Investor RelationsPresseCOVID-19
  1. Home
  2. Medical Imaging
  3. Imaging for Radiation Therapy
  4. Computertomographie für die Strahlentherapie
  5. SOMATOM go.Sim
SOMATOM go.Sim

SOMATOM go.SimDie Simulation neu definieren

SOMATOM go.Sim ist ein hochflexibler, intuitiver CT-Simulator. Mit der vollständig integrierten Hard- und Software, die speziell auf Ihre Anforderungen zugeschnitten ist, erhöht er die Sicherheit und verringert die Wahrscheinlichkeit von Fehlern. Darüber hinaus verfügt er über fortschrittliche Algorithmen, KI-gestützte OAR-Autokonturierung (Organ-at-Risk) und einen ausgezeichneten Weichteilkontrast, der die Zielränder potenziell verringert. Darüber hinaus ist er so konzipiert, dass er sowohl für die Patienten als auch für die Anwender einen Nutzen bietet — mit einer beruhigenden Umgebung, einem einfachen Bedienkonzept und einem Servicevertrag mit einem einzigen Anbieter.

SOMATOM go.Sim kann die Produktivität der Mitarbeiter erhöhen und den klinischen Betrieb optimieren. Durch ihn erhalten Sie schneller ein vollständiges Bild, sodass Sie weniger Zeit mit der Verwaltung der CT-Simulation verbringen und sich mehr auf die Patienten konzentrieren können.

Eigenschaften & Vorteile

SOMATOM go.SimPersonalize images for target contouringMinimize sources of errors in QAReduce complexity and errors in laser steeringSimplify the current practice for particle therapyImage optimization specially for consistent organs-at-risk contours
    Somatom go.Sim

    Klinische Anwendung

    CT-Simulation auf einem neuen Level mit SOMATOM go.Sim – einem sehr anpassungsfähigen, intuitiven CT-Simulator, den wir gemeinsam mit über 300 RT-Experten – Radioonkologen, Medizinphysikern, Dosimetrikern, RTTs und Finanzentscheidern – erstellt haben, um umfassende Einblicke in Ihren Bereich zu bekommen. Das Ergebnis ist ein bahnbrechender Ansatz zur CT-Simulation. Sie erhalten alles, was Sie benötigen, um einen idealen Ausgangspunkt für die RT-Planung zu haben. Und es wird Sie dabei unterstützen, die erfolgreichsten Ergebnisse zu erzielen.

    Verlassen Sie sich auf die Simulation

    The challenges in CT Simulation.

    60 % aller RT-Störvorfälle werden durch manuelle Bearbeitung und Datenaustausch verursacht4

    • Für eine erfolgreiche CT-Simulation benötigt man effiziente und fehlerbeständige Arbeitsabläufe
    • Im aktuellen Prozess müssen Benutzer sich einer Vielzahl an Software- und Hardware-Lösungen bedienen

     

    Streamlined workflows reduce sources of errors

    Die mangelnde Integration führt zu Fehlern und Unsicherheiten bei der CT-Simulation

    Our solution: Go for a trendsetting mobile workflow

    Integration ist wichtig, um fehleranfällige Arbeitsabläufe in der CT-Simulation zu vermeiden

    SOMATOM go.Sim wird mit voll integrierter Hardware und Software bereitgestellt, präzise an Ihre Bedürfnisse angepasst. Es bietet eine beispiellose funktionsfähige Flexibilität und eine intuitive Benutzerführung.

    Workflowwith fully integrated hardware and software tailored specifically to your requirements

    Dieser Arbeitsablauf bietet Ihnen eine planungssichere Simulation: Einfach, schnell und in der Lage, die reproduzierbaren und benutzerunabhängigen Ergebnisse zu liefern, die Sie benötigen.

    Gehen Sie auf Nummer sicher mit einer neuen Lösung für die Patienten-Kennzeichnung dank des mobilen Arbeitsablaufs
    Gehen Sie auf Nummer sicher mit einer neuen Lösung für die Patienten-Kennzeichnung dank des mobilen Arbeitsablaufs

    Ihre Vorteile

    • Nahtlose und weniger fehleranfällige Prozesse, aufgrund des neuen, mobilen Arbeitsablaufes
    • Vereinfachte Laser-QS dank des voll-integrierten DBI-Lasers
    • Intuitive und geführte CT-Simulation dank GO Technologies
    «Die System-Schnittstelle ist sehr intuitiv und einfach zu bedienen. Das mobile Tablet sorgt dafür, dass mehr Zeit für den Patienten übrig bleibt und unterstützt uns dabei, direkt zu Beginn die bestmögliche Behandlung anbieten zu können.»9
    Juliane Krestine Fuglsang
    Radiologin, Universitätsklinikum Aarhus, Dänemark

    Präzision bei der Konturierung vorantreiben

    Mit freundlicher Genehmigung des Klinikums Del Mar in Spanien.
    Courtesy of Hospital Del Mar, Spain.

