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 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 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 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.

Jetzt teilnehmen

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.

RadiSSO-Login

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.

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

Refresher-Kurs mit WISS

Radiologie und IT - New Report - Wie LLMs unseren Alltag verändern

Radiologie und IT - New Report - Wie LLMs unseren Alltag verändern
Samstag, 12. April 2025 · 10:15 bis 11:45 Uhr
12
Apr

Samstag, 12. April 2025

10:15 bis 11:45 Uhr · ZoomWebinar  in Kalender übernehmen:   iCal  ·  Google
Teilnehmen

Veranstaltungsdetails

Veranstalter
Deutsche Röntgengesellschaft e.V.
Art
Refresher-Kurs mit WISS
Thema
IT/ Bildverarbeitung / Software
Zielgruppe
Andere, Ärzte in Weiterbildung (AiW), Fachärzte, Ingenieure / Naturwiss., Studenten

Zertifizierungen

2 CME-Punkte Kategorie A

Informationen

Das ist eine Veranstaltung der AGIT - AG Informationstechnologie.

Anwesenheiten

Moderation
Christian Lücke (Leipzig)
Daniel Pinto dos Santos (Mainz)

Ablauf

10:15 - 10:30

Vortrag (Fortbildung)

Workflow- und Befundungsunterstützung durch LLMs

Lisa Adams (München)

10:30 - 10:45

Vortrag (Fortbildung)

Geliebter Lügner: Pitfalls bei LLMs

Daniel Truhn (Aachen)

10:45 - 11:00

Vortrag (Fortbildung)

Sind wir bald alle Forscher? LLMs, Registries und Co.

Daniel Paech (Bonn)

11:00 - 11:05

Vortrag (Wissenschaft)

Nutzung von GPT-4o mit kontextbasierten Ansätzen für eine verbesserte Abfrage von ACR RADS-Richtlinien

Joseph Sieber (Bonn)

weitere Autoren

Babak Salam (Bonn) / Sebastian Nowak (Bonn) / Alois Martin Sprinkart (Bonn) / Narine Mesropyan (Bonn) / Julian Luetkens (Bonn) / Alexander Isaak (Bonn)

Zielsetzung

Ziel dieser explorativen Studie war es, die Leistung nicht-kontext- und kontextbasierter Large Language Modell Ansätze von GPT-4o bei verschiedenen Abfragen zu ACR RADS Richtlinien (American College of Radiology Reporting and Data Systems) zu untersuchen.

Material und Methoden

Insgesamt wurden 200 unterschiedliche Fragen zu ACR RADS-Richtlinien erstellt: CAD-RADS, BI-RADS, LI-RADS, PI-RADS und Lung-RADS (jeweils 40 Prompts pro Richtlinie). 10 % der Fragen (4 pro RADS-Leitlinie) waren so konzipiert, dass sie Informationen abfragten, die nicht explizit von den entsprechenden Leitlinien abgedeckt wurden. Die Prompts wurden GPT-4o mittels drei verschiedener Methoden präsentiert: (1) ohne benutzerdefinierten Kontext auf ChatGPT Plus, (2) mit den entsprechenden RADS-Richtlinien als PDF auf ChatGPT Plus und (3) unter Verwendung eines RAG kontextbasierten Ansatzes auf Perplexity Pro. Die Performance wurde insgesamt und nach spezifischem RADS-Thema berechnet. Der McNemar-Test wurde verwendet. Zur Bewertung von Unterschieden in der Antwortzeit der LLMs wurden gepaarte t-Tests verwendet.

Ergebnisse

Das kontextbasierte Modell GPT-4o mit PDF-Datei beantwortete 180 von 200 Fragen (90%, CI 95%: 86, 94) richtig, das RAG-Modell 166 von 200 (83%, CI 95%: 77, 88) und das nicht-kontextbasierte Modell 140 von 200 (70%, CI 95%: 64, 76); P<0.001 für GPT4o PDF vs. nicht-kontextbasiertes GPT4o bzw. P<0.001 für GPT4o RAG vs. nicht-kontextbasiertes GPT4o. Die durchschnittliche Beantwortungszeit für die Antwort war zwischen den Modellen ähnlich lang (GPT-4o mit PDF: 13,6s, GPT-4o mit RAG: 13,5s, GPT4o ohne Kontext: 13,6s; alle P>0,05).

