{ "id": 7380, "date": "2021-10-11T00:00:00", "date_gmt": "2021-10-10T22:00:00", "guid": { "rendered": "https:\/\/staging.mediaire.ai\/index.php\/2021\/10\/11\/ein-feuerwerk-neuer-daten-zum-neurorad-2021\/" }, "modified": "2022-11-03T20:55:09", "modified_gmt": "2022-11-03T19:55:09", "slug": "ein-feuerwerk-neuer-daten-zum-neurorad-2021", "status": "publish", "type": "post", "link": "https:\/\/mediaire.ai\/de\/ein-feuerwerk-neuer-daten-zum-neurorad-2021\/", "title": { "rendered": "Ein Feuerwerk neuer Daten zum neuroRAD 2021" }, "content": { "rendered": "

Mehrere beim neuroRAD 2021 vorgestellte neue Studien unterstreichen den klinischen Mehrwert von mdbrain<\/strong>. Diese wollen wir hier kurz vorstellen:<\/p>\n

1.) Anna-Lena Mayer et al. (Universit\u00e4tsklinikum Erlangen, Neuroradiologie): KI-basierte Volumetriealgorithmen zur Unterst\u00fctzung bei der bildgebenden Epilepsiediagnostik<\/em><\/p>\n

Basierend auf Untersuchungen von 24 Patienten mit histologisch gesicherter epileptogener Hippokampus-Sklerose wurde die Pr\u00e4zision der mdbrain<\/strong>-Hirnvolumetrie untersucht. Die Atrophie wurde mit einer Spezifit\u00e4t von 100% und einer Sensitivit\u00e4t von 96% korrekt erkannt, w\u00e4hrend die zum Vergleich genutzte BrainMorphometry-L\u00f6sung aus der Siemens Syngovia-Suite nur eine Sensitivit\u00e4t von 36% aufwies.<\/p>\n

\"\"<\/p>\n

 <\/p>\n

2.) Stefan Hock et al. (Universit\u00e4tsklinikum Erlangen, Neuroradiologie): Latest Artificial Intelligence Provides Fast, Accurate and Consistent Detection of Multiple Sclerosis Lesions<\/em><\/p>\n

Basierend auf geblindeten Untersuchungen von 101 Patienten mit klinisch gesicherter Diagnose einer Multiplen Sklerose (MS) nach McDonald-Kriterien wurde untersucht, inwieweit die mdbrain<\/strong>-L\u00e4sionscharakterisierung entz\u00fcndliche L\u00e4sionen korrekt erkennt und regional klassifiziert. Als Goldstandard wurde das Expertenurteil dreier Neuroradiologen herangezogen. Gleichzeitig wurde untersucht, ob der methodische Schritt hin zu vollst\u00e4ndig DeepLearning-basierten Algorithmen von Vorteil war. Im Ergebnis zeigten sich deutliche Verbesserungen insbesondere der Sensitivit\u00e4t in allen Regionen, wobei noch Verbesserungspotential im Bereich infratentorieller L\u00e4sionen besteht.<\/p>\n

\"\"<\/p>\n

3.) Merita Aruci et al. (Universit\u00e4tsklinikum Magdeburg, Neurologie): Challenging Cases for WMH Segmentation Comparatively Processed by Seven Automated Methods<\/em><\/p>\n

Basierend auf geblindeter Untersuchung von 10 Patienten mit Cerebral small vessel disease (CSVD<\/em>)\u00a0 wurden 6 verschiedene automatische Verfahren zur Segmentierung hinsichtlich deren Genauigkeit untersucht – Freesurfer, PGS, SLS, LST, BIANCA und mdbrain<\/strong>. Als Grundwahrheit diente die manuelle Segmentierung durch erfahrende Neuroradiologen. mdbrain<\/strong> belegte bei allen Metriken vordere Pl\u00e4tze. <\/strong>Die Studie zeigt, dass die Anwendungsm\u00f6glichkeit des L\u00e4sionsalgorithmus von mdbrain<\/strong> nicht auf MS-L\u00e4sionen beschr\u00e4nkt ist.<\/p>\n

