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.

Einfach buchen

Buchen Sie jetzt RÖKO DIGITAL des 106. Deutschen Röntgenkongress 2025 - Kongress für medizinische Radiologie und bildgeführte Therapie und verpassen Sie keines unserer lehrreichen und informativen Webinare zu verschiedenen Themen der Radiologie.

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

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.

Ohne Buchung.

Sie können an dieser Veranstaltung auch ohne Buchung von RÖKO DIGITAL des 106. Deutschen Röntgenkongress 2025 – Kongress für medizinische Radiologie und bildgeführte Therapie kostenfrei teilnehmen.

Eine Teilnahmebescheinigung erhalten nur Personen, die das digitale Modul „RÖKO DIGITAL“ des 106. Deutschen Röntgenkongress 2025 – Kongress für medizinische Radiologie und bildgeführte Therapie 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 106. Deutschen Röntgenkongress 2025 – Kongress für medizinische Radiologie und bildgeführte Therapie kostenfrei teilnehmen.

Eine Teilnahmebescheinigung erhalten nur Personen, die das digitale Modul „RÖKO DIGITAL“ des 106. Deutschen Röntgenkongress 2025 – Kongress für medizinische Radiologie und bildgeführte Therapie gebucht haben oder noch nachbuchen.

Melden Sie sich bitte hier an:

Bitte beachten Sie die Datenschutzhinweise.

Kongressteilnehmer.

Als Teilnehmer am RÖKO DIGITAL des 106. Deutschen Röntgenkongress 2025 – Kongress für medizinische Radiologie und bildgeführte Therapie loggen Sie sich bitte ein, um an dieser Industrie­veranstaltung teilzunehmen.

Ohne Buchung.

Sie können an Industrie­veranstaltungen auch ohne Buchung von RÖKO DIGITAL des 106. Deutschen Röntgenkongress 2025 – Kongress für medizinische Radiologie und bildgeführte Therapie 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 106. Deutschen Röntgenkongress 2025 – Kongress für medizinische Radiologie und bildgeführte Therapie kostenfrei teilnehmen. Melden Sie sich bitte hier an:

Bitte beachten Sie die Datenschutzhinweise.

Das ist eine Meldung

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

Wissenschaftliche Sitzung

Das große Ganze I - Kohortenstudien

Das große Ganze I - Kohortenstudien
Donnerstag, 29. Mai 2025 · 14:00 bis 15:00 Uhr
Diese Veranstaltung findet ausschließlich als Präsenzveranstaltung im Rhein-Main-Congress-Center in Wiesbaden statt. Diese Veranstaltung kann nicht über einen Stream sondern nur vor Ort besucht werden.
29
Mai

Donnerstag, 29. Mai 2025

14:00 bis 15:00 Uhr · Raum: Studio 1.2 A+B  in Kalender übernehmen:   iCal  ·  Google

Veranstaltungsdetails

Veranstalter
Deutsche Röntgengesellschaft e.V.
Art
Wissenschaftliche Sitzung
Thema
Ganzkörperdiagnostik / Kohortenstudien
Zielgruppe
Andere, Ärzte in Weiterbildung (AiW), Fachärzte, Ingenieure / Naturwiss., Studenten

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
Ulrike Attenberger (Bonn)
Fabian Bamberg (Freiburg)

Ablauf

14:00 - 14:05

Vortrag (Wissenschaft)

Deep Learning basierte Quantifizierung von Lebervolumen und -fettgehalt aus der Dixon-MRT: Referenzkurven von über 66.000 Personen und deren Assoziation mit Outcomes

Matthias Jung (Freiburg)

weitere Autoren

Marco Reisert (Freiburg) / Lea Michel (Freiburg) / Zeynep Berkarda (Freiburg) / Saskia Jäck (Freiburg) / Susanne Rospleszcz (Freiburg) / Tobias Pischon (Berlin) / Thoralf Niendorf (Berlin) / Hans-Ulrich Kauczor (Heidelberg) / Henry Völzke (Greifswald) / Maximilian Russe (Freiburg) / Christopher Schlett (Freiburg) / Michael Lu (Boston, MA, USA) / Fabian Bamberg (Freiburg) / Vineet Raghu (Boston, MA, USA) / Jakob Weiß (Freiburg)

Zielsetzung

Mit einer weltweiten Prävalenz von 32,4 % stellt die steatotische Lebererkrankung (SLD) ein erhebliches Gesundheitsproblem dar und ist unabhängiger Risikofaktor für kardiometabolische Erkrankungen und Lebererkrankungen. Wir haben ein Deep Learning Modell zur Quantifizierung des Lebervolumens und der SLD in einer großen MRT-Population (NAKO und UK Biobank) entwickelt, um Referenzkurven zu berechnen und deren prognostischen Wert zu untersuchen.