    Ein schlecht gewählter Rahmen erschwert eine souveräne Behandlungsplanung

    • Für moderne Behandlungsmethoden ist eine detaillierte Planung notwendig
    • Die CT-Simulation muss stets eine qualitativ hochwertige Modellierung des Tumors und der umliegenden Organe eines Patienten liefern
    • Die für die Konturierung bereitgestellten Daten sind jedoch oftmals nicht präzise genug

     

    Contouring is the main cause of variability

    Die Konturierung ist eine Hauptquelle für Variabilität in der RT-Planung6

    Präzision bei der OAR-Konturierung vorantreiben

    Suboptimal image quality leads to suboptimal autocontouring
    Mit freundlicher Genehmigung des Universitätsklinikums Aarhus, Dänemark

    Spezialisten verbringen viel Zeit damit, mangelhafte Ergebnisse manuell zu korrigieren

    • Die Qualität bei der Auto-Konturierung ist abhängig von der Qualität der CT-Bilder
    • Eine unzulängliche Bildqualität (hervorgerufen durch Metallartefakte, einen schlechten Weichteilkontrast etc.) führt zu einem unzulänglichen Auto-Konturierungs-Ergebnis7,8

     

    OAR contouring is very time-consuming

    Im schlimmsten Fall müssen Radioonkologen die OAR-Konturierung manuell komplett überarbeiten.

    Mit freundlicher Genehmigung der Abteilung für Radiologie im Klinikum Hospital Particular de
    Viana do Castelo, Viana do Castelo, Portugal.

    Konsistente OAR-Konturen, die mit DirectORGANS unmittelbar mit dem CT-Simulator erstellt werden3

    SOMATOM go.Sim mit DirectORGANS3 (Optimierte rekonstruktionsbasierte Konturen, mit Unterstützung von Generative Adversarial Networks [GAN, zu deutsch etwa ‚erzeugende gegnerische Netzwerke‘]) eine KI-unterstützte OAR-Konturierung, bei der die wichtigsten Schritte bei der CT-Simulation automatisiert und standardisiert werden. Die qualitativ hochwertigen Informationen laufen direkt als TPS-bereite Daten ein.

    Different image requirements for CT simulation
    Mit freundlicher Genehmigung der Abteilung für Radiologie im Klinikum Hospital Particular de Viana do Castelo, Viana do Castelo, Portugal.

    Ein Autokonturierungsalgorithmus benötigt eine bestimmte Form der Bildgebung

    DirectORGANS3 optimiert die Bilder so, dass sie für den Algorithmus passend sind.
    Dies ebnet den Weg für eine konsistente, KI-unterstützte OAR-Konturierung.

    AI Siemens Healthineers

    DirectORGANS3 ist eine revolutionäre, auf KI basierende Lösung für die OAR-Konturierung. Als Ergebnis werden fehlerhafte Abweichungen mittels einer qualitativ hochwertigen Konturierung reduziert, die annähernd mit einer konsensbasierten Konturierung vergleichbar ist. Es nutzt optimierte und standardisierte Rekonstruktionsparameter, um Inhalte für die Konturierungslösung bereitzustellen, die auf Deep Learning basieren.

    Ihre Vorteile

    • Die OAR-Konturierung erfolgt direkt im System – ein manuelles Bearbeiten ist nicht notwendig
    • Die Bilder werden für den Deep-Learning-Algorithmus optimiert
    • Hochwertige Konturen, die annähernd mit konsensbasierten Konturen zu vergleichen sind

     

    1/2
    DirectORGANS
    Mit freundlicher Genehmigung des Leopoldina Krankenhauses, Schweinfurt, Deutschland
    DirectORGANS
    DirectORGANS
    1/2

    Präzision bei der Zielwert-Konturierung vorantreiben

    Eine leistungsstarke Kombination aus drei innovativen Lösungen sorgt für eine zuverlässige Tumorvisualisierung, präzise Zielwert-Konturen und einen unkomplizierten 4D-Arbeitsablauf: iMAR3 reduziert Metallartefakte, DirectDensity2,3 sorgt für die optimalen kV-Einstellungen auf Basis einer einzigen Kalibrationskurve und das Atembewegungsmanagement3 sorgt dafür, dass die Parameter für den Scan auf Basis der Atmung des Patienten optimiert werden.

    Ihre Vorteile

    • Verlässliche Tumor-Visualisierung dank der Reduktion von Metallartefakten mit iMAR3
    • Präzise Zielwert-Konturen mit optimalen kV-Bildgebungsparametern und einer einzigen Kalibrationskurve dank DirectDensity2,3
    • Unkomplizierter 4D-Arbeitsablauf dank eines umfassenden Atembewegungsmanagements3
    DirectDensity2,3 sorgt für eine grössere Bandbreite verfügbarer Röhrenspannungen in CT-Scannern für eine bessere Bildqualität bei gleichbleibender dosimetrischer Genauigkeit.9
    Tianyu Zhao, PhD
    Assistenzprofessor der Radioonkologie, Washington University School of Medicine, Abteilung Radioonkologie, St. Louis, MO, USA

    Mit Blick auf Patienten und Benutzer

    Dialysis Treatment Patient

    Es gibt viele Ursachen für eine nicht gelungene CT-Simulation

    • Auf dem derzeitigen Stand kann die CT-Simulation Unruhe bei den Patienten auslösen und das Bedienpersonal unter Druck setzen
    • Das Bedienpersonal muss sehr viel Zeit ausserhalb des Untersuchungsraums verbringen
    • Das Einsetzen und die Wartung eines Multi-Vendor-Systems ist komplex und zeitintensiv

     

    CT simulation can create anxiety for patients and pressure for operators

    49 % der Patienten fühlen sich gestresst und ängstlich.10

    Wenn das Bedienpersonal unter weniger Druck stünde, könnten sie mehr Zeit für die Patienten aufbringen und qualitativ hochwertige Ergebnisse erzielen. Wenn Patienten sich wohlfühlen, verläuft ihre CT-Simulation erfolgreicher.

