RöKo 2018 – Schmerzhafter Prozess von Erfolg gekrönt
Dosismanagement ist gewöhnungsbedürftig. Doch es lohnt sich, wie Michael Forsting vom Universitätsklinikum Essen aufgrund eigener Erfahrungen festgestellt hat.
Dosismanagement ist gewöhnungsbedürftig. Doch es lohnt sich, wie Michael Forsting vom Universitätsklinikum Essen aufgrund eigener Erfahrungen festgestellt hat.
Mit 3D-Fusionsbildgebung lassen sich Untersuchungszeit, Kontrastmitteldosis und Strahlenbelastung signifikant senken. Die Technik ist aber nicht immer einsetzbar. Im Vortrag wird eine Machbarkeitsstudie vorgestellt.
Künstliche Intelligenz wird die Arbeit von RadiologInnen erleichtern – davon ist Hinrich B. Winther, Medizinische Hochschule Hannover (MHH), überzeugt. Er stellte eindrückliche Ergebnisse seines Deep-Learning-Ansatzes am Herzen vor, der auf sorgfältig validierten Daten beruht.
Die Zukunft der IT in der Radiologie hängt an einem guten Zusammenspiel zwischen Menschen. Die Anforderungen erstrecken sich von einer qualitativ hochwertigen Datenübertragung bis zur Anwendung Künstlicher Intelligenz.
Die aktuellste Generation der DSCT-Scanner liefert neue Möglichkeiten zur Anpassung des Röhrenstroms, was zur Strahlenreduktion beitragen kann.
Die S3-Leitlinie empfiehlt die MRT für das Staging von High-Risk-Patienten mit Prostatakarzinom, denn sie verbessert die Therapieentscheidung. Tobias Franiel gab Empfehlungen zu optimalen Sequenzen.
Die kardiale CT hat ihre Hauptindikation zwar weiterhin in der Diagnostik der Koronargefäße, sie erwirbt sich aber zunehmend Bedeutung für extrakoronare Indikationen.
Artefakte in der MRT sind so genannte Scheinphänomene, teilweise mit skurriler Anmutung. Sie zeigen Strukturen, die auf diese Weise nicht mit dem tatsächlichen Erscheinungsbild des untersuchten Gewebes übereinstimmen. Wie lassen sie sich vermeiden?
Im europäischen kardiale MR/CT-Register wurden in den letzten fünf Jahren über 200.000 Untersuchungen dokumentiert, mehr als die Hälfte (n = 114.849) waren MR-Bildgebungen.
Lernende Systeme sollen die Diagnostik verbessern. Doch was passiert, wenn die richtige Diagnose so selten ist, dass sie vom System wegen Unwahrscheinlichkeit nicht ausgewählt wird?