Material und Methoden

Mit NAKO und UK Biobank-Daten haben wir ein Modell entwickelt, das MRTs als Input nimmt und Lebervolumen (L) und -fettanteil (FF, %) ausgibt. Etablierte FF-Grenzwerte wurden für leichte (5%), moderate (15%) und schwere (25%) SLD angewandt. Wir berechneten alters-, geschlechts- und größenadjustierte Referenzkurven und evaluierten den prognostischen Wert neu abgeleiteten Lebervolumen-Z-Score- (z<1; z=1-2; z>2) und der etablierten SLD-Kategorien für die Endpunkte Diabetes, Lebererkrankung und Gesamtmortalität in der UKBB. Cox-Regressionen untersuchten den Zusammenhang zwischen Volumen-Z-Score- und SLD-Kategorien mit Outcomes nach Adjustierung für Alter, Geschlecht, BMI, Ethnie und kardiometabolische Risikofaktoren (Glucose, Hb1Ac, Lipidpanel, Hypertonie, Krebserkrankung, Alkoholkonsum, Raucherstatus).

Ergebnisse

Bei 66.664 Personen (57,7±12,9 Jahre; BMI: 26,2±4,5 kg/m2, 48,3% weiblich) war die SLD-Prävalenz mit 80,4% hoch. In der UKBB (n=35.002) zeigte die multivariabel-adjustierte Cox-Regression, dass eine schwere SLD mit einem erhöhten Risiko für Diabetes (adjustierte Hazard Ratio [aHR] 2,66) und Lebererkrankungen (aHR 6,34) assoziiert war. Ein Lebervolumen-Z-Score >2 war mit einer höheren Gesamtmortalität (aHR 2,25) assoziiert.

Schlussfolgerungen

Die SLD-Kategorien und das nach Alter, Geschlecht und Größe normalisierte Lebervolumen sagten Outcomes über traditionelle Risikofaktoren hinweg voraus. Wir werden Lebervolumen-Referenzkurven zur Verbesserung der klinischen Risikobewertung und zur Erhöhung der Vergleichbarkeit in der Forschung veröffentlichen.

Teilnahme Young Investigator Award

14:05 - 14:10

Vortrag (Wissenschaft)

Körperzusammensetzungsanalyse mittels Ganzkörper-MRT und Deep Learning in zwei Kohortenstudien mit 50.000 Teilnehmern

Christian Johannes Mertens

weitere Autoren

Lisa Adams (München) / Keno Bressem (München) / Hartmut Häntze (Berlin) / Marcus Makowski (München) / Sebastian Ziegelmayer (München)

Zielsetzung

Diese Studie untersucht den Zusammenhang zwischen detaillierter Körperzusammensetzung, dem kardiometabolischen Risiko und dem Auftreten verschiedener Erkrankungen mithilfe von Ganzkörper-MRT-Daten.

Material und Methoden

Es wurden Ganzkörper-MRT-Daten von 30.000 Teilnehmern der Deutschen Nationalen Kohorte (NAKO) und 20.000 Teilnehmern der UK Biobank analysiert. Mithilfe Deep Learning-basierter Segmentierung wurden drei Fettkompartimente – abdominelles subkutanes Fettgewebe (ASAT), gluteofemorales Fettgewebe (GFAT), viszerales Fettgewebe (VAT) – sowie die Leberfett-Fraktion (LFF) und Skelettmuskelmasse (SMM) quantifiziert. Logistische Regressionsanalysen wurden durchgeführt, um den Zusammenhang zwischen den Parametern (adjustiert für Alter, Geschlecht, Größe und BMI) und dem Auftreten von Hypertonie, Typ-2-Diabetes, Hyperlipidämie, Gicht, Herzinsuffizienz und Osteoporose zu untersuchen.

