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.

Ein Arzt schaut sich einen CT Scan in mint Lesion™ an

Software-gestützte CT-Auswertung übertrifft manuelle Methoden in onkologischer Studie

Eine kürzlich am UKE Hamburg durchgeführte Studie vergleicht die manuelle und softwaregestützte Auswertung von CT-Untersuchungen nach iRECIST (immune Response Evaluation Criteria in Solid Tumors) bei onkologischen Patienten, die sich einer immunbasierten Behandlung unterziehen. Die Studie, bei der mint Lesion™ für die softwareunterstützte Auswertung verwendet wurde, ergab, dass die softwareunterstützte Auswertung im Vergleich zur manuellen Auswertung zu kürzeren Befundungszeiten, niedrigeren Fehlerraten und einer höheren Übereinstimmung zwischen den befundenden Ärzt:innen führte. Die Forscher:innen kamen daher zu dem Schluss, dass die Verwendung softwaregestützter Lösungen für eine optimale Auswertung des onkologischen Ansprechens gegenüber manuellen Ansätzen vorzuziehen ist.

Lesen Sie hier mehr zur Studie.

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…