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.

Zwei weibliche medizinische Forscherinnen schauen auf einen Computerscreen

RACOON-RESCUE treibt die Versorgung von pädiatrischem Non-Hodgkin-Lymphom voran

Pädiatrisches Non-Hodgkin-Lymphom (NHL) ist der vierthäufigste Tumor bei Kindern und Jugendlichen, doch den radiologischen Methoden in diesem Bereich fehlt es an Standardisierung; sie lassen Raum für deutliche Verbesserungen.

Das RACOON-RESCUE-Projekt schließt diese Lücke, indem es Forscher:innen aus der pädiatrischen Radiologie und Onkologie aus allen deutschen Universitätskliniken zusammenbringt, um Bilddaten systematisch zu analysieren. Ziel ist es, die Diagnostik, die Bewertung des Therapieansprechens und die Nachsorge bei pädiatrischem NHL zu verbessern.

Die Ergebnisse, die aus dem RACOON-RESCUE Projekt hervorgehen, sollen schlussendlich die Entwicklung optimierter und individualisierter Diagnose- und risikoadaptierter Therapiekonzepte ermöglichen.

Lesen Sie das vollständige Interview mit den Projektleitenden, Prof. Dr. Diane Renz und Prof. Dr. Wilhelm Wößmann, um mehr über diese Initiative zu erfahren.

RACOON Kinderkrebs Strukturierte Befundung Klinische Forschung KI Interview mintLesion

Ähnliche Inhalte

Ähnliche Inhalte

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…

Drei wichtigen Sequenzen (FLAIR, T2, T1 mit Kontrastmittel) in der Glioblastom-Bewertung

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…