Das ist eine Meldung
Stet clita kasd gubergren, no sea takimata sanctus est. Ut labore et dolore aliquyam erat, sed diam voluptua.
WISS 301
Thoraxradiologie VI - COVID-19 & Co.
19
MaiVeranstaltungsdetails
- Veranstalter
- Deutsche Röntgengesellschaft e.V.
- Art
- Wissenschaftliche Sitzung
- Thema
- Thoraxradiologie
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
- Julia Ley-Zaporozhan (München)
Mark Oliver Wielpütz (Greifswald)
Ablauf
10:10 - 10:15
Vortrag (Wissenschaft)
Pulmonale computertomographische Manifestationen in geimpften und nicht geimpften Patient*innen mit Covid-19-Infektion
Esther Adele Askani (Freiburg im Breisgau)
Zielsetzung
Ziel dieser Studie war es CT-graphische pulmonale Manifestationen bei geimpften und nicht geimpften Covid-19 Patient*innen zu untersuchen, um mögliche Veränderungen in der CT-graphischen Manifestation von Covid-19-Pneumonien in einem Setting einer zunehmenden Durchimpfung festzustellen.
Material und Methoden
Die Studienpopulation dieser retrospektiven monozentrischen Kohortenstudie bestand aus Covid-19-Patient*innen, welche während ihres Krankenhausaufenthaltes im Universitätsklinikum Freiburg von Juli 2021 bis Februar 2022 ein Thorax-CT erhielten. Die Thorax-CTs wurden mittels qualitativen Scoring-Systemen (RSNA, CORADS), Analyse von Bildmustern und semi-quantitativem Scoring des Ausmaßes der Lungenveränderungen untersucht. Patient*innen mit unbekanntem oder unvollständigem Impfstatus wurden aus der Datenanalyse ausgeschlossen. Es wurden uni- und multivariate Regressionsanalysen durchgeführt.
Ergebnisse
105 Patient*innen (70,47% männlich, 62.1 ± 16.79 Jahre, 53.3% vollständig geimpft) wurden in die Studie eingeschlossen. Sowohl in univariater Analyse als auch in multivariater Regressionsanalyse nach Adjustierung für mögliche Confounder wiesen nicht geimpfte Patient*innen signifikant häufiger das Vorliegen eines Crazy-Paving-Musters auf als geimpfte Patient*innen (OR: 7.09, 95% CI: [1.41; 46.07], p=0.024). Qualitative Scoring-Systeme zeigten zwar einen signifikanten Zusammenhang mit dem Impfstatus in univariater Analyse, dieser Zusammenhang hob sich jedoch nach Adjustierung um die Virusvarianten wieder auf. Die semi-quantitative Auswertung des Ausmaßes der Lungenveränderungen im Rahmen einer Covid-19-Infektion ergab keinen signifikanten Zusammenhang mit dem Impfstatus.
Schlussfolgerungen
Bei nicht geimpften Patient*innen mit Covid-19-Pneumonie lag im Vergleich zu geimpften Patient*innen ein Crazy-Paving-Muster mit einer 7-mal höheren Wahrscheinlichkeit vor. Die Ergebnisse unserer Studie lassen einen Einfluss von Virusvarianten auf das pulmonale CT-graphische Erscheinungsbild von Covid-19-Infektionen vermuten.
Teilnahme Young Investigator Award
10:15 - 10:20
Vortrag (Wissenschaft)
Dosisreduktion und Bildqualität bei der Photon-Counting-Detector-HRCT der Lunge
Dirk Graafen (Mainz)
Zielsetzung
Die Photon-Counting-Detector-Computertomographie (PCD-CT) hat das Potenzial, die CT-Bildgebung in vielerlei Hinsicht deutlich zu verbessern, insbesondere bei der hochauflösenden Niedrigdosis-CT (HRCT) der Lunge. Ziel dieser Studie war es, einen Intra-Patienten-Vergleich von Strahlendosis und Bildqualität der PCD-CT im Vergleich zur konventionellen Energy-Integrating-Detector-CT (EID-CT) durchzuführen.