 <\/p>\n

\"\"<\/p>\n

 <\/p>\n

4.) Jan Rudolph et al. (LMU Klinikum, Radiologie): Artificial intelligence substantially improves differential diagnosis of dementia \u2013 Added diagnostic value of rapid brain volumetry<\/em><\/p>\n

Basierend auf geblindeten Untersuchungen von 35 Patienten mit klinisch gesicherter Diagnose einer Demenz (FrontoTemporale Demenz bzw. Demenz vom Alzheimer-Typ), sowie 20 gesunden Kontrollen wurde untersucht, inwieweit die\u00a0 mdbrain<\/strong>-Hirnvolumetrie die klinische Diagnosesicherheit positiv beinflusst. Gleichzeitig wurde die Abh\u00e4ngigkeit vom radiologischen Ausbildungsstand ermittelt. Im Ergebnis profitierten alle Gruppen vom zus\u00e4tzlichen Augenpaar der KI-L\u00f6sung, wobei der Effekt umso st\u00e4rker ausfiel, je geringer der Ausbildungsstand war.<\/p>\n

\"\"<\/p>\n

Die Mitschnitte der Vortr\u00e4ge sind auf der Kongresseite abrufbar: https:\/\/dgnr.conference2web.com\/<\/a><\/p>", "protected": false }, "excerpt": { "rendered": "

Zum diesj\u00e4hrigen neuroRAD wurden mehrere neue Studien zu mdbrain<\/strong> vorgestellt – u.a. Volumetrie H2H gegen Siemens Syngovia, Einflu\u00df der KI auf diagnostische Sicherheit und externe Validierung der L\u00e4sionscharakterisierung<\/p>", "protected": false }, "author": 1, "featured_media": 7381, "comment_status": "closed", "ping_status": "closed", "sticky": false, "template": "", "format": "standard", "meta": { "_acf_changed": false, "footnotes": "" }, "categories": [ 15 ], "tags": [ 39, 37, 38 ], "class_list": [ "post-7380", "post", "type-post", "status-publish", "format-standard", "has-post-thumbnail", "hentry", "category-news-press", "tag-allgemein", "tag-presse", "tag-termine" ], "acf": [], "_links": { "self": [ { "href": "https:\/\/mediaire.ai\/de\/wp-json\/wp\/v2\/posts\/7380", "targetHints": { "allow": [ "GET" ] } } ], "collection": [ { "href": "https:\/\/mediaire.ai\/de\/wp-json\/wp\/v2\/posts" } ], "about": [ { "href": "https:\/\/mediaire.ai\/de\/wp-json\/wp\/v2\/types\/post" } ], "author": [ { "embeddable": true, "href": "https:\/\/mediaire.ai\/de\/wp-json\/wp\/v2\/users\/1" } ], "replies": [ { "embeddable": true, "href": "https:\/\/mediaire.ai\/de\/wp-json\/wp\/v2\/comments?post=7380" } ], "version-history": [ { "count": 0, "href": "https:\/\/mediaire.ai\/de\/wp-json\/wp\/v2\/posts\/7380\/revisions" } ], "wp:featuredmedia": [ { "embeddable": true, "href": "https:\/\/mediaire.ai\/de\/wp-json\/wp\/v2\/media\/7381" } ], "wp:attachment": [ { "href": "https:\/\/mediaire.ai\/de\/wp-json\/wp\/v2\/media?parent=7380" } ], "wp:term": [ { "taxonomy": "category", "embeddable": true, "href": "https:\/\/mediaire.ai\/de\/wp-json\/wp\/v2\/categories?post=7380" }, { "taxonomy": "post_tag", "embeddable": true, "href": "https:\/\/mediaire.ai\/de\/wp-json\/wp\/v2\/tags?post=7380" } ], "curies": [ { "name": "wp", "href": "https:\/\/api.w.org\/{rel}", "templated": true } ] } }