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.

Interview mit Prof. Dr. Timm Denecke über das RACOON-MARDER-Projekt zur KI-gestützten Früherkennung von Leberkrebs mittels MRT.

Früherkennung neu gedacht: Wie RACOON-MARDER Leberkrebs früher sichtbar machen will

Das hepatozelluläre Karzinom (HCC) wird oft erst spät entdeckt – mit gravierenden Folgen für Therapie und Überlebenschancen. Das Forschungsprojekt RACOON-MARDER will das ändern. Mit MRT-Bildgebung, klinischen Daten und KI-gestützter Risikostratifizierung sollen Patient:innen identifiziert werden, die ein besonders hohes Risiko für HCC haben. So könnte ein personalisiertes, engmaschiges Screening etabliert werden, das über die Möglichkeiten der herkömmlichen Sonographie hinausgeht.

Im Interview erklärt Prof. Dr. Timm Denecke (Universitätsklinikum Leipzig), wie KI das Unsichtbare sichtbar machen kann – und warum die RACOON-Infrastruktur dafür entscheidend ist.

Mehr darüber lesen Sie hier.

Ähnliche Inhalte

Ähnliche Inhalte

Bild zeigt als grafischen Abstrakt Bilder aus der Studie, von MRT Aufnahmen bis zur Auswertung der Delta-Radiomics-Texturmerkmale

Universitätsklinikum Heidelberg: Delta-Radiomics-Features von ADC-Karten als frühe Vorhersagevariable des Behandlungserfolgs bei Lungenkrebs

In dieser prospektiven Studie des Universitätsklinikums Heidelberg wurde untersucht, ob Änderungen von radiomischen Merkmalen in diffusionsgewichteten…

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…