
Das ist onkowissen.AUDIO
ONKOWISSEN.AUDIO – DER PODCAST VON ONKOWISSEN.DE

Neueste Folge zur Lunge
Perioperative Therapien beim NSCLC
Prof. Dr. Martin Reck, Veröffentlicht am 27.04.2022
Es gibt zahlreiche neoadjuvante und adjuvante Optionen in der Therapie des nicht-kleinzelligen Lungenkarzinoms. Welche neoadjuvanten und adjuvanten Optionen gibt es?
Welche Stadien kommen für diese Therapien in Frage? Welche Vorteile bringen diese und welche Probleme treten auf?
Zusammen mit Prof. Dr. Martin Reck, Chefarzt der Lungenclinic in Großhansdorf, erörterte onkowissen.audio Moderator Friedrich Overkamp Ende 2021 die perioperativen Therapien
des NSCLC, blickte auf aktuelle Studien und in die Zukunft der (neo-)adjuvanten Therapie des Lungenkarzinoms.
Weiterführende Informationen zum Thema der Episode:
Aktuelle Informationen, Leitlinien und Expertenempfehlungen zu Früherkennung, Diagnose und Therapie des Nicht-kleinzelligen Lungenkarzinoms finden Sie in der onkowissen.de NSCLC App. Kostenloser Download für Android und iOS oder im Browser als WebApp
Team Diskussionen und Zusammenfassungen der neuesten Studienergebnisse vom ESMO21 und WCLC21 mit Prof. Stefan Rieken und weiteren onkowissenTV Experten finden Sie unter onkowissen.tv, z.B. hier zur lung Art Studie.
- Studiendaten auf Clinicaltrials.gov
- Ausgewählte Publikation der Studiendaten:
- Studiendaten auf Clinicaltrials.gov
- Ausgewählte Publikationen der Studiendaten:
- Forde PM. Et al. Nivolumab (NIVO) + platinum-doublet chemotherapy (chemo) vs chemo as neoadjuvant treatment (tx) for resectable (IB-IIIA) non-small cell lung cancer (NSCLC) in the phase 3 CheckMate 816 trial. AACR 2021, virtuell, Abstract CT003.
- Spicer J. et al. Surgical outcomes from the phase 3 CheckMate 816 trial: Nivolumab (NIVO) + platinum-doublet chemotherapy (chemo) vs chemo alone as neoadjuvant treatment for patients with resectable non-small cell lung cancer (NSCLC). Journal of Clinical Oncology 2021 39:15_suppl, 8503-8503.
- Forde PM, et al. Neoadjuvant Nivolumab plus Chemotherapy in Resectable Lung Cancer. N Engl J Med. 2022 Apr 11. doi: 10.1056/NEJMoa2202170. Epub ahead of print. PMID: 35403841./a>
- Studiendaten auf Clinicaltrials.gov
- Ausgewählte Publikationen der Studiendaten:
- Studiendaten auf Clinicaltrials.gov
- Ausgewählte Publikationen der Studiendaten:
- Studiendaten auf Clinicaltrials.gov
- Ausgewählte Publikationen der Studiendaten:
- Studiendaten auf Clinicaltrials.gov
- Ausgewählte Publikationen der Studiendaten:
- Wu YL, et al. A plain language summary of results from the ADAURA study: osimertinib after surgery for patients who have early-stage EGFR-mutated non-small cell lung cancer. Future Oncol. 2021 Nov 1. doi: 10.2217/fon-2021-0752. Epub ahead of print. PMID: 34723634.
- Wu YL, et al. Osimertinib in Resected EGFR-Mutated Non-Small-Cell Lung Cancer. N Engl J Med. 2020 Oct 29;383(18):1711-1723. doi: 10.1056/NEJMoa2027071. Epub 2020 Sep 19. PMID: 32955177.
- Studiendaten auf Clinicaltrials.gov
- Publikation des Studienprotokolls:
Studiendatenbank der Arbeitsgemeinschaft internistische Onkologie
Studienplattform des nationales Netzwerks genomische Medizin Lungenkrebs
Die onkowissen.audio Folgen zur Liquid Biopsy mit Prof. Arnold finden Sie in der onkowissen.audio Staffel zu GI Tumoren.

