mint Analytics: Datenvisualisierung und -analyse in klinischen Studien mit Imaging Endpoints

Wir sprachen mit PD Dr. Wolfgang G. Kunz, Leiter der Onkologischen Bildgebung und des Onkologischen Studienzentrums am Klinikum der Ludwig-Maximilians-Universität München, über seine Erfahrungen mit mint Analytics, einem umfangreichen Add-on der führenden radiologischen Plattform mint Lesion™.

Neben der Datenvisualisierung von mehreren Studien verwenden PD Dr. Kunz und sein Team mint Analytics zur Qualitätskontrolle der Messwerte der Studienzentren und zum Austausch des aktuellen Status der Studienergebnisse mit onkologischen PIs, wodurch sie eine Einschätzung des klinisch zu erwartenden Ansprechens erhalten. PD Dr. Kunz gibt auch einen Einblick in die Fähigkeit von mint Analytics, neue Wege für ein- und multizentrische Forschungsprojekte zu eröffnen und wie dies anderen Radiologen, Onkologen, Imaging-CROs sowie Sponsoren zugutekommen kann.

Ähnliche Inhalte

Ähnliche Inhalte

Portrait von Dr. Maurice Heimer, ist Arzt in Weiterbildung für Radiologie

Ein Blick auf das BORN-Projekt des BZKF: Interview mit Dr. Maurice Heimer von der Klinik und Poliklinik für Radiologie am LMU Klinikum

Das Bayernweite Onkologische Radiologie Netzwerk (BORN) befindet sich zwischenzeitlich in der zweiten Förderphase und schreitet mit schnellen…

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…