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.

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 Voraussetzungen für Bestätigungsscans. Um den sich entwickelnden Anforderungen der Forschung gerecht zu werden und die Bewertung über verschiedene Tumortypen hinweg zu standardisieren, führt die Version 2.0 der Response Assessment in Neuro-Oncology (RANO 2.0) mehrere wichtige Änderungen gegenüber den bisherigen Standards ein – darunter RANO für hochgradige Gliome (RANO-HGG), niedriggradige Gliome (RANO-LGG), modifiziertes RANO (mRANO) und iRANO für Immuntherapien.

mint Lesion unterstützt nun die RANO-2.0-Kriterien und bietet Forschenden einen strukturierten Ansatz zur Umsetzung dieser Leitlinien. Die Plattform stellt sowohl standardmäßige RANO-2.0-Einstellungen als auch flexible Anpassungsmöglichkeiten bereit.

Konfigurierbare Bewertungsparameter

mint Lesion bietet Voreinstellungen gemäß den RANO-2.0-Leitlinien sowie die Möglichkeit, Parameter individuell an Ihre Studienanforderungen anzupassen.

Konfigurierbare Optionen im Überblick

Passen Sie mint Lesion an Ihr Studienprotokoll an:

  • Messmethode: Nutzen Sie 2D-Messungen, volumetrische Analysen oder eine Kombination
  • Tumortyp-Definition: Geben Sie für Ihre Studie kontrastanreichernde Tumore, nicht-kontrastanreichernde Tumore oder gemischte Tumore an – oder erlauben Sie die fallweise Festlegung des Tumortyps.
  • Bestätigungsscan-Protokoll: Wenden Sie das standardmäßige 12-Wochen-Bestätigungsfenster für kontrastanreichernde Tumoren nach der Radiotherapie an, passe den Zeitraum an oder deaktiviere/erzwinge Bestätigungsscans für alle Zeitpunkte.
  • Response-Kategorien: Konfigurieren Sie Haupteinstufungen und Nebenkategorien für nicht-kontrastanreichernde Tumoren
  • Schwellenwerte: Nutzen Sie die RANO-2.0-Standardschwellen oder eigene Werte

Berechnung und Verlauf der Tumorlast

mint Lesion berechnet die Tumorlast anhand von:

  • Summe der Produkte der orthogonalen Durchmesser (SPPD) für 2D-Messungen
  • Summe der Volumen (SOV) für volumetrische Analysen

Die Software verfolgt Änderungen relativ zu mehreren Referenzpunkten:

  • Baseline
  • Vorheriger Zeitpunkt
  • Nadir (niedrigste Tumorlast)
  • Nadir nach Pseudoprogression (niedrigster Wert zum Zeitpunkt oder nach der ersten potenziellen Tumorprogression, wenn Bestätigungsscans erforderlich sind)

Automatisierte Logik für Bestätigungsscans

mint Lesion wendet Bestätigungsscan-Anforderungen gemäß den RANO-2.0-Standards oder Ihren individuellen Studieneinstellungen an. Die Software erkennt, wann ein Bestätigungsscan erforderlich ist und identifiziert mögliche Fälle mit Pseudoprogression. Die Visualisierungsfunktion ermöglicht es, Veränderungen der Tumorlast über die Zeit hinweg nachzuverfolgen.

Detaillierte Aufschlüsselung der Messwerte

mint Lesion zeigt die berechneten Tumorlastwerte strukturiert nach Läsionstyp und Messmethode:

  • SPPD für anreichernde Läsionen
  • SPPD für nicht-anreichernde Läsionen
  • SOV für anreichernde Läsionen
  • SOV für nicht-anreichernde Läsionen

Die Berechnungen berücksichtigen Target- und Non-Target-Läsionen und neue Läsionen gemäß RANO 2.0 Kriterien. Die Reaktion der Target-Läsionen wird auf Basis kumulativer Werte bestimmt und getrennt für kontrastmittelanreichernde/nicht-anreichernde Läsionen sowie für 2D-/3D-Messungen ausgewiesen. Neu aufgetretene geeignete Läsionen und progrediente Non-Target-Läsionen werden automatisch zur Tumorlast hinzugefügt.

Berücksichtigte RANO-2.0-Publikationen

Die Implementierung in mint Lesion basiert auf folgenden Leitlinien und Fachartikeln:

  • Wen PY, van den Bent M, Youssef G, et al. RANO 2.0: Update to the Response Assessment in Neuro-Oncology Criteria for High- and Low-Grade Gliomas in Adults. J Clin Oncol. 2023.
  • Ellingson BM, Sanvito F, Cloughesy TF, et al. A Neuroradiologist's Guide to Operationalizing RANO Criteria Version 2.0 for Gliomas in Adults. AJNR Am J Neuroradiol. 2024.
  • Sakata A, Fushimi Y, Oshima S, et al. RANO 2.0: Critical Updates and Practical Considerations. Jpn J Radiol. 2025.

Interessiert daran zu sehen, wie mint Lesion die RANO-2.0-Implementierung für Ihre Studie abbildet?

Vereinbaren Sie eine Live-Demonstration, um die Konfigurationsoptionen, automatisierten Berechnungen und Reporting-Funktionen im Detail kennenzulernen. Unser Team führt Sie gerne durch studienspezifische Anwendungsfälle.

Ähnliche Inhalte

Ähnliche Inhalte

Bild eines Patienten, der einen MRT-Scan bekommt, um zu illustrieren, wie  die RACOON-Projekte in Deutschland, durch Bildgebung, strukturierte Befundung und KI gemeinsam die klinische Forschung verbessern.

RACOON – Bildgebung, Daten & Zusammenarbeit für bessere Entscheidungen

Die moderne Radiologie steht vor einer zentralen Frage: Wie lassen sich Bildgebung und klinische Daten so verbinden, dass Diagnosen präziser,…

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…

Bild eines Doktors, der sich eine Prostata in mint Lesion anschaut.

Strukturierte Befundung und KI in der Radiologie: Effizienz und Qualität in der Prostatadiagnostik

Wie verändern strukturierte Befundung und Künstliche Intelligenz den radiologischen Alltag? Prof. Dr. Thorsten Persigehl von der Uniklinik Köln…