Material und Methoden
Insgesamt 32 Patienten mit verfügbaren PCD- und EID-HRCT-Untersuchungen wurden in die Analyse einbezogen. Der CT-Dosisindex (CTDI) wurde aus den Dosisberichten der Patienten extrahiert. Die qualitative Bildanalyse umfasste das Lungenparenchym und die mediastinalen Strukturen und wurde von drei Untersuchern anhand einer 5-Punkte-Likert-Skala durchgeführt. Die quantitative Bildanalyse umfasste die Bewertung des Rauschens und des Signal-Rausch-Verhältnisses (SNR) in Lungenparenchym, Trachea, Aorta, Muskel und dem Hintergrund.
Ergebnisse
Der mittlere CTDI war bei den konventionellen EID-HRCT-Untersuchungen 2,0-mal höher (1,8 ± 0,5 mGy) im Vergleich zu PCD-HRCT (0,9 ± 0,5 mGy, p<0,001). Die Gesamtbildqualität wurde von allen drei Untersuchern bei der PCD-CT im Vergleich zur EID-CT signifikant besser bewertet (alle p<0,001). Die quantitative Analyse zeigte keine signifikanten Unterschiede bezüglich Rauschens und SNR im Lungenparenchym zwischen PCD-CT und EID-CT.
Schlussfolgerungen
In einem Intra-Patienten-Vergleich zeigte die PCD-HRCT im Vergleich zur konventionellen EID-HRCT eine ähnliche oder bessere objektive und subjektive Bildqualität bei deutlich reduzierter Dosis. Die Verbesserung der Bildqualität durch die PCD-CT hat das Potenzial, die diagnostische Sicherheit der Lungenbildgebung zu erhöhen. Die Auswirkungen auf die klinische Entscheidungsfindung müssen in weiteren Studien untersucht werden.
10:20 - 10:25
Vortrag (Wissenschaft)
Eine multizentrische Vergleichsstudie zur AI-gestützten Diagnose von COVID-19 in Thorax-CTs unter Verwendung verschiedener AI-Modelle
Thorsten Persigehl (Köln)
Zielsetzung
Vergleich der diagnostischen Performance verschiedener AI-Algorithmen in klinischen Thorax-CTs mit COVID-19 und anderen ambulant erworbenen, viralen und bakteriellen Pneumonien (AEP).
Material und Methoden
Retrospektive, multizentrische Studie basierend auf insgesamt 1591 Thorax-CT-Scans mit n=762 COVID-19 und n=829 AEP Patienten aus China und Deutschland. Alle COVID-19-Fälle wurden durch RT-PCR bestätigt und zeigten pulmonale Infiltrate in der CT. AEP-Fälle zeigten ebenfalls pulmonale Infiltrate und wurden durch eine mikrobiologische Diagnose oder einen typischen Bildbefund und negativen RT-PCR-Test bestätigt. CTs mit Lungentumoren, Tuberkulose, traumatischen und postoperativen narbigen Läsionen wurden ausgeschlossen. Für die COVID-19-Erkennung wurden drei verschiedene AI-Modelle mit unterschiedlichen Architekturen trainiert und validiert: CovNet basierend auf 2D-CNN, DeCoVnet basierend auf 3D-CNN und AD3DMIL basierend auf 3D-CNN mit attention modul. Der Input für diese Klassifizierungsmodelle waren lungenmaskierte CT-Scans zusammen mit dem entsprechenden Label (COVID-19 oder AEP). 991 CT-Scans wurden für das Training der AI-Modelle mittels 5-facher Kreuzvalidierung verwendet. 600 CT-Scans aus 6 verschiedenen Zentren wurden für den unabhängigen Test verwendet. Die Performance der Modelle wurde anhand von Genauigkeit (Gn), Sensitivität (Se), und Spezifität (Sp) bewertet.
Ergebnisse
Die durchschnittliche Validierungsgenauigkeit der Modelle CovNet, DeCoVnet, und AD3DMIL über die 5-fache Kreuzvalidierung betrug 80,9%, 82,0% und 84,3%. Auf dem unabhängigen Testsatz mit 600 CT-Scans erreichte CovNet Gn=76,6%, Se=67,8%, Sp=85,7%; DeCoVnet Gn=75,1%, Se=61,2%, Sp=89,7%; und AD3DMIL Gn=73,9%, Se=57,7%, Sp=90,8%.
Schlussfolgerungen
Verschiedene AI-Klassifizierungsmodelle weisen ein klinisches Potential zur Diagnose von COVID-19 in Thorax-CTs auf. Unsere Ergebnisse zeigen eine höhere Spezifität bei moderater Sensitivität. Die AI Performance hängt hierbei stark von den Trainingsdaten und weniger von der Architektur des Modells ab.
