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.

 Hände halten eine Glass-Lunge, sinnbildlich für Lungenkrebs

Vergleich von iRECIST und RECIST 1.1 zur Beurteilung der Immuntherapie bei Melanom und nicht-kleinzelligem Lungenkrebs

In einer retrospektiven Studie am Universitätsklinikum Köln wurden die radiologischen Kriterien iRECIST und RECIST 1.1 zur Beurteilung des Therapieansprechens bei Melanom- und NSCLC-Patient:innen verglichen, die Immun-Checkpoint-Inhibitoren erhielten.

Die Ergebnisse zeigen, dass iRECIST besser geeignet ist, um atypisches Therapieansprechen auf Immuntherapien zu erfassen, insbesondere bei Patient:innen mit Pseudoprogression. iRECIST könnte so zu einer genaueren Bewertung des Therapieansprechens und verbesserten Immuntherapie-Ergebnissen beitragen.

Lesen Sie hier mehr.

Ähnliche Inhalte

Ähnliche Inhalte

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…

Radiologe nutzt KI zur Auswertung medizinischer Bilder

Förderung des föderierten Lernens in der Radiologie in der Praxis

Federated Learning (FL) ermöglicht kollaboratives Modelltraining ohne Datenzentralisierung - ein entscheidender Aspekt für die radiologische…

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…