Gesteigerte Flexibilität und Kommunikation bei gleichzeitiger Kosten- und Zeitersparnis in klinischen Studien

Emily Ferris und Alex Arbuckle beschreiben, wie der Einsatz von mint Lesion™ die Abläufe ihrer klinischen Studien verbessert hat und "eine engere Kooperation zwischen [ihren] Radiologen und Onkologen" bei gleichzeitiger Zeitersparnis und Kostensenkung ermöglicht.
 
Frau Ferris und Herr Arbuckle, die täglich mit einer Vielzahl an Befunderhebungen für klinische Studien konfrontiert werden, erklären wie sie von einem effizienteren Arbeitsablauf profitieren, indem sie die dedizierte Softwareplattform mint Lesion™ verwenden. Diese bietet ihnen eine vollständige und konforme Bewertung des Therapieansprechens und unterstützt sie dabei, den Überblick über die vielzähligen Studienprotokolle zu behalten.
 
Frau Ferris agiert als Lead Image Analyst und Herr Arbuckle als Clinical Research Imaging Core Manager im University of Wisconsin Carbone Cancer Center.

Klicken Sie hier oder auf das Bild oben, um das gesamte Video auf YouTube anzusehen.

Strukturierte Befundung Klinische Studien Standardisierte Befundungen Therapiebeurteilung Studienzentrum Video

Ähnliche Inhalte

Ähnliche Inhalte

Bild zeigt als grafischen Abstrakt Bilder aus der Studie, von MRT Aufnahmen bis zur Auswertung der Delta-Radiomics-Texturmerkmale

Universitätsklinikum Heidelberg: Delta-Radiomics-Features von ADC-Karten als frühe Vorhersagevariable des Behandlungserfolgs bei Lungenkrebs

In dieser prospektiven Studie des Universitätsklinikums Heidelberg wurde untersucht, ob Änderungen von radiomischen Merkmalen in diffusionsgewichteten…

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…