10:25 - 10:30
Vortrag (Wissenschaft)
Validierung des COV-RADS Klassifikationssystem zur Diagnose von COVID-19 in Thorax-CTs - eine nationale Analyse innerhalb von RACOON
Marwin-Jonathan Sähn (Aachen)
Zielsetzung
Die Testgütekriterien des COV-RADS Klassifikationssystem zur CT-grafischen Diagnose von COVID-19 in Thorax-CT Untersuchungen sollen anhand einer nationalen Kohorte bestimmt werden.
Material und Methoden
36 Unikliniken sammelten innerhalb des Radiologisch kooperativen Netzwerkes (RACOON) bis zum 15.02.2021 ca. 14000 CTs von COVID-19 Patienten, sowie gesunden und erkrankten Teilkohorten mit anderen infektiösen Erregern, chronischen Atemwegserkrankungen, interstitiellen Lungenerkrankungen (ILDs), vaskulären Erkrankungen mit Lungenbeteiligung, onkologischen Erkrankungen mit Thoraxbeteiligung und pleuralen Pathologien. Das COVRADS-Klassifikationssystem soll die Wahrscheinlichkeit des Vorliegens einer SARS-COV2-Infektion vorhersagen. COV-RADS 1 entspricht keinen entzündungs-kompatiblen Veränderungen, COV-RADS 2 einem auffälligen Befund der Lunge ohne COVID-19-Verdacht, und COV-RADS 3-5 einer aufsteigenden Wahrscheinlichkeit für eine COVID-19 assoziierten Pneumonie. Ein standardisiertes Befundungstemplate wurde zur strukturierten Befundung verwendet. Klinische Parameter wurden erhoben. Testgütekriterien, sowie Clopper-Pearson-95%-Konfidenzintervalle wurden bestimmt. Eine Receiver-operating-characteristic (ROC) Kurve wurde erstellt und die Area-under-the-curve (AUC) errechnet.
Ergebnisse
Nach Ausschluss unvollständiger Datensätze wurden insgesamt 4741 CT-Bilddatensätze eingeschlossen. Mittleres Alter, sowie Geschlechterverteilung waren zwischen COVID-19-Kohorte und Referenzkohorte vergleichbar.
Anhand der ROC wurde bei einer AUC von 0,861 COV-RADS 3 als bester Cut-Off bestimmt. Hierbei betrug die Sensitivität 87,2% (85,1-89,2%), die Spezifität 74,2% (72,7-75,6%), der PPV 48,5% (46,3-50,8%) und der NPV 95,4% (94,6-96,2%).
Anhand der ROC wurde bei einer AUC von 0,861 COV-RADS 3 als bester Cut-Off bestimmt. Hierbei betrug die Sensitivität 87,2% (85,1-89,2%), die Spezifität 74,2% (72,7-75,6%), der PPV 48,5% (46,3-50,8%) und der NPV 95,4% (94,6-96,2%).
Schlussfolgerungen
COV-RADS eignete sich zur Einschätzung der Wahrscheinlichkeit des Vorliegens einer SARS-CoV-2 Infektion, insbesondere mit hohem NPV.
Teilnahme Young Investigator Award
10:30 - 10:35
Vortrag (Wissenschaft)
CT-Fingerprinting von Lungenerkrankungen durch strukturierte Befundung: Ergebnisse aus dem RACOON-Projekt vom Standort Erlangen
Maximilian Bachl (Erlangen)
Zielsetzung
Lungenerkrankungen können sich in der Bildgebung durch viele unterschiedliche Phänotypen äußern. Durch strukturierte Befundung kann die radiologische Auswertung standardisiert und die retrospektive Analyse großer Datensätze ermöglicht werden. Unser Ziel war es, die bildgebenden Charakteristika aller im Radiological COOperative Network (RACOON) aufgeführten Lungenerkrankungen als zusammenfassenden Fingerabdruck zu visualisieren und die Ergebnisse zu bewerten.
Material und Methoden
Gemäß den RACOON-Vorgaben wurde am Standort Erlangen eine Kohorte (n=359) mit qualitätsgesicherten CT-Datensätzen unterschiedlicher Lungenerkrankungen erstellt und strukturiert befundet. Wir berechneten die Häufigkeiten der pathologischen Veränderungen und verwendeten RGB-Skalenvektoren und Farbintensitäten, um den bildgebenden Phänotyp als Fingerabdruck der jeweiligen Krankheit zu visualisieren.
