Objektive, reproduzierbare und zuverlässige Daten in klinischen Studien mit Imaging Endpoints

Dr. Anthony Tolcher, Onkologe und Geschäftsführer von NEXT Oncology, sprach mit uns über Objektivität als eine der größten Herausforderungen bei klinischen Studien und wie eine Softwarelösung für Tumorbeurteilung die Qualität und Reproduzierbarkeit von Daten verbessern kann, während gleichzeitig Zeit eingespart wird.

Darüber hinaus sind solche Softwarelösungen ein Schlüsselaspekt für die Zulassung neuartiger Medikamente auf der Grundlage kleiner Stichprobengrößen - wie z.B. der zielgerichteten oder gewebe-agnostischen Medizin, als bedeutender Fortschritt für Präzisionstherapien. Dr. Tolcher beschreibt zudem, wie mint Lesion™ dabei hilft, zuverlässige Daten zu generieren, "so dass [man] sicherstellen kann, dass die Medikamente, die zugelassen werden, auch wirklich wirken".

Strukturierte Befundung Klinische Studien Standardisierte Befundungen Therapiebeurteilung Video

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…