Ergebnisse

VAT und LFF waren höher im Alter und bei Männern. Ein höheres Bildungsniveau, Einkommen und körperliche Aktivität waren mit geringeren Werten für SAT, VAT und LFF assoziiert. Vermehrtes VAT war unabhängig vom BMI mit einem signifikant erhöhten Risiko für alle untersuchten Erkrankungen assoziiert. Mit zunehmender LFF zeigte sich ein höheres Risiko für Hypertonie, Diabetes, Hyperlipidämie und Gicht. ASAT hatte neben einem geringen positiven Zusammenhang mit Hypertonie und Hyperlipidämie einen vorwiegend neutralen Effekt. GFAT wiederum war mit einem geringeren Risiko für Hypertonie, Diabetes und Hyperlipidämie assoziiert. Höhere SMM war mit einem geringeren Risiko für Diabetes und Herzinsuffizienz verbunden.

Schlussfolgerungen

Die Verteilung von Fettgewebe, insbesondere die Menge an VAT und GFAT, spielt eine wichtige Rolle bei der Beurteilung des kardiometabolischen Risikos. Die Deep Learning-basierte Segmentierung von Ganzkörper-MRT-Bildern ermöglicht eine präzise Körperzusammensetzungsanalyse und kann zur Identifizierung von Risikofaktoren in der Bevölkerung und zur Entwicklung präventiver Strategien beitragen.

Teilnahme Young Investigator Award

14:10 - 14:15

Vortrag (Wissenschaft)

Bestimmung des Leberfettgehalts mittels 2-Punkt-Dixon-MRI im Vergleich zu Multi-Echo-Dixon-MRI in einer bevölkerungsbezogenen Kohorte

Marc-Nicolas von Itter (Freiburg)

weitere Autoren

Tobias Nonnenmacher (Heidelberg) / Jürgen Machann (Tübingen) / Susanne Rospleszcz (Freiburg) / Fabian Bamberg (Freiburg) / Johanna Nattenmüller (Freiburg) / Tobias Norajitra (Heidelberg) / NAKO Consortium

Zielsetzung

Die steigende Prävalenz der mit metabolischer Dysfunktion assoziierten steatotischen Lebererkrankung (MASLD), früher NALFD, macht sie zu einer der führenden Lebererkrankungen und zu einem Risikofaktor für die Steatohepatitis, Zirrhose und das hepatozelluläre Karzinom. Da die MASLD potenziell reversibel ist, ist eine frühzeitige Erkennung entscheidend.

Material und Methoden

Ein validiertes nnU-Net Lebersegmentierungsmodell verarbeitete 10.636 MRT-Scans von NAKO-Teilnehmern unter Verwendung von 2-Punkt- (2p) und Multi-Echo- (me) Dixon-Daten. Im Fall von signifikanten Unterschieden der Segmentierungsmasken wurden diese Fälle für die weitere Analyse ausgeschlossen. Die Segmentierungsmasken wurden verwendet, um den mittleren Leberfettgehalt (LFC) aus 2p-Dixon-Daten zu berechnen, der dann mit dem Protonendichte-Fettanteil der me-Dixon-Daten verglichen wurde.

Ergebnisse

Die mittlere Gesamtdifferenz zwischen dem Fettanteil aus me-Dixon-Messungen und der 2p-Dixon-Fettschätzung beträgt -1,101±0,012%. 95% der gemessenen Unterschiede liegen im Bereich zwischen -3,821% und +1,391%. Im Mittel überschätzt der LFC aus 2p-Dixon-Daten den Leberfettgehalt im Vergleich zu den me-Dixon-Daten, insbesondere bei höherem Fettgehalt. Der Lebereisengehalt führte in unserer Kohorte nicht zu einem systemischen Offset, wobei anzumerken ist, dass nur Teilnehmer mit leichtem bis mittlerem Lebereisengehalt Teil unserer Stichprobe waren.

Schlussfolgerungen

Da die 2p-Dixon-Sequenz häufig für verschiedene klinische Fragestellungen akquiriert wird, die über die spezifische Leberbildgebung hinausgehen, kann die Bewertung des 2p-Dixon-basierten LFC, Personen mit MASLD auch in MRT-Untersuchungen, die aus anderen Gründen als der Leberbildgebung akquiriert werden, identifizieren und sie so einer ergänzenden Akquisition einer me-Dixon-Sequenz zuführen. Dies könnte den Betroffenen durch die frühzeitige Einleitung von Präventivmaßnahmen zugutekommen und die sozioökonomische Belastung durch die Komplikationen der MASLD verringern.

