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.

Teilnehmer eines BZKF Events bei einem Vortrag, unter anderem bayerischer Staatsminister für Wissenschaft und Kunst, Markus Blume
- 1 Minute(n)

Start des Projekts Bayernweites-Onkologische-Radiologie-Netzwerk (BORN)

Die Verbesserung der Diagnose und Behandlung von Krebspatienten durch die Nutzung des Potenzials der Digitalisierung und Standardisierung ist das oberste Ziel des Bayernweites-Onkologisches-Radiologie-Netzwerk (BORN).

Das BORN-Projekt ist eine Initiative des Bayerischen Zentrums für Krebsforschung (BZKF) in Zusammenarbeit mit den radiologischen Instituten aller sechs bayerischen Universitätskliniken. Am 1. August 2022 fiel der Startschuss für BORN durch den Bayerischen Staatsminister für Wissenschaft und Kunst, Markus Blume, und den Bayerischen Staatsminister für Gesundheit und Pflege, Klaus Holetschek.

Mint Medical und Brainlab werden in enger Zusammenarbeit mit den Universitätskliniken und dem BZKF eine standardisierte und strukturierte Befundung in der onkologischen Bildgebung etablieren sowie eine sichere IT-Infrastruktur für die Erfassung und den Austausch der Daten aufbauen.

Zunächst werden Befundungsprofile für sechs verschiedene Entitäten entwickelt, die es ermöglichen, die Befundung von Krebsfällen in allen bayerischen Universitätskliniken zu standardisieren. Nach der klinischen Evaluierung an den Universitätskliniken kann die standardisierte Erfassung und Auswertung von Bildgebungsdaten auf andere Krankenhäuser und Praxen ausgeweitet werden, was allen Patienten in Bayern zugutekommt. Darüber hinaus entsteht so ein bisher einmaliger Datenpool für prospektive und retrospektive Studien über ein Einzugsgebiet von 13 Millionen Einwohnern. „Als erstes Projekt dieser Größenordnung wird das BORN-Projekt eine weltweit einmalige Datengrundlage zur Entwicklung bildbasierter Biomarker und maschineller Lernverfahren der Künstlichen Intelligenz (KI) schaffen“, so Prof. Dr. Thomas Kröncke, einer der Sprecher des BORN-Projekts.

Klaus Holetschek betonte die Bedeutung der Erfassung strukturierter, ganzheitlicher Gesundheitsdaten unter Wahrung des Datenschutzes: „Wir müssen insgesamt Gesundheitsdaten besser nutzbar machen – für die bessere Behandlung von Patienten, aber auch für Forschung, Entwicklung und Politik. Datenschutz und Datennutzung müssen deshalb gemeinsam gedacht werden.“ Im BORN-Projekt wird die Datenerhebung dezentral in den einzelnen Kliniken durchgeführt, um die Vertraulichkeit der Daten, den Datenschutz und das Datenmanagement zu gewährleisten. Per Design verbleibt die Datenhoheit bei den jeweiligen Zentren, welche die von ihnen zur Verfügung gestellten Daten differenziert freigeben können - von der breiten Nutzung für die medizinische Forschung bis hin zu spezifischen Verbundforschungsprojekten.

Lesen Sie mehr in der Pressemitteilung des BZKF: https://bzkf.de/wissenschaftsminister-blume-und-gesundheitsminister-holetschek-verkuenden-den-start-des-born-projekts-am-bzkf/

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

Ähnliche Inhalte

Ähnliche Inhalte

Medizinische Fachkräfte schauen auf ein technisches Gerät und diskutieren diagnostische Leitlinien

2.237 Patienten, 11 Krankenhäuser, vier HCC-Kriterien: Eine Vergleichsstudie

Eine aktuelle Studie, die in 11 südkoreanischen Krankenhäusern durchgeführt wurde, verglich die diagnostische Leistung von vier Leitlinien zur…

mint Lesion Screenshot mit HCC Diagnose laut APASL, AASLD, LI-RADS, LCA-NCC und EASL Leitlinien.

Multizentrische Studie: Vergleich diagnostischer Leitlinien für hepatozelluläres Karzinom

Neueste Fortschritte in MRT-Techniken und der Tumorbiologie haben zu aktualisierten Diagnoseleitlinien verschiedener Leberforschungsverbände für das…

Schematische Darstellung der Federated-Learning Studie und ihrer Dateninfastruktur

RACOON: Ein Leitfaden zur Überbrückung der Kluft zwischen simulierter und realer Forschung im Bereich des föderalen Lernens

Deep Learning (DL) ist ein wichtiger Bestandteil der radiologischen Bildanalyse geworden. Um diese Deep-Learning-Modelle zu trainieren, ist der Zugang…