La toute nouvelle version d'Eclipse est disponible !

Grâce à ses innovations, le système de planification de traitement Eclipse v18.1 permet de repenser les workflows et les techniques de planification de traitements. Avec la solution RapidArc Dynamic désormais intégrée, des images améliorées, des tâches automatisées et un examen simplifié des plans de traitement, Eclipse v18.1 s'impose comme la nouvelle référence dans la radiothérapie.

Connexion

Connectez-vous à un seul et même écosystème fluide

  • Bénéficiez des dernières technologies d'imagerie, de planification et de traitement en un seul et même endroit
  • Collaborez plus aisément avec vos pairs grâce à RT Peer Review
  • Partagez vos meilleures pratiques et apportez vos contributions à votre communauté de confrères avec RapidPlan, la solution de planification basée sur l'expérience
  • Alliez contourage par IA et workflows automatisés avec AI-Rad Companion Organs RT*
  • Simplifiez la coordination des données et des accès utilisateurs entre les services ou les établissements

Contrôle

Contrôlez tout pour personnaliser plus efficacement les soins de vos patients

  • Bénéficiez des avantages de l'IMRT, de la VMAT et d'un collimateur dynamique avec RapidArc Dynamic
  • Générez constamment des plans de traitement de haute qualité avec RapidPlan
  • Explorez toutes les possibilités et affinez les résultats grâce à l'optimisation multi-critères (MCO)
  • Sculptez les doses de manière intuitive en important les lignes d'isodose de la MCO
  • Contrôlez facilement les spots chauds/froids grâce à la correction de dose locale
  • Adaptez vos workflows automatisés grâce à l'API des scripts Eclipse (ESAPI)

Confiance

Planifiez vos traitements en toute confiance

  • Atteignez plus rapidement vos objectifs cliniques avec RapidArc Dynamic
  • Réalisez des radiothérapies stéréotaxiques avec un seul isocentre grâce à la radiothérapie haute précision HyperArc
  • Simplifiez les planifications de SBRT complexes avec le NTO pour SBRT (Normal Tissue Objective, objectif de conservation des tissus sains)
  • Avec la fonction Plan Checker, personnalisez et simplifiez les vérifications des plans selon les normes institutionnelles
  • Bénéficiez d'une précision inégalée avec la modélisation de feuille améliorée (ELM, Enhanced Leaf Modeling)

Contourage par IA — intégré dans Eclipse

Bénéficiez d'un contourage des structures de haute qualité grâce au deep learning, directement intégré à votre workflow de planification de traitement.

  • Génération automatique des contours à partir d'images de scanners et d'IRM pour plus de 200 structures anatomiques (y compris les organes à risques, les ganglions lymphatiques et les métastases cérébrales)
  • D'après plusieurs recommandations cliniques (RTOG, ESTRO, DAHANCA, etc.), pour des résultats cohérents et fondés sur des données probantes
  • Intégration fluide dans Eclipse, avec le suivi du même fournisseur, sans matériel supplémentaire ni plateforme distincte
  • Validé par les plus grandes institutions1,2 du monde, avec des résultats de contourage automatique comparables à ceux de médecins expérimentés

Explore the entire Digital Oncology portfolio

Nous vous aiderons à vous connecter à nos systèmes

Nos spécialistes sont là pour vous aider à intégrer Varian dans votre workflow.

Si vous êtes client et que vous souhaitez obtenir de l'aide sur nos produits, rendez-vous sur notre page Service clients

Marquage CE. 510(k) en attente. Non disponible à la vente aux États-Unis ni sur tous les marchés, et aucune garantie de commercialisation, ni de disponibilité des fonctionnalités.

*AI-Rad Companion Organs RT est un produit de Siemens Healthineers et une marque déposée de Siemens Healthineers dans certains pays.

  1. Putz, F. Is AI-powered tumor autocontouring ready for clinical use? Evaluation of Siemens Healthineers research prototype for the autosegmentation of brain metastases. Poster presented at DEGRO; Jun 2025, Dresden, Germany. Datasets: 101 patients; 391 lesions; 1.5T MRI series T1-SPACE. University of Erlangen-Nuremberg.
  2. Tezcanli, E. Evaluation of a Deep Learning Contouring Algorithm for Target Delineation in HyperArc Radiosurgery. Webinar, Oct 2025. Datasets: 10 patients; 82 lesions. Acibadem University.