Teilnahme Young Investigator Award

14:15 - 14:20

Vortrag (Wissenschaft)

Häufigkeit und Verteilung der steatotischen Lebererkrankung (SLD) in der NAKO-Studie – Magnetresonanztomographie von 30.000 Probanden

Marc-Nicolas von Itter (Freiburg)

weitere Autoren

Tobias Nonnenmacher (Heidelberg) / Elena Grune (Freiburg) / Jürgen Machann (Tübingen) / Jakob Weiß (Freiburg) / Johanna Nattenmüller (Freiburg) / Tobias Norajitra (Heidelberg) / Susanne Rospleszcz (Freiburg) / NAKO Consortium

Zielsetzung

Die steatotische Lebererkrankung (SLD) und ihre Unterform, die mit metabolischer Dysfunktion assoziierte steatotische Lebererkrankung (MASLD), sind Risikofaktoren für kardiometabolische Erkrankungen, Leberzirrhose und das hepatozelluläre Karzinom und stellen eine große Belastung für das öffentliche Gesundheitssystem dar. Mit Hilfe der Magnetresonanztomographie in Deutschlands größter bevölkerungsbasierter Studie (NAKO) beschreiben wir die Häufigkeit von SLD und MASLD und bewerten die Verteilung nach Geschlecht, Alter, BMI, geografischer Region und sozioökonomischem Status.

Material und Methoden

Ein validiertes nnU-Net Lebersegmentierungsmodell verarbeitete 29.842 MRT-Scans von NAKO-Teilnehmern (44,1% Frauen) unter Verwendung T1-gewichteter 6-Punkt-Dixon-Daten. Die Segmentierungsmasken wurden zur Berechnung des mittleren Leberfettgehalts (LFC) verwendet. SLD wurde definiert als LFC ≥ 5,56 % und MASLD gemäß den etablierten Kriterien.

Ergebnisse

Die Gesamthäufigkeit von SLD und MASLD betrug 37,6% bzw. 31,8% bei Männern und 20,3% bzw. 18,6% bei Frauen. Die Häufigkeit nahm mit steigendem BMI und Alter zu, wobei die Verteilungsmuster bei Männern und Frauen unterschiedlich waren. Geografisch gesehen war die Häufigkeit einer SLD in Ostdeutschland am höchsten (40,6%). Ebenso war die Häufigkeit bei Personen mit niedrigem sozioökonomischem Status höher, wobei dieser Unterschied wiederum bei Frauen ausgeprägter war (Häufigkeit SLD bezogen auf hohen vs. niedrigen sozioökonomischen Status: 35,7% vs. 47,2% bei Männern und 17,1% vs. 37,9% bei Frauen).

Schlussfolgerungen

Die Häufigkeit von SLD und MASLD in Deutschland ist hoch, mit ausgeprägten Unterschieden je nach Geschlecht, Alter, BMI, geografischer Region und sozioökonomischem Status. Unsere Ergebnisse bieten eine solide Grundlage für die Abschätzung der Auswirkungen dieser Lebererkrankungen auf die öffentliche Gesundheit in Deutschland.
14:20 - 14:25

Vortrag (Wissenschaft)

KI-basierte Body Composition Analyse der CT-Scans von COPD-Patienten – eine multizentrische Studie

Sophia Hettinger (Heidelberg)

weitere Autoren

Bettina Budai (Heidelberg) / Verena Wagner (Heidelberg) / Viktoria Palm (Heidelberg) / René Hosch (Essen) / Felix Nensa (Essen) / Oyunbileg von Stackelberg (Heidelberg) / Hans-Ulrich Kauczor (Heidelberg) / Jürgen Biederer (Heidelberg)

Zielsetzung

Diese Studie konzentrierte sich auf die KI-gestützte Body Composition Analyse (BCA) von CT-Scans als Alternative zur bioelektrischen Impedanzanalyse (BIA) zur Identifizierung von COPD-Patienten mit hohem Sarkopenie-Risiko. Ziel war es, lineare Regressionsmodelle zu entwickeln, um die Fettmasse (FM), fettfreie Masse (FFM), Skelettmuskelmasse (SMM) und gesamte Muskelmasse (MM) der Patienten vorherzusagen.

Material und Methoden

Insgesamt erhielten 571 COPD-Patienten (349 Männer, Alter 65,5 ± 8,6 Jahre) aus einer prospektiven multizentrischen Studie (COSYCONET) ein CT-Thorax und eine BIA. Die KI-gestützte BCA der inspiratorischen Thorax-CTs wurde mit dem Algorithmus “Body and Organ Analysis” (BOA) durchgeführt. Aus den Volumina von Muskeln, Knochen und Fettgewebe wurden mithilfe standardisierter Gewebedichten die Massen ermittelt. Eine lineare Regression des geschätzten Thorax-Gewichts, angepasst an das Gesamtgewicht, wurde verwendet, um Residuen zu extrahieren. Diese Residuen wurden mit den jeweiligen CT-basierten Messwerten, Alter, Geschlecht, Gewicht und Größe zur Vorhersage der BIA-Ergebnisse genutzt. Die Zuverlässigkeit der CT-gestützten BCA wurde mit Intraklassenkorrelationen (ICC) bewertet. Die Leistungsfähigkeit des CT-basierten fettfreien Masse-Index (FFMI) zur Identifizierung von Patienten mit hohem Sarkopenie-Risiko wurde mithilfe der ROC-Kurvenanalyse untersucht.

