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 im Umgang mit der Software. Er spricht über die Reaktion, die er erhielt, als er den mint-Befundbericht zum ersten Mal vorgestellt hat, darüber, wie Patienten von dem longitudinalen Überblick über ihre Krankheit profitieren und über seine Pläne, die strukturierten Daten für die KI-Forschung zu nutzen.

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

Strukturierte Befundung Klinische Studien Klinische Forschung Standardisierte Befundungen Multizentrische klinische Studien KI Video

Ähnliche Inhalte

Ähnliche Inhalte

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…

Ärzte vor einem Computer; Bild in der medizinischen Bildgebungssoftware mint Lesion

BZKF BORN Roll-Out Schulungen Gehen Weiter

Unser Experte Steffen Rupp besuchte kürzlich die Technische Universität München, um die vor Ort stattfindenden BZKF BORN Roll-Out Trainings…