Ergebnisse
Milchglastrübungen treten insbesondere bei infektiösen Lungenerkrankungen auf, jedoch mit deutlichem Gradienten zwischen COVID-19 (90 %), anderen viralen (78 %), bakteriellen (56 %), mykotischen (56 %) und mykobakteriellen (13 %) Erregern. Retikulationen sind am häufigsten bei interstitiellen Lungenerkrankungen (ILD, 61%) und strahleninduzierter Fibrose (73 %). Das Auftreten von Rundherden ist bei Pilzpneumonien (79 %), Tuberkulose (63 %) und metastasierenden Erkrankungen (94 %) vorherrschend, während das Bronchialkarzinom durch Rundherde (52 %), Raumforderungen (60 %) und Emphysem (53 %) gekennzeichnet ist. Für jede Lungenerkrankung wurde ein individueller Fingerprint errechnet.
Schlussfolgerungen
Mithilfe der strukturierten Befundung können die bildgebenden Phänotypen unterschiedlicher pulmonaler Erkrankungen charakterisiert und standardisiert erfasst werden. Komplexe CT-Datensätze können für zusammenfassende Vergleiche als CT-Fingerabdruck visualisiert werden. Künftig könnten strukturiert befundete Datensätze mit dem RACOON-Datensatz verglichen werden, um eine bessere automatische Bildinterpretation und Pandemievorsorge zu ermöglichen.
Teilnahme Young Investigator Award
10:35 - 10:40
Vortrag (Wissenschaft)
CT-gestützte Diagnose von COVID-19: In welchen Fällen ist der Einsatz eines KI-Assistenzsystems nützlich? Eine internationale Multicenter-Studie zur Evaluation von Mensch-Maschine-Interaktion.
Jonathan Kottlors (Köln)
Zielsetzung
Künstliche Intelligenz (KI) ist in der Lage COVID-19 von anderen Nicht-COVID-19-Pneumonien (nCP) in der Computertomographie (CT) zu unterscheiden. Die Kombination aus radiologischer Befundung unter Hinzunahme einer KI kann ebenfalls nützlich sein. Ziel vorliegender Studie ist eine quantitative Analyse einer Mensch-Maschine-Interaktion und die Identifizierung von Subgruppen bei welchen der Einsatz einer zuvor entwickelten KI zur Unterscheidung von COVID-19 und nCP besonders vorteilhaft ist.
Material und Methoden
Aus n = 1591 CT-Untersuchungen des Thorax wurde ein Subkollektiv (n = 180; 50 % COVID-19 / 50 % nCP) analysiert. Die Leistung von n= 8 Radiologen zur Differenzierung zwischen COVID-19 und nCP wurde gemessen. In einem ersten Durchgang wurde die Entscheidung ohne „KI-Hinweis“ getätigt, in einem zweiten Durchgang wurde ein „KI-Hinweis“ in Form des Ergebnisses des KI-Algorithmus hinzugezogen. Es wurden n = 2880 diagnostischen Entscheidungen bewertet.
Ergebnisse
Ohne KI-Assistenz lag die diagnostische Genauigkeit der Radiologen bei 79,1 % und stieg mit KI-Unterstützung auf 82,3 %. In den Untergruppen mit komplexen Fällen sowie bakteriellen nCP traten bei Verwendung der KI-Assistenz signifikant weniger Fehler auf (p<.05). Das Gleiche gilt für Fälle mit niedriger „Dianosesicherheit“ sowie längerer Befundungszeit der Radiologen (p<.05). Die Kombination aus niedriger „Dianosesicherheit“ und langer Befundungszeit ist ein signifikant prognostischer Wert für einen positiven Nutzen der Verwendung einer KI-Assistenz.
Schlussfolgerungen
Eine KI-Assistenz bei der radiologischen Differenzierung zwischen COVID-19 und nCP erhöht die diagnostische Genauigkeit, insbesondere in Fällen mit geringer radiologischer „Dianosesicherheit“ und gleichzeitig langer Befundungszeit.
Vorliegende Untersuchung liefert die Grundlage eines „individualisierten“ Einsatzes von KI in der radiologischen Diagnostik und liefert den Grundstein zu einer Quantifizierung eines implizierten Wissens in welchen Fällen eine KI-Assistenz nützlich ist.