Ergebnisse

Die geschätzte Body Composition korrelierte gut mit den BIA-Werten und zeigte ICCs von 0,90 (FM), 0,94 (FFM), 0,92 (SMM) und 0,92 (MM). Der CT-basierte FFMI erreichte einen ICC von 0,88 und identifizierte Hochrisikopatienten für Sarkopenie mit einer AUC, Genauigkeit, Sensitivität und Spezifität von 0,903, 88,3%, 88,7% und 88,2%. Der Gwets AC1 von 0,82 deutete auf eine ausgezeichnete Übereinstimmung zwischen den Methoden hin.

Schlussfolgerungen

Die KI-gestützte Body Composition Analyse von Thorax-CTs könnte genutzt werden, um BIA-basierte Messungen von COPD-Patienten abzuschätzen und Patienten mit hohem Sarkopenie-Risiko zu identifizieren.
14:25 - 14:30

Vortrag (Wissenschaft)

Automatisierte Erfassung der Sarkopenie bei Patienten mit nicht-kleinzelligem Lungenkarzinom und Prognoseabschätzung mittels CT-Radiomics der Skelettmuskulatur

Daniel Vogele (Ulm)

weitere Autoren

Michael Kemmer (Ulm) / Michael Götz (Ulm) / Meinrad Beer (Ulm)

Zielsetzung

Sarkopenie gilt als negativer prognostischer Faktor bei Tumorerkrankungen wie zum Beispiel nicht-kleinzelligen Lungenkarzinomen (NSCLC). Sarkopenie kann anhand der routinemäßig durchgeführten Computertomografie (CT) im Rahmen des Stagings erfasst werden.

Material und Methoden

Retrospektiv ausgewertet wurden insgesamt 2836 CT-Untersuchungen von 293 Patienten mit NSCLC. Sarkopenie wurde mittels geschlechtsspezifischen Cutoff-Werten des Skeletal Muscle Index (SMI) bestimmt. Der SMI wurde für jeden Patienten zu mindestens zwei Zeitpunkten manuell erhoben und mit Hilfe dieser Erhebungen ein U-Net für die automatisierte Segmentierung trainiert. Das klinische Outcome, definiert als progressionsfreies Überleben und Gesamtüberleben, wurde mittels multivariater Cox-Regression hinsichtlich Alter, Geschlecht, Stadium, Primärtherapie und Sarkopenie analysiert. Zusätzlich wurden die CT-Radiomics der Skelettmuskulatur analysiert.

Ergebnisse

184 (62,8%) männliche und 109 (37,2%) weibliche Patienten wurden untersucht. Das mediane Alter zum Zeitpunkt der Diagnose betrug 64 Jahre (1. Quartile 58 Jahre, 3. Quartile 72 Jahre). Zum Diagnosezeitpunkt waren 163 (55,6%) der Patienten sarkopen, 130 Patienten (44,4%) waren nicht sarkopen. In der multivariaten Analyse war Sarkopenie zum Diagnosezeitpunkt ein negativer Einflussfaktor für das Gesamtüberleben (Hazard Ratio = 1,525 [1,097-2,119]). Sarkopenie als zeitabhängige Variable war ein negativer Prädiktor für das progressionsfreie Überleben und das Gesamtüberleben (Hazard Ratio = 2,959 [2,085 – 4,199] und 1,593 [1,186 – 2,138]). Mit den CT-Radiomics der initialen CT ließ sich das Vorliegen und die Entwicklung einer Sarkopenie mit einer Accuracy von 0,744 und einer AUC von 0,77 vorhersagen.

Schlussfolgerungen

Sarkopenie kann bei NSCLC-Patienten anhand von routinemäßig durchgeführten Staging-CTs automatisiert erfasst werden und stellt einen negativen prognostischen Faktor hinsichtlich des klinischen Outcomes dar.
14:30 - 15:00

Diskussion

Diskussion

Runlog

Öffnen