Schlussfolgerungen

Die kontextbasierte Nutzung von GPT-4o mit spezifischen Richtliniendokumenten übertrifft signifikant nicht-kontextbasierte Ansätze bei Abfragen zu ACR RADS-Richtlinien. LLMs können in Zukunft eine wesentliche Unterstützung bei der klinischen Entscheidungsfindung werden.
11:05 - 11:10

Vortrag (Wissenschaft)

Fehlererkennung in Radiologischen Befundberichten: Eine Vergleichsanalyse zwischen kommerziellen Closed-source- und datenschutzkonformen Open-Source-Large Language-Modellen

Babak Salam (Bonn)

weitere Autoren

Claire Stüwe (Bonn) / Sebastian Nowak (Bonn) / Alois M. Sprinkart (Bonn) / Maike Theis (Bonn) / Dmitrij Kravchenko (Bonn) / Narine Mesropyan (Bonn) / Tatjana Dell (Bonn) / Christoph Endler (Bonn) / Claus C. Pieper (Bonn) / Daniel L. Kuetting (Bonn) / Julian A. Luetkens (Bonn) / Alexander Isaak (Bonn)

Zielsetzung

Large Language Modelle (LLMs) wie der Generative Pre-trained Transformer 4 (GPT-4) können dabei helfen, Fehler in radiologischen Befunden zu erkennen, jedoch schränken Datenschutzbedenken ihre klinische Anwendbarkeit ein. Diese Studie vergleicht Closed-source (CS)- und datenschutzkonforme Open-Source (OS)-LLMs hinsichtlich ihrer Fähigkeit, häufige Fehler in radiologischen Befunden zu identifizieren.

Material und Methoden

Insgesamt wurden 120 radiologische Befunde zusammengestellt (jeweils 30 von Röntgen, Ultraschall, CT und MRT). In 100 dieser Befunde wurden 397 Fehler aus fünf Fehlerkategorien (typografische Fehler, numerische Fehler, Diskrepanzen zwischen Befund und Interpretation, Auslassung/Einfügung, Interpretationsfehler) eingefügt; 20 Befunde blieben unverändert. Zwei kommerzielle CS-Modelle (GPT-4, GPT-4o) und zwei OS-Modelle (Llama 3-70b, Mixtral 8x22b) wurden mit identischen Eingabeaufforderungen zur Fehlererkennung beauftragt. Für die statistische Analyse wurden der Kruskal-Wallis-Test und der gepaarte t-Test verwendet.

Ergebnisse

OS-LLMs benötigten weniger Verarbeitungszeit pro radiologischem Befund als die CS-LLMs (6 ± 2 s vs. 13 ± 4 s; p<.001). CS-LLMs erzielten höhere Fehlererkennungsraten als Open-Source-LLMs (GPT-4o: 88% [348/397; 95%CI: 80, 87], GPT-4: 83% [328/397; 95%CI: 86, 92], Llama 3-70b: 82% [311/397; 95%CI: 76, 83], Mixtral 8x22b: 68% [288/397; 95%CI: 68, 77]; p<.001). Numerische Fehler (88% [67/76; 95%CI: 82, 93]) wurden signifikant häufiger erkannt als typografische Fehler (75% [65/86; 95%CI: 68, 82]; p=.018), Diskrepanzen zwischen Befund und Interpretation (73% [73/101; 95%CI: 67, 80]; p=.003), sowie Interpretationsfehler (70% [50/71; 95%CI: 62, 78]; p=.001).

Schlussfolgerungen

OS-LLMs zeigten eine effektive Fehlererkennung, jedoch mit vergleichsweise geringerer Genauigkeit als derzeit verfügbare kommerzielle CS-Modelle. Sie bieten Potenzial für Anwendung im klinischen Alltag, wenn sie datenschutzkonform über lokal gehostete Lösungen bereitgestellt werden.

