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.

[Translate to German:]

Mint-Daten für Personalisierte Medizin am Universitätsklinikum Tübingen

Strukturierte Routinedaten aus den verschiedenen medizinischen Disziplinen zusammenzufügen - beispielsweise aus der Molekulargenetik, der Labormedizin, der Pathologie oder der Radiologie -, um daraus Erkenntnisse für die Behandlungen bei spezifischen Krankheitsbildern abzuleiten, stellt den „heiligen Gral“ der Personalisierten Medizin dar.

Das Comprehensive Cancer Center (CCC) und das Zentrum für Personalisierte Medizin (ZPM) am Universitätsklinikum in Tübingen haben das Projekt „Strukturierte Daten in der Onkologie“ initiiert, das sich dieser konkreten Zielsetzung widmet. So ist auch das Team der Radiologie um Chefarzt Prof. Konstantin Nikolaou angehalten, strukturierte Daten aus der klinischen Routine in den gemeinsamen Daten-Pool zu liefern.

Die derzeit gängige Befundung in der Radiologie über das Prosa-Diktat kann diesen Anforderungen nicht gerecht werden, da die Befundinformationen nicht strukturiert vorliegen und somit nicht maschinenlesbar weitergegeben werden können.

In Zusammenarbeit mit Mint Medical wurden für ausgewählte Befundfragestellungen Befundprofile in mint Lesion entwickelt, die zum einen die geforderten Inhalte repräsentieren, aber zum anderen auch in Hinblick auf die Usability und die Schnelligkeit der Umsetzung bei der Befundung optimiert sind. Die relevanten strukturierten Informationen werden mit der Befundfreigabe automatisch an den Daten-Pool weitergeleitet. Die Anzahl der Befundfragestellungen, die über mint Lesion abgebildet werden, wird in den kommenden Monaten weiter steigen.

Ähnliche Inhalte

Ähnliche Inhalte

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…

Portrait von Dr. Maurice Heimer, ist Arzt in Weiterbildung für Radiologie

Einblicke in das BORN-Projekt: Entwicklung und Erfolge mit Dr. Maurice Heimer

Das BORN-Projekt des Bayerischen Zentrums für Krebsforschung (BZKF) schreitet in seiner zweiten Förderphase zügig voran. Ein zentraler Aspekt ist die…

Portrait von Dr. Maurice Heimer, ist Arzt in Weiterbildung für Radiologie

Ein Blick auf das BORN-Projekt des BZKF: Interview mit Dr. Maurice Heimer von der Klinik und Poliklinik für Radiologie am LMU Klinikum

Das Bayernweite Onkologische Radiologie Netzwerk (BORN) befindet sich zwischenzeitlich in der zweiten Förderphase und schreitet mit schnellen…