Patologavdelningen i Växjö analyserar vävnadsprover från vårdgivare i hela Kronobergs län. En stor del av arbetet handlar om att undersöka det som kan vara tumörer.
AI ger säkrare svar på patologen
Bildanalys Patologavdelningen i Växjö har kommit långt med användningen av digitala verktyg. Med hjälp av digital bildanalys och AI kan de hantera vävnadsprover på ett både snabbare och mer träffsäkert sätt.

Digitala bilder gör det lättare för patologen att bland annat bedöma stadium, tjocklek och djup på tumörer.
Någonting är fel
Du är inloggad som prenumerant hos förlaget Pauser Media, men nånting är fel. På din profilsida ser du vilka av våra produkter som du har tillgång till. Skulle uppgifterna inte stämma på din profilsida – vänligen kontakta vår kundtjänst.
Kvalitetsvård.se premium
Läs vidare – starta din prenumeration
Redan prenumerant? Logga in och läs vidare.
Genom att använda sig av digital bildanalys i kombination med Artificiell Intelligens, har de kunnat öka både kvalitet, effektivitet och patientsäkerhet.
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