Teilnahme Young Investigator Award

11:10 - 11:15

Vortrag (Wissenschaft)

Vorhersage der Lokalisation von Hirnstammischämien anhand der Symptome: Vergleich der diagnostischen Genauigkeit eines großen Sprachmodells und Neurologen

Kai Roman Laukamp (Köln)

weitere Autoren

Thomas Dratsch (Köln) / Pia Floßdorf (Köln) / Agni Konitsioti (Köln) / Lukas Volz (Köln) / Uta Hanning (Hamburg) / Daniel Pinto dos Santos (Köln) / Lukas Görtz (Köln) / David Zopfs (Köln) / Christoph Kabbasch (Köln) / Marc Schlamann (Köln) / Jonathan Kottlors (Köln) / Michael Schönfeld (Köln)

Zielsetzung

Die Erkennung von Hirnstammischämien mittels MRT ist herausfordernd. Große Sprachmodelle (LLM) wie GPT-4 haben gezeigt, dass sie die diagnostische Qualität in der radiologischen Diagnostik durch die Integration klinischer Informationen verbessern können. Deswegen haben wir die Genauigkeit von GPT-4 bei der Vorhersage des Ortes von Hirnstammischämien basierend auf neurologischen Symptomen in diffusionsgewichteten MRT-Aufnahmen (DWI) untersucht und mit der Genauigkeit von Neurologen verglichen.

Material und Methoden

Wir haben 109 Patienten mit akuten Hirnstammischämien, die mittels MRT und neurologische Untersuchungen diagnostiziert wurden, eingeschlossen. GPT-4 und drei Neurologen (mit 2, 11 und 14 Jahren Erfahrung) haben, basierend auf den neurologischen Symptomen der Patienten, den Ort der Hirnstammischämie vorhergesagt. Die Lokalisationen waren Mesencephalon, Pons oder Medulla oblongata, sowie entweder links- oder rechtsseitig. GPT-4 wurde mit einem „Chain-of-Thought“-Ansatz befragt. Hierbei legt GPT-4 seinen Denkprozess dar, um genauere Ergebnisse zu erlangen.

Ergebnisse

Die Vorhersagen von GPT-4 zeigten eine signifikant höhere Gesamtgenauigkeit von 56,0% [95% CI: 46,5 - 65,4] im Vergleich zu den drei Neurologen, deren Genauigkeiten bei 36,7% [95% CI: 27,5 - 45,9], 36,7% [95% CI: 27,5 - 45,9] und 32,1% [95% CI: 23,2 - 41,0] lagen (alle p≤0,5).

Schlussfolgerungen

GPT-4 zeigt Potenzial, Ärzte bei der Erkennung von Hirnstammischämien zu unterstützen. Allerdings sind Verbesserungen der Genauigkeit notwendig, bevor es in den klinischen Arbeitsablauf integriert werden kann.
11:15 - 11:45

Diskussion

Diskussion

Häufige Fragen

Erst anmelden, dann teilnehmen!

Sie interessieren sich für ein RÖKO DIGITAL 2025-Webinar? Dann melden Sie sich bitte bis spätestens 1 Stunden vor Beginn der Veranstaltung einmalig für den RÖKO DIGITAL 2025 des 106. Deutschen Röntgenkongress – Kongress für medizinische Radiologie und bildgeführte Therapie an, damit wir Sie rechtzeitig für alle Angebote freischalten können.

Wenn Ihr Arbeitgeber eine Gruppenanmeldung vorgenommen hat, müssen Sie sich mit einem Anmelde-Code, den Sie vom Arbeitgeber erhalten, für die Teilnahme einmalig registrieren. Mit Eingabe des Codes ist die Anmeldung für Sie kostenfrei.

Alle Informationen zur Anmeldung und Gruppenanmeldung für den RÖKO DIGITAL 2025 erhalten Sie unter Anmeldung.

Teilnahme an RÖKO DIGITAL 2025-Webinaren

Bitte beachten Sie, dass Sie sich für jedes Webinar separat einloggen müssen!
Bei jeder Veranstaltung finden Sie rechts einen Button "Teilnehmen".

Jetzt teilnehmen!
Ab 10 Minuten vor Beginn des Webinars können Sie sich direkt ins Webinar einloggen. Voraussetzungen: Sie haben die Teilnahme am Kongress gebucht und Ihre Login-Daten zur Hand. DRG- und DGMTR-Mitglieder verwenden Ihre Zugangsdaten für den Mitgliederbereich. Nichtmitglieder nutzen bitte die Login-Daten, welche für die Anmeldung / Registrierung eingesetzt wurden.

