Das hepatozelluläre Karzinom (HCC) erfordert eine umfassende Evaluation des Tumorstadiums, um eine präzise Prognose und klare Therapieempfehlungen (inkl. der Abwägung einer Lebertransplantation) zu sichern. Um dies zu gewährleisten, muss die Befundung sowohl auf radiologische als auch auf klinische Parameter basieren. Die neue Funktionalität von mint Lesion™ 3.0 zur Unterstützung des HCC Stagings ermöglicht hierzu die einfache Erfassung einer Vielzahl von Bildparametern (z. B. Größe, Anzahl, vaskuläre Invasion) und klinischen Daten (z. B. Child-Pugh-Score und Performance Status). Auf diesen Parameter basierend, ermittelt mint Lesion™ 3.0 automatisch den BCLC und das TNM Stadium und die Transplantationsempfehlungen entsprechend den Milan- oder UCSF-Kriterien.
![[Translate to German:]](/fileadmin/_processed_/6/7/csm_New-Standardized-Read-Profiles-for-HCC_e520f23da2.png)
HCC Befundungsprofil
Ähnliche Inhalte
Ähnliche Inhalte
FHIR im Gesundheitswesen: Das Potenzial der Interoperabilität
Im Gesundheitswesen ist die Interoperabilität ein wichtiger Wegbereiter: Interoperable Systeme ermöglichen die nahtlose Kommunikation von…
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…
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…