Jetzt teilnehmen

Bitte loggen Sie sich ein, um Ihre Teilnahme an diesem Webinar zu bestätigen. Sie sind dann vorgemerkt und werden, falls das Webinar innerhalb der nächsten 10 Minuten beginnt, sofort weitergeleitet.

Findet das Webinar zu einem späteren Zeitpunkt statt, kommen Sie kurz vor Beginn des Webinars erneut, um am Webinar teilzunehmen.

RadiSSO-Login

Einfach buchen

Buchen Sie jetzt RÖKO DIGITAL des 105. Deutscher Röntgenkongress und 10. Gemeinsamer Kongress von DRG und ÖRG und verpassen Sie keines unserer lehrreichen und informativen Webinare zu verschiedenen Themen der Radiologie.

  • Wissenschaft & Fortbildung
  • CME-Punkte
  • Themenvielfalt
  • Dialog & Interaktion
Jetzt buchen

Jetzt teilnehmen

Bitte loggen Sie sich ein, um Ihre Teilnahme an diesem Webinar zu bestätigen. Sie sind dann vorgemerkt und werden, falls das Webinar innerhalb der nächsten 10 Minuten beginnt, sofort weitergeleitet.

Findet das Webinar zu einem späteren Zeitpunkt statt, kommen Sie kurz vor Beginn des Webinars erneut, um am Webinar teilzunehmen.

RadiSSO-Login

Ohne Buchung.

Sie können an dieser Veranstaltung auch ohne Buchung von RÖKO DIGITAL des 105. Deutscher Röntgenkongresses und 10. Gemeinsamer Kongress von DRG und ÖRG kostenfrei teilnehmen.

Eine Teilnahmebescheinigung erhalten nur Personen, die das digitale Modul „RÖKO DIGITAL“ des 105. Deutscher Röntgenkongresses und 10. Gemeinsamer Kongress von DRG und ÖRG gebucht haben oder noch nachbuchen.

Um teilzunehmen kommen Sie ca. 10 Minuten vor Beginn wieder. Freischaltung zur Teilnahme in:

Sie können an dieser Veranstaltungen auch ohne Buchung von RÖKO DITITAL des 105. Deutscher Röntgenkongresses und 10. Gemeinsamer Kongress von DRG und ÖRG kostenfrei teilnehmen.

Eine Teilnahmebescheinigung erhalten nur Personen, die das digitale Modul „RÖKO DIGITAL“ des 105. Deutscher Röntgenkongresses und 10. Gemeinsamer Kongress von DRG und ÖRG gebucht haben oder noch nachbuchen.

Melden Sie sich bitte hier an:

Bitte beachten Sie die Datenschutzhinweise.

Jetzt teilnehmen

Kongressteilnehmer.

Als Teilnehmer am RÖKO DIGITAL des 105. Deutscher Röntgenkongresses und 10. Gemeinsamer Kongress von DRG und ÖRG loggen Sie sich bitte ein, um an dieser Industrie­veranstaltung teilzunehmen.

RadiSSO-Login

Ohne Buchung.

Sie können an Industrie­veranstaltungen auch ohne Buchung von RÖKO DIGITAL des 105. Deutscher Röntgenkongresses und 10. Gemeinsamer Kongress von DRG und ÖRG kostenfrei teilnehmen.

Um teilzunehmen kommen Sie ca. 10 Minuten vor Beginn wieder. Freischaltung zur Teilnahme in:

Sie können an Industrie­veranstaltungen auch ohne Buchung von RÖKO DIGITAL des 105. Deutscher Röntgenkongresses und 10. Gemeinsamer Kongress von DRG und ÖRG kostenfrei teilnehmen. Melden Sie sich bitte hier an:

Bitte beachten Sie die Datenschutzhinweise.

Jetzt teilnehmen

Das ist eine Meldung

Stet clita kasd gubergren, no sea takimata sanctus est. Ut labore et dolore aliquyam erat, sed diam voluptua.

