Bedeutsame Erkenntnisse aus der radiologischen Forschung

Entdecken Sie eine Sammlung von Zusammenfassungen kürzlich durchgeführter Studien, die aktuelle Themen wie strukturierte Befundung, Texturanalyse, Radiomics oder neue Imaging Biomarker beleuchten. Erfahren Sie, welche Rolle mint Lesion™ in diesen Studien gespielt hat, und kontaktieren Sie uns, wenn Sie Fragen zu unserer Softwareplattform haben.

Hier finden Sie eine detaillierte Liste wissenschaftlicher Publikationen, in denen mint Lesion™ eine wesentliche Rolle gespielt hat:

Zu den Publikationen

Ein Diagramm welches zeigt, dass die Befundungszeiten mit mint Lesion™ bei beiden Follow-ups signifikant sinken

UKE Hamburg: Studie zeigt, dass softwaregestützte Auswertungen die Beurteilung nach iRECIST verbessern

Ziel dieser Studie [1] war es, die Praktikabilität und Zuverlässigkeit der manuellen und softwaregestützten Auswertung von CT-Untersuchungen nach iRECIST (immune Response Evaluation Criteria in Solid Tumors) bei onkologischen Patienten zu vergleichen, die sich einer immunbasierten Therapie unterziehen. Im Rahmen der Studie wurden CT-Scans von 30 Tumorpatient:innen bei Baseline (BL) und zwei Follow-ups (FU1 und FU2) ausgewertet, was zu 360 Tumorbeurteilungen führte. Nach der Befundung der Bilder wurden die Tumorlast und der Ansprechstatus manuell oder mit Hilfe einer Software berechnet.

Für die softwaregestützte Auswertung wurde mint Lesion™ verwendet. Target- und Non-Target-Läsionen wurden zunächst in der Software annotiert und mit den entsprechenden Tools bewertet. Die Software unterstützte die Einhaltung der iRECIST-Leitlinie, indem sie Anleitungen zur Bewertung bot und Abweichungen oder Fehler (wie die eindimensionale Messung von Lymphknoten oder eine zu hohe Anzahl von Läsionen) hervorhob.

Die Befundungszeit, die Fehlerquote und die Übereinstimmungsrate zwischen den Befundenden wurden zwischen den manuellen und den softwareunterstützten Ansätzen verglichen, mit folgenden Ergebnissen:

  • Befundungszeit: Die Studie ergab signifikant kürzere Befundungszeiten für softwareunterstützte Auswertungen im Vergleich zu manuellen Auswertungen bei beiden Follow-up-Untersuchungen. Die mediane Befundungszeit in FU1 betrug 2,5 Minuten für die softwaregestützte Bewertung und 4 Minuten für die manuelle Bewertung. In FU2 lag sie bei 2 Minuten bzw. 3,75 Minuten.
  • Fehlerquote: Die softwaregestützten Auswertungen wiesen geringere Fehlerraten auf: 0% Fehler bei den softwaregestützten Auswertungen im Vergleich zu 3,3% bei den manuellen Auswertungen in FU1 und 1,7% gegenüber 10% in FU2.
  • Übereinstimmung zwischen den Befundenden: Die Studie zeigte eine gute bis ausgezeichnete Übereinstimmung zwischen den Befunder:innen sowohl bei manuellen als auch bei softwaregestützten Auswertungen. Allerdings war die Übereinstimmung bei den softwaregestützten Auswertungen höher, insbesondere beim zweiten Follow-up. Der Intraclass-Korrelationskoeffizient (ICC) der manuellen Auswertungen betrug 0,91 in FU1 und 0,75 in FU2. Bei den softwaregestützten Auswertungen lag der ICC in FU1 bei 0,93 und in FU2 bei 0,86.

"Unsere Ergebnisse zeigen, dass softwaregestützte iRECIST-Auswertungen mit (I) weniger Zeitaufwand, (II) weniger fehlerhaften Auswertungen und (III) einer höheren Übereinstimmung zwischen den Befunder:innen im Vergleich zu manuellen Ansätzen durchgeführt werden können", so die Forscher.

Die Ergebnisse der Studie zeigen, dass die Verwendung softwaregestützter Lösungen für eine optimale Auswertung des onkologischen Ansprechens gegenüber manuellen Ansätzen vorzuziehen ist. Dies gilt insbesondere für iRECIST-Auswertungen, bei denen eine korrekte Auswertung ein solides Verständnis der grundlegenden Regeln und eine umfassende Betrachtung früherer Untersuchungen voraussetzt, die durch Softwareunterstützung deutlich vereinfacht werden.

Lesen Sie die Originalveröffentlichung hier.

[1] Ristow I, Well L, Wiese NJ, Warncke M, Tintelnot J, Karimzadeh A, Koehler D, Adam G, Bannas P, Sauer M. Tumor Response Evaluation Using iRECIST: Feasibility and Reliability of Manual Versus Software-Assisted Assessments. Cancers. 2024

Ähnliche Inhalte

Ähnliche Inhalte

Potenzial von longitudinalen Daten aus einzel- und multizentrischen klinischen Studien für die KI-Forschung

Prof. Dr. Hans-Christoph Becker von der Stanford University, ein langjähriger Nutzer von mint Lesion™, teilt in diesem Kurzinterview seine Erfahrungen…

[Translate to German:]

Exzellenzzentrum für Innovationen in der Krebsbehandlung

In einem multidisziplinären Entwicklungszentrum, das medizinische Forschung, Naturwissenschaften, Ingenieurswissenschaften, Informatik und…

Royal Marsden London: Studie zeigt Vorhersagekraft CT-basierter 2D- und 3D-Texturanalyse von Lebermetastasen

2 Minute(n)

In einer retrospektiven Studie untersuchte ein Team des Royal Marsden in London und Sutton Änderungen von CT-Texturanalyseparametern bei nicht…