der diffusionsgewichteten MRTs (DWI), um frühe Therapieergebnisse bei Patient:innen mit fortgeschrittenem Lungenadenokarzinom vorherzusagen. Die Forscher:innen analysierten Änderungen von radiomischen Merkmalen, die aus ADC-Karten (Apparent Diffusion Coefficient) bei 144 Patient:innen abgeleitet wurden, die entweder mit Tyrosinkinase-Inhibitoren (TKI) oder platinbasierter Chemotherapie (PBC) behandelt wurden.

Die Studie ergab, dass radiomische Merkmale, sogenannte Delta-Radiomics-Features (DRFs), bereits 14 Tage nach Behandlungsbeginn den Therapieerfolg und das progressionsfreie Überleben (PFS) vorhersagen konnten.

Diese Merkmale ermöglichten es, zwischen Patient:innen mit voraussichtlich besseren und schlechteren Behandlungsergebnissen zu unterscheiden.

Der Einsatz von DWI-basierten Radiomics zeigt vielversprechende Ansätze für eine frühzeitige Entscheidungsfindung bei der Lungenkrebsbehandlung und könnte es Ärzt:innen ermöglichen, Therapien schneller anzupassen.

Dieser Ansatz bietet eine nicht-invasive, strahlungsfreie Alternative zur frühzeitigen Beurteilung des Therapieerfolgs bei Lungenkrebs.

Lesen Sie hier mehr.

Ähnliche Inhalte

Ähnliche Inhalte

PET-Aufnahmen des Torsos mit relevanten falsch-positiven Befunden, markiert durch rote gestrichelte Kreise, und korrekt erkannten Läsionen (True Positives) in Grün

LMU Klinikum München: Künstliche Intelligenz für das TNM-Staging beim NSCLC – Wie gut sind KI-basierte Segmentierungen wirklich?

Die aktuelle Studie „Artificial intelligence for TNM staging in NSCLC – a critical appraisal of segmentation utility in [18F]FDG PET/CT“ untersucht…

Teilnehmende beim RECIST and Beyond Workshop in Köln während des Hands-on Trainings in mint Lesion zur strukturierten Tumorresponse-Bewertung.

Erfolgreicher Workshop „RECIST and Beyond“ in Köln: Präzise onkologische Bildgebung im Fokus

Wie lassen sich komplexe Tumorbefunde sicher, reproduzierbar und leitlinienkonform beurteilen?

Screenshot der mint-Lesion-Oberfläche mit RANO-2.0-Konfiguration, Tumorburden-Berechnung und strukturierten neuroonkologischen Bewertungstools.

Implementierung von RANO 2.0 für neuroonkologische klinische Studien in mint Lesion

Die Bewertung des Tumoransprechens in neuroonkologischen klinischen Studien erfordert besondere Sorgfalt hinsichtlich der Messprotokolle und der…