Login

WISS 101

Ganzkörperdiagnostik / Kohortenstudien I

Ganzkörperdiagnostik / Kohortenstudien I
Mittwoch, 17. Mai 2023 · 14:15 bis 15:00 Uhr
17
Mai

Mittwoch, 17. Mai 2023

14:15 bis 15:00 Uhr · Raum: Studio 1.1  in Kalender übernehmen:   iCal  ·  Google

Veranstaltungsdetails

Veranstalter
Deutsche Röntgengesellschaft e.V.
Art
Wissenschaftliche Sitzung
Thema
Ganzkörperdiagnostik / Kohortenstudien

Zertifizierungen

Der RÖKO WIESBADEN wird im Rahmen einer Kongresszertifizierung durch die LÄK Hessen bewertet. Bitte beachten Sie die Hinweise unter A bis Z.

Informationen

Moderation
Anton Faron (Hamburg)
Sebastian Gassenmaier (Tübingen)

Ablauf

14:15 - 14:20

Vortrag (Wissenschaft)

Klassifikation von Nebenbefunden in der Ganzkörper-Computertomographie

Daniela Kildal (Visp)

weitere Autoren

Tabea Hensinger (Ulm) / Meinrad Beer (Ulm) / Daniel Vogele (Ulm)

Zielsetzung

Eine allgemeingültige Klassifikation von Nebenbefunden gibt es bislang nicht. Zielsetzung dieser Studie war es, traumaunabhängige Nebenbefunde in Polytrauma-Ganzkörper-CTs anhand ihrer medizinischen Bedeutung zu klassifizieren und so ihr Management festzulegen.

Material und Methoden

Retrospektiv wurden 1475 Polytrauma-CTs aus 2 Kliniken der Maximalversorgung auf Nebenbefunde untersucht.
Diese wurden nach Literaturrecherche, orientierend an etablierten Klassifikationen wie z.B. BI-RADS des American College of Radiology, anhand ihrer klinischen Relevanz in 5 Kategorien (K) eingeteilt:
K1: Normvarianten und Nebenbefunde ohne klinische Relevanz
K2: benigne Nebenbefunde, zukünftige Relevanz möglich
K3: Nebenbefunde die Kontrollen erfordern
K4: Nebenbefunde sind elektiv abklärungswürdig
K5: Nebenbefunde bedürfen einer schnellstmöglichen Abklärung und/oder Therapie

Ergebnisse

In 84% der untersuchten Patienten wurden Nebenbefunde gesehen, bei 1.475 GK CT insgesamt 6.277 Nebenbefunde. 77% (4.812) der Patienten hatten NB der Kategorien 1 und 2. 35% der Patienten hatten NB NB aus K3 und K4 (1.021) und benötigten eine weitere Abklärung bzw. Therapie.
Bei 5% fanden wir Nebenbefunde der Kategorie 5, unter anderem malignomsuspekte Läsionen (2%).

Schlussfolgerungen

Ganzkörper-CT haben eine hohe Inzidenz von Nebenbefunden. Etwa jeder sechste festgestellte Nebenbefund erfordert eine weitere Abklärung bzw. Therapie.
Ein standardisiertes Konzept zum Umgang mit der Vielzahl von Nebenbefunden ist unerlässlich. Hierfür bietet die von uns vorgeschlagene Klassifikation eine Grundlage.
14:20 - 14:25

Vortrag (Wissenschaft)

Können wir KI vertrauen? Vergleich von KI-Software-Tools zur automatischen Erkennung, Quantifizierung und Kategorisierung von Lungenknoten in der HANSE-LCS-Studie

Rimma Kondrashova (Hannover)

weitere Autoren

Filip Klimeš (Hannover) / Frank Wacker (Hannover) / Till Frederik Kaireit (Hannover) / Sabine Dettmer (Hannover) / Jonathan Sperl / Jörg Barkhausen (Campus Lübeck) / Katharina May (Campus Lübeck) / Susanne Stiebeler (Grosshansdorf) / Jens Vogel-Claussen (Hannover)