    Improved patient experience through patient-centric design

    Verbessern Sie die Patientenerfahrung mit einem Ansatz, bei dem der Patient im Mittelpunkt steht

    • Dank des mobilen Arbeitsablaufes haben Sie die volle Entscheidungsfreiheit, wie und wo Sie die Simulation durchführen möchten. Zudem haben Sie mehr Zeit für Ihren Patienten
    • Eine auf den Patienten beruhigend wirkende Atmosphäre dank der ringförmigen Stimmungsbeleuchtung
    • Erhöhter Komfort für die Patienten dank des grossen Durchmessers von 85 cm
    User interface with a shorter learning curve

    Kürzere Lernkurve und simples Vendoren-Management dank einer umfassenden Lösung

    • Eine revolutionäre Benutzeroberfläche
    • Ein technischer Kundendienst
    • Ein Wartungstermin
    • Ein Dienstleistungsvertrag
    • Eine Schulung

     

    Solutions that care for patients

    SOMATOM go.Sim schafft ein angenehmes und beruhigendes Umfeld für die Patienten und sorgt dafür, dass das Bedienpersonal mehr Zeit an ihrer Seite verbringen kann.

    Technische Spezifikationen

    Innendurchmesser

    85 cm

    Messfeld (Scan Field-of-View, sFoV)

    60 cm

    Erfasste Schichten/Rekonstruktionsschichten

    32/64

    Abdeckung der Z-Achse

    1,92 cm

    Rotationszeit

    0,353, 0,5, 1,0 s

    Max. Traglast des Tisches

    227/3073 kg (TG-66 konforme Tische)

    Standfläche des Systems

    4 m2 (Standfläche von Gantry und fahrbarer Tischplatte)

    Mindestanforderung Raumfläche

    17,3 m2

    1
    syngo.via und syngo.via CT Dual Energy DirectSPR sind Voraussetzung.
    2

    Basierend auf den Abmessungen einer Gammex 467 Tissue Characterization Phantom verglichen mit einem [T]Standard Aufbau und der DirectDensity-Rekonstruktionsmethode. Die Bildqualität ist relativ zu der Umrechnung der Elektronen-/Masse-Dichte beim Standard-Aufbau und basierte auf dem Ansatz zweier linearen Umrechnungen mit einer individuellen Kalibrierung für jede Röhrenspannung. Für DirectDensity Bilder wurde eine spannungsunabhängige, lineare Umrechnung für eine einzelne Röhre verwendet.

    Die DirectDensity-Rekonstruktionsmethode ist nur für den Einsatz in der Strahlentherapieplanung (Radiation Therapy Planning (RTP)) konzipiert. Die DirectDensity-Rekonstruktionsmethode ist nicht für die diagnostische Bildgebung vorgesehen.

    3
    Optional.
    4
    Greenwalt J et al. Reducing errors in radiation therapy through electronic safety checklists. Applied Radiation Oncology. 2014: 5–9.
    5
    Bis zu 4 Tische können optional hinzugefügt werden.
    6
    Jameson MG et al. A review of methods of analysis in contouring studies for radiation oncology. J Med Imaging Radiation Oncol. 2010; 54(5): 401–10.
    7
    Wu X, Udupa JK, Odhner D, et al. Knowledge-Based Auto Contouring for Radiation Therapy: Challenges in Standardizing Object Definitions, Ground Truth Delineations, Object Quality, and Image Quality. Int J Radiat Oncol Biol Phys. 2017; 99(2): E740.
    8
    Cheung CW, Leung KY, Lam WW, et al. Application of Model-based Iterative Reconstruction in Auto-contouring of Head and Neck Cases. Scientific Informal (Poster) Presentation at: LL-ROS-TH Radiation Oncology and Radiobiology Lunch Hour CME Posters; 2012 Nov 29; Chicago, IL.
    9
    Die hier beschriebenen Aussagen von Kunden von Siemens Healthineers basieren auf in der einzigartigen Umgebung des Kunden erzielten Ergebnissen. Da es kein «typisches» Krankenhaus gibt und viele Variablen existieren (z. B. Krankenhausgrösse, Fallmischung, Grad der IT-Integration), kann nicht garantiert werden, dass andere Kunden die gleichen Ergebnisse erzielen.
    10
    Kelly E et al, Reduced patient anxiety as a result of radiation therapist‐led psychosocial support: a systematic review, J Med Radiat Sci Sep; 64(3): 220–231 2017.