Sie möchten ein Webinar für sich in Ihrer Merkliste vormerken!
Wenn Sie die Teilnahme am RÖKO DIGITAL 2025 bereits gebucht haben und bereits einige Zeit vor dem Webinar-Termin sich diesen vormerken wollen, klicken Sie auf den Button "Teilnehmen" und folgen Sie dem "RadiSSO-Login"-Button. Nach erfolgreichem Login kehren Sie automatisch auf die Seite zurück und erhalten eine Bestätigung über die erfolgreiche Vormerkung für die Teilnahme am Webinar. Wenn Sie sich für die Teilnahme vorgemerkt haben, kehren Sie kurz vor Beginn der Veranstaltung zurück, klicken Sie auf den "Teilnehmen"-Button oder falls Sie bereits eingeloggt sind auf den "Zum Webinar"-Button.
Ihre vorgemerkte Webinare finden Sie in Ihrem persönlichen RÖKO DIGITAL 2025-Programm im Benutzermenü.

Aufzeichnungen der Webinare auf conrad, der digitalen Lernplattform der DRG

Zugriff auf die Aufzeichnungen der Webinare auf conrad, der digitalen Lernplattform der DRG, ist ausschließlich den DRG-/DGMTR-Mitgliedern vorbehalten. Die Verfügbarkeit einer Webinar-Aufzeichnung wird nicht garantiert. Voraussetzung ist die Zustimmung der Referent:innen. Alle Aufzeichnungen werden bis zum 31.12.2026 abrufbar sein.

Möchten Sie als Nicht-Mitglied auch im Anschluss die Webinar-Aufzeichnungen ansehen, so ist der Abschluss einer DRG-/DGMTR-Mitgliedschaft erforderlich. Nutzen Sie zugleich alle weiteren Vorteile und werden Sie jetzt Mitglied in der DRG!

Sobald dieses Webinar in "conrad" verfügbar ist, erhalten Sie, anstelle des "Teilnehmen"-Buttons einen "Webinar in conrad"-Button, um direkt zum Webinar im conrad, der digitalen Lernplattform der DRG, zu gelangen.

Fortbildungspunkte (CME) / Teilnahmebescheinigung

Alle wissenschaftlichen Fortbildungsveranstaltungen werden bei der Landesärztekammer (LÄK) Berlin zertifiziert. Die Landesärztekammer vergibt 1 CME-Punkt pro Lehreinheit (45 Minuten), somit rechnen wir mit der Vergabe von 2 CME-Punkten pro 90 Minuten-Session.

Wenige Tage nach einem Live-Webinar erhalten Sie den Nachweis über Ihre Teilnahme per E-Mail. Darin werden auch die CME-Punkte ausgewiesen.

Bitte beachten Sie: Um Ihre Teilnahmedaten automatisch an die LÄK übermitteln zu können, benötigen wir Ihre Einheitliche Fortbildungsnummer (EFN). Diese können Sie bei Ihrem Mitgliedsantrag oder der Veranstaltungsanmeldung (Online-Anmeldeformular) angeben oder uns vor Teilnahme an den Webinaren per E-Mail an kongress@drg.de mitteilen.
Die automatische Übermittlung erfolgt ab dem Zeitpunkt des Vorliegens der EFN. Für zurückliegende Teilnahmebescheinigungen müssen Sie diese selbstständig bei der LÄK einreichen. Liegt uns Ihre EFN nicht vor, müssen Sie Ihre Teilnahmebescheinigung bei der zuständigen LÄK, bei der Ihr Fortbildungspunktekonto geführt wird, selbstständig einreichen.

CME-Punkte werden nur für Live-Webinare, jedoch nicht für das Ansehen der Aufzeichnungen auf conrad, der digitalen Lernplattform der DRG, vergeben.

Wann werden meine Fortbildungspunkte an die Landesärztekammer weitergeleitet?

Damit die Fortbildungspunkte innerhalb von fünf Arbeitstagen nach dem Webinar an den EIV* weitergeleitet werden können, ist es Voraussetzung, dass uns Ihre EFN bereits vorliegt oder dass Sie uns diese bei der Anmeldung zum RÖKO DIGITAL 2025 übermitteln.

Mitglieder der Deutschen Röntgengesellschaft können diese selbstständig im DRG-Mitgliederbereich eintragen.

Weitere Fragen finden Sie in unserer RÖKO DIGITAL 2025-FAQ.
Werden Sie auch dort nicht fündig, rufen Sie uns gern via  030 - 916 070 - 66 an oder schreiben Sie eine E-Mail an kongress@drg.de.

Runlog

Öffnen