Zielsetzung

Das Patientenmanagement in der Lungenkrebsvorsorge hängt von der Lung Imaging Reporting and Data System (Lung-RADS) - Kategorie ab. Das System basiert auf einer zuverlässigen Erkennung der Lungenknoten und akkuraten Messung deren Volumina. Ziel dieser Studie war es, die Leistung zweier KI-basierten Software-Tools zur Detektion, Quantifizierung und Kategorisierung von Lungenknoten in einem norddeutschen Lungenkrebs-Screening(LCS)-Programm (HANSE-Studie) zu evaluieren und zu vergleichen.

Material und Methoden

In unserer Studie wurden 946 Niedrigdosis-CT-Untersuchungen im Rahmen der HANSE-LCS-Studie durch zwei KI-Software-Tools hinsichtlich der Erkennung, Quantifizierung und Kategorisierung von Lungenknoten analysiert und mit den finalen radiologischen Befunden verglichen. Die Korrelation zwischen den gemessenen Volumina der pulmonalen Noduli wurde mittels Korrelationskoeffizient nach Pearson (r) berechnet und mit dem Wilcoxon-Signed-Rank-Test auf Signifikanz geprüft. Das Agreement der Lung-RADS-Kategorisierung wurde anhand von Cohen‘s Kappa (κ) und der prozentualen Übereinstimmung bewertet.

Ergebnisse

88 % bzw. 66 % aller (soliden, teil-soliden und non-soliden) Lungenknoten (Volumen≥34 mm3) wurden von Software-Tool 1 (S1) bzw. Software-Tool 2 (S2) detektiert. Obwohl die Volumina der richtig erkannten Knoten stark korrelieren (r>0,95), ist das von S2 gemessene Volumen signifikant höher als das von S1 (P<0,0001, mittlere Differenz: 6mm3). Eine mäßige prozentuale Übereinstimmung (>54%) wurde zwischen S1 und S2 bei der Lung-RADS-Einstufung festgestellt (κ=0,41).

Schlussfolgerungen

Unterschiede in der Volumetrie zwischen den verschiedenen AI-Software-Tools führen zur Vergabe der unterschiedlichen Lung-RADS-Scores, was Widersprüchlichkeit im Probandenmanagement hervorrufen kann. Daher ist eine gute Performance und hohe Übereinstimmung der akkreditierten AI-Software-Tools in einem zukünftigen nationalen LCS-Programm erforderlich.

Teilnahme Young Investigator Award

14:25 - 14:30

Vortrag (Wissenschaft)

Assoziation von Myosteatose und beeinträchtigtem Glukosestoffwechsel: Ein Deep-Learning-Ansatz zur Ganzkörper-MRT-Phänotypisierung

Matthias Jung (Freiburg)

weitere Autoren

Marco Reisert (Freiburg) / Susanne Rospleszcz (München) / Annette Peters (München) / Johanna Nattenmüller (Freiburg) / Christopher L. Schlett (Freiburg) / Fabian Bamberg (Freiburg) / Jakob Weiß (Freiburg)

Zielsetzung

Untersuchung des Zusammenhangs zwischen Myosteatose und beeinträchtigtem Glukosestoffwechsel in einer bevölkerungsbezogenen Population.

Material und Methoden

Mit einem hierarchischen, patch-basierten 3D-Stapel neuronaler Netze, wurde vollautomatisch Skelettmuskel (SM) und intramuskuläres Fettgewebe (IMAT) aus T1w-Dixon 3T-Ganzkörper-MRTs quantifiziert. Wir haben Myosteatose als (i) ein zusammenfassendes Maß (IMAT/SM) und (ii) den quantitativen SM-Fettanteil (SMFF) Dixon-basiert extrahiert. Gestörter Glukosestoffwechsel wurde als gestörte Nüchternglukose, gestörte Glukosetoleranz (5,6 - 6,9 mmol/l), oder prävalenter Diabetes mellitus definiert. Die Diskrimination für einen gestörten Glukosestoffwechsel auf Basis der Myosteatose wurde durch die Fläche unter der ROC-Kurve (AUC) bewertet. Der Zusammenhang zwischen Myosteatose und gestörtem Glukosestoffwechsel wurde anhand logistischer Regression untersucht.

