How Integration Helps to Adopt Digital Pathology

Kontaktieren sie uns um ein Angebot zu erhalten.

Broad adoption of digital pathology (DP) is still lacking, and examples for DP connecting diagnostic, research, and educational use cases are missing.

In this presentation, Prof. Schüffler blueprints a holistic DP solution at a large academic medical center ubiquitously integrated into clinical workflows; research applications including molecular, genetic, and tissue databases; and educational processes.

Die Inhalte des Knowledge Pathway von Leica Biosystems unterliegen den Nutzungsbedingungen der Website von Leica Biosystems, die hier eingesehen werden können: Impressum. Der Inhalt, einschließlich der Webinare, Schulungspräsentationen und ähnlicher Materialien, soll allgemeine Informationen zu bestimmten Themen liefern, die für medizinische Fachkräfte von Interesse sind. Er soll explizit nicht der medizinischen, behördlichen oder rechtlichen Beratung dienen und kann diese auch nicht ersetzen. Die Ansichten und Meinungen, die in Inhalten Dritter zum Ausdruck gebracht werden, spiegeln die persönlichen Auffassungen der Sprecher/Autoren wider und decken sich nicht notwendigerweise mit denen von Leica Biosystems, seinen Mitarbeitern oder Vertretern. Jegliche in den Inhalten enthaltene Links, die auf Quellen oder Inhalte Dritter verweisen, werden lediglich aus Gründen Ihrer Annehmlichkeit zur Verfügung gestellt.

Vor dem Gebrauch sollten die Produktinformationen, Beilagen und Bedienungsanleitungen der jeweiligen Medikamente und Geräte konsultiert werden.

Copyright © 2022 Leica Biosystems als Teil der Leica Microsystems, Inc. und Partnerunternehmen von Leica Biosystems. Alle Rechte vorbehalten. LEICA und das Leica Logo sind eingetragene Warenzeichen der Leica Microsystems IR GmbH.

About the presenter

Prof. Dr. Peter Schüffler, PhD

Prof. Schüffler's (*1983) field of research is the area of digital and computational pathology. This includes novel machine learning approaches for the detection, segmentation and grading of cancer in pathology images, prediction of prognostic markers and outcome prediction (e.g. treatment response). Further, he investigates the efficient visualization of high-resolution digital pathology images, automated QA, new ergonomics for pathologists, and holistic integration of digital systems for clinics, research and education. 

Prof. Schüffler received his BSc and MSc in Computational Biology at the Saarland University and the MPI, Saarbrücken, Germany. In 2015, he graduated his doctoral studies in machine learning for medical image data analysis at the ETH Zurich, Switzerland. He deepened his expertise in digital and computational pathology as a Postdoc and Sr. ML Scientist at the Memorial Sloan Kettering Cancer Center New York, USA, where he co-founded Paige. In 2021, Prof. Schüffler was appointed to the professorship for computational pathology at TUM.