Neueste Folge zu GI-Tumoren
Künstliche Intelligenz in der GI-Onkologie
Prof. Dr. Dirk Arnold, Veröffentlicht am 21.02.2022
Selbstfahrende Autos, Autopiloten in Flugzeugen – Künstliche Intelligenz spielt schon in viele Bereichen unseres Lebens eine immer bedeutendere Rolle. Auch in die Medizin spielt die künstliche Intelligenz eine wichtige Rolle – sei es bei der Diagnostik von Melanomen oder auch von GI Tumoren. Prof. Dr. Dirk Arnold, Direktor der Asklepios Klinik in Hamburg, ist zu Gast im virtuellen onkowissen.audio Studio und diskutiert mit Moderator Dr. Friedrich Overkamp wo KI in der Diagnostik und Therapie von gastrointestinalen Tumoren eingesetzt wird, welche Entwicklungen uns in Zukunft bevorstehen und welche Konsequenzen sich für Vorsorge, Diagnostik und Therapieplanung daraus ergeben.
Weiterführende Informationen zum Thema der Episode:
- Esteva A, et al. Dermatologist-level classification of skin cancer with deep neural networks. Nature. 2017 Feb 2;542(7639):115-118. doi: 10.1038/nature21056. Epub 2017 Jan 25. Erratum in: Nature. 2017 Jun 28;546(7660):686. PMID: 28117445; PMCID: PMC8382232.
- Haenssle HA, et al. Man against machine reloaded: performance of a market-approved convolutional neural network in classifying a broad spectrum of skin lesions in comparison with 96 dermatologists working under less artificial conditions. Ann Oncol. 2020 Jan;31(1):137-143. doi: 10.1016/j.annonc.2019.10.013. PMID: 31912788.
- Großerüschkamp, F. et al. 385O Automated detection of microsatellite status in early colon cancer (CC) using artificial intelligence (AI) integrated infrared (IR) imaging on unstained samples from the AIO ColoPredictPlus 2.0 (CPP) registry study. Annals of Oncology, Volume 32, S531 - S532.
- Kather JN, et al. Deep learning can predict microsatellite instability directly from histology in gastrointestinal cancer. Nat Med. 2019 Jul;25(7):1054-1056. doi: 10.1038/s41591-019-0462-y. Epub 2019 Jun 3. PMID: 31160815; PMCID: PMC7423299.
- Urban G, et al. Deep Learning Localizes and Identifies Polyps in Real Time With 96% Accuracy in Screening Colonoscopy. Gastroenterology. 2018 Oct;155(4):1069-1078.e8. doi: 10.1053/j.gastro.2018.06.037. Epub 2018 Jun 18. PMID: 29928897; PMCID: PMC6174102.
- Langlotz CP, et al. A Roadmap for Foundational Research on Artificial Intelligence in Medical Imaging: From the 2018 NIH/RSNA/ACR/The Academy Workshop. Radiology. 2019 Jun;291(3):781-791. doi: 10.1148/radiol.2019190613. Epub 2019 Apr 16. PMID: 30990384; PMCID: PMC6542624.
- Allen B Jr, et al. A Road Map for Translational Research on Artificial Intelligence in Medical Imaging: From the 2018 National Institutes of Health/RSNA/ACR/The Academy Workshop. J Am Coll Radiol. 2019 Sep;16(9 Pt A):1179-1189. doi: 10.1016/j.jacr.2019.04.014. Epub 2019 May 28. PMID: 31151893.
- McKinney SM, Sieniek M, Godbole V, et al. International evaluation of an AI system for breast cancer screening. Nature. 2020 Jan;577(7788):89-94. DOI: 10.1038/s41586-019-1799-6. PMID: 31894144.
- Ha R, et al. Convolutional Neural Network Using a Breast MRI Tumor Dataset Can Predict Oncotype Dx Recurrence Score. J Magn Reson Imaging. 2019 Feb;49(2):518-524. doi: 10.1002/jmri.26244. Epub 2018 Aug 21. PMID: 30129697; PMCID: PMC8139130.
Semalytix Software: https://www.semalytix.com

Neueste Folge zum Multiplen Myelom
Diagnostik beim multiplen Myelom
PD Dr. med. Maximilian Merz, Veröffentlicht am 07.02.2022
Die klassische Diagnose des multiplen Myeloms besteht aus drei Säulen: Nachweis des monoklonalen Proteins, Nachweis der malignen Plasmazellen und Nachweis der krankheitsdefinierenden
Osteolyse durch Bildgebung. Welche Methoden sind dafür der Goldstandard? Welche Diagnostik ist überflüssig? Welche Alternativen gibt es?
Priv-Doz. Dr. Max Merz ist wieder zu Gast bei onkowissen.audio und erläutert die Diagnostik des multiplen Myeloms. Der Experte gibt einen Überblick über die aktuellen nationalen und
internationalen Standards und diskutiert mit Moderator Dr. Friedrich Overkamp welchen Vorteil der Einsatz von künstlicher Intelligenz (KI) für die Diagnostik und Therapie des
multiplen Myeloms in Zukunft haben wird.
Weiterführende Informationen zum Thema der Episode:
Projekt zur Wissens- und KI-basierten Entscheidungsunterstützung für die Hämatologie der Uni Leipzig – die KAIT Plattform finden Sie hier: https://kait.health/
- https://www.bindingsite.com/en/our-products/freelite-and-hevylite/hevylite/what-is-hevylite/hevylite
- Katzmann JA, Willrich MA, Kohlhagen MC, Kyle RA, Murray DL, Snyder MR, Rajkumar SV, Dispenzieri A. Monitoring IgA multiple myeloma: immunoglobulin heavy/light chain assays. Clin Chem. 2015 Feb;61(2):360-7. doi: 10.1373/clinchem.2014.231985. Epub 2014 Dec 1. PMID: 25451866.
Home