Ergebnisse

Insgesamt wurden 381 Teilnehmer (56,3±9,2 Jahre; weiblich: 42,5%) eingeschlossen. Die quantitative SMFF zeigte eine bessere Diskrimination des gestörten Glukosestoffwechsels als das IMAT/SM-Verhältnis (AUC 0,695 vs. 0,585; p<0,001). In der logistischen Regression, adjustiert für Alter und Geschlecht, waren SMFF (OR=1,24; CI 1,16, 1,34; p<0,001) und IMAT/SM (OR=1,15; CI 1,00, 1,33; p=0,044) mit einem höheren Risiko eines beeinträchtigten Glukosestoffwechsels verbunden. Nach weiterer Adjustierung für demografische Basisdaten und kardiometabolische Risikofaktoren (BMI, Lipidprofil, Blutdruck, Rauchen, Alkoholkonsum) blieb der Zusammenhang für SMFF (OR=1,09; CI 1,00, 1,20; p=0,043), nicht aber für IMAT/SM (OR=1,16; CI 0,99, 1,36; p=0,075) robust.

Schlussfolgerungen

SMFF ist ein Prädiktor für gestörten Glukosestoffwechsel, unabhängig von kardiovaskulären Risikofaktoren. Deep Learning basierte Ganzkörper-MR-Phänotypisierung ermöglicht ein opportunistisches Screening auf Myosteatose und kann Personen mit hohem Risiko identifizieren, um Untersuchungen der Risikofaktoren und gezielte Maßnahmen einzuleiten
14:30 - 14:35

Vortrag (Wissenschaft)

Verfettung der autochthonen Rückenmuskulatur als signifikanter Risikofaktor für nicht-traumatisch bedingte Wirbelkörperfrakturen

Jan Backhauß (Kiel)

weitere Autoren

Olaf Jansen / Claus-C. Glüer / Sam Sedaghat

Zielsetzung

In der radiologischen Befundung summieren sich die degenerativen Veränderungen der Wirbelsäule häufig in eine übergreifende Bezeichnung, ohne einzelne Läsionen hervorzuheben. In dieser Studie werden verschiedene degenerativ bedingte, lokale Risikofaktoren für nicht-traumatische Wirbelkörperfrakturen analysiert.

Material und Methoden

Das Patientenkollektiv umfasste Patienten in der Alterspanne von 50 bis 90 Jahren. Hierbei wurden zuerst Wirbelkörperhöheminderungen nach Genant klassifiziert. Anschließend wurden die folgenden potentiellen ossären und extra-ossären Risikofaktoren eingeschlossen: Osteochondrosen, Spondylarthrosen und Facettengelenkasymmetrien, Spondylophyten, Spondylolisthesen und Skoliosen sowie Muskelverfettungen und Muskelasymmetrien der autochthonen Rückenmuskulatur. Patienten mit tumorbedingten Wirbelkörperfrakturen wurden ausgeschlossen.

Ergebnisse

Insgesamt wurden 105 Patienten untersucht. Muskelverfettungen in der autochthonen Rückenmuskulatut der BWS und der LWS begünstigten Wirbelkörperfrakturen in der BWS (p=0.048 bzw. p=0.022). Dagegen sind Muskelverfettungen der autochthonen Muskulatur der LWS kein signifikanter Risikofaktor für BWS- und LWS-Frakturen (p=0.400 und p=0.509). Das berechnete relative Risiko (RR) für die Entwicklung einer nicht-traumatischen Wirbelkörperfraktur der BWS lag bei Muskelverfettung der BWS bei 4.5 (95% KI: 0.91-22.3) und der LWS bei 3.42 (95% KI: 1.26-9.25). Alle anderen Veränderungen zeigte keine Signifikanzen.

