Was ist Computational Pathology?
Computational Pathology stützt sich auf die Leistung von Deep Learning, Bildanalyse und Integration von Big Data zur Verbesserung der Diagnosegenauigkeit und verwandelt die nächste Generation in der Pathologie.
Philips übernimmt die Vorreiterrolle in der Forschung der Computational Pathology mit innovativen Technologien zur Bildanalyse, die vollständig in die digitale Pathologielösung des Unternehmens zum Scannen, Speichern und Anzeigen integriert sind.
Bedarf an Computational Pathology 1
Wir bewegen uns schnell in ein neues Zeitalter und eine neue Generation der Pathologie, die durch die Einführung der digitalen Pathologie Realität wird. In der Krebsbehandlung eröffnen sich durch Präzisionsmedizin und immer mehr personalisierte Therapien neue Perspektiven.
Pathologen stehen im Mittelpunkt dieses Traums einer personalisierten Medizin. Am Arbeitsplatz des Pathologen werden erste klinische Entscheidungen für Patienten getroffen, und das wird auch in Zukunft so bleiben.
Zunehmende Arbeitsbelastung 2
70 %
mehr neue Krebsfälle in den nächsten zwanzig Jahren erwartet
20 %
der Pathologen machen jede Woche Überstunden oder müssen Aufgaben extern vergeben
Mangel an Pathologen 3
60 %
der in der Pathologie tätigen Ärzte sind 55 Jahre oder älter
10 %
Rückgang der in der Pathologie tätigen Ärzte zwischen 2008 und 2013
Expertenmeinungen
Eine Transformation in Computational Pathology ⁴
Die Weiterentwicklung von Deep Learning und die immer bessere Genauigkeit der Bildmustererkennung haben in den vergangenen Jahren ganz erstaunliche Fortschritte gemacht. Alles von der Biometrie und Sicherheit, Stimmerkennung und intelligenter Werbung bis hin zu fahrerlosen Autos wird durch Deep-Learning-Technologien möglich.
Als Nächstes kommt die Pathologie. Wir glauben, dass die Kombination aus digitaler Pathologie und Machine Learning Pathologen neue Werkzeuge an die Hand geben und helfen kann, Verbesserungen im Arbeitsablauf und in der Diagnosegenauigkeit sowohl bei der Entdeckung als auch bei der Diagnose voranzutreiben.
Die jüngste Konvergenz von Technologien sowie die Innovationen von Philips im Bereich der Computational Pathology helfen uns, die Pathologie gemeinsam zu verwandeln.
Klinische Algorithmen5
Wir haben eine umfassende Roadmap für die Bereitstellung von Algorithmen für IVDs mit CE-Kennzeichnung zur Unterstützung der klinischen Entscheidungsfindung in mehreren Gewebearten. Zunächst stellen wir digitale Bildanalyseanwendungen für die Beurteilung von ER-, PR-, HER2- und Ki-67-Tests durch Pathologen zur Verfügung.
Weitere Produkte
Philips IntelliSite Pathologielösungen
Die Philips Digital & Computational Pathology Lösung für die Primärdiagnose mit bewährter Technologie. Eine bereichernde Erfahrung in Ihrer täglichen Arbeit.
Ressourcen
Verwandte Artikel
Veröffentlichung: Computational pathology of pre-treatment biopsies identifies lymphocyte density as a predictor of response to neoadjuvant chemotherapy in breast cancer Veröffentlichung: Deep learning algorithm diagnoses skin cancer as well as seasoned dermatologists Veröffentlichung: Artificial Intelligence Achieves Near-Human Performance in Diagnosing Breast Cancer