Schlussfolgerungen

Verfettungen der autochthonen Rückemmuskulatur sowohl der BWS, als auch der LWS begünstigen insgesamt nicht-traumatische Frakturen der BWS. Dadurch ergibt sich unter der Fülle von degenerativen Veränderungen die Relevanz der Muskelverfettung als einziger Risikofaktor und die Empfehlung zur gezielten radiologischen Befundung, um als Konsequenz in der klinischen Praxis späteren Frakturen vorzubeugen.
14:35 - 14:40

Vortrag (Wissenschaft)

Assoziationen zwischen Nebennierenvolumen und Fettdepot-Kompartimente – eine auf MR-Bildgebung basierende Studie

Esther Adele Askani (Freiburg im Breisgau)

weitere Autoren

Susanne Rospleszcz (München) / Charlotte Kulka (Freiburg) / Elias Kellner (Freiburg) / Annette Peters (München) / Christopher L. Schlett (Freiburg) / Fabian Bamberg (Freiburg) / Corinna Storz (Freiburg)

Zielsetzung

Ziel dieser Studie war es, Zusammenhänge zwischen dem Nebennierenvolumen und unterschiedlichen Fettdepot-Kompartimenten zu untersuchen.

Material und Methoden

Diese Fall-Kontroll-Studie leitet sich von der Populations-basierten Forschungs-Plattform KORA ab, in welcher MR-fähige Proband*innen ein Ganzkörper-MRT erhielten. MR-basierte Segmentierungen für das Nebennierenvolumen, viszerales Fettgewebe (VAT), subkutanes Fettgewebe (SAT), perikardiales Fett und Nierenbecken-Fett wurden manuell und semi-automatisch durchgeführt. Der hepatische und pankreatische Fettgehalt wurden mittels Protonen-Dichte Fett-Fraktion (PDFF) gemessen. Die Daten wurden mittels linearen und multivariaten Regressionsanalysen ausgewertet.

Ergebnisse

308 Proband*innen (56.2 ± 9.1 Jahre, 60.1% männlich) wurden in die Studie eingeschlossen. In multivariater Analyse persistierte ein signifikanter Zusammenhang zwischen VAT & Nebennierenvolumen nach Adjustierung für mögliche metabolische Cofounder (outcome VAT: β=0.14, 95%-CI [0.09, 0.19], p<0.001). Im Gegensatz hierzu, hoben sich Zusammenhänge zwischen SAT & Nebennierenvolumen in multivariater Analyse auf. Ebenso persistierten signifikante Zusammenhänge in multivariater Analyse sowohl für PDFF(Leber) als auch für PDFF(Pankreas) (outcome PDFF(Leber): β=0.55, 95%-CI [0.12, 0.98], p=0.012; outcome PDFF(Pankreas): β=0.53, 95%-CI [0.19, 0.87], p=0.002). Während der Zusammenhang zwischen Perikardialem Fettgewebe & Nebennierenvolumen nach Adjustierung um mögliche Confounder signifikant blieb (outcome perikardiales Fettgewebe: β=0.54, 95%-CI [0.09, 1], p=0.020), wurde eine initial beobachtete Korrelation zwischen Nierenbechenbecken-Fettgewebe & Nebennierenvolumen in multivariater Analyse aufgehoben.

Schlussfolgerungen

Unsere Ergebnisse sind die erste umfassende Untersuchung von Korrelationen zwischen MR-basiertem Nebennierenvolumen und verschiedenen MR-basierten Fettdepot-Kompartimenten und zeigen Unterschiede bezüglich der Interaktion spezifischer Fettdepot-Kompartimente und der HPA-Achse auf.

Teilnahme Young Investigator Award

14:40 - 15:00

Diskussion

Diskussion

Runlog

Öffnen