Vorliegende Untersuchung liefert die Grundlage eines „individualisierten“ Einsatzes von KI in der radiologischen Diagnostik und liefert den Grundstein zu einer Quantifizierung eines implizierten Wissens in welchen Fällen eine KI-Assistenz nützlich ist.
10:40 - 10:45
Vortrag (Wissenschaft)
Prädiktion des Überlebens von Patienten mit idiopathischer pulmonaler Fibrose (IPF) mittels Analyse der Körperzusammensetzung im CT
Luca Salhöfer (Essen)
Zielsetzung
Das Ziel dieser Studie war es, die Voraussagekraft einer vollautomatisierten Analyse der Körperzusammensetzung (BCA) in Bezug auf das Gesamtüberleben von Patienten mit idiopathischer pulmonaler Fibrose (IPF) zu überprüfen.
Material und Methoden
In dieser retrospektiven Single-Center-Studie wurden insgesamt 79 Patienten (19 % weiblich) mit der Diagnose IPF untersucht. Basierend auf einer CT-Untersuchung des Thorax wurde eine vollautomatisierte BCA mittels eines 3D Multi-res U-Net durchgeführt. Die gesammelten Parameter wurden zu einem Sarkopenie- (Muskel-/Knochenvolumen) und einem Fettmarker (Gesamtfett-/Knochenvolumen) kombiniert. Anschließend wurde die Kohorte am Median der entsprechenden Biomarker geteilt und der Einfluss auf das Gesamtüberleben mittels der Kaplan-Meier-Methode und eines Log-Rank-Tests überprüft. Um nachzuvollziehen, ob die BCA-Parameter auch unabhängige Prädiktorvariablen sind wurde zusätzlich eine multivariate Cox-Regression durchgeführt.
Ergebnisse
Für beide aus der BCA abgeleiteten Biomarker (Sarkopenie, Fett) zeigt sich bei einer erhöhten (> Median) Ausprägung eine deutlich größere Überlebenswahrscheinlichkeit im Vergleich zu Patienten unterhalb des Medians (Sarkopeniemarker < Median: 16 Monate [Mo.] vs. > Median: 35 Mo. [p = 0,0658]); Fettmarker < Median: 14 Mo. vs. 44 Mo. [p < 0,0001]). Zusätzlich konnte in der multivariaten Analyse gezeigt werden, dass der Fettmarker u.a. in Bezug zu klinischen Parametern (z.B. Lungenfunktion, Komobiditäten) ein unabhängiger Vorhersageparameter ist (p = 0,003).
Schlussfolgerungen
Die vollautomatisierte BCA stellt eine Methode dar, Biomarker aus der CT abzuleiten, welche einen signifikanten Vorhersagewert für das Gesamtüberleben von IPF-Patienten haben. Somit könnten der Fett- und Sarkopeniemarker ein wichtiger Baustein im Management und bei der Risikostratifizierung von IPF-Patienten darstellen.
Teilnahme Young Investigator Award
10:45 - 10:50
Vortrag (Wissenschaft)
Image Quality and Radiation Dose of Contrast-Enhanced Chest-CT Acquired on a Clinical Photon-Counting Detector CT vs. Second-Generation Dual-Source CT in an Oncologic Cohort: Preliminary Results
Lukas Walder (Tübingen)
Zielsetzung
Our aim was to compare the image quality and patient dose of contrast-enhanced oncologic chest-CT of a first-generation photon-counting detector (PCD-CT) and a second-generation dualsource dual-energy CT (DSCT).
Material und Methoden
One hundred oncologic patients (63 male, 65±11 years, BMI: 16–42kg/m2) were prospectively enrolled and evaluated. Clinically indicated contrast-enhanced chest-CT were obtained with PCD-CT and compared to previously obtained chest-DSCT in the same individuals (median time interval: 3 months). PCD-CT was performed in QuantumPlus mode (obtaining full spectral information) at 120kVp. DSCT was performed using 100kV for Tube A and 140kV for Tube B. “T3D” PCD-CT images were evaluated, which emulate conventional 120keV polychromatic images. For DSCT, the convolution algorithm was set at I31f with class 1 iterative reconstruction, and for PCD-CT comparable Br40 kernel and iterative reconstruction strengths (Q1 and Q3). Two radiologists assessed image quality using a five-point Likert scale and performed measurements of vessels and lung parenchyma for signal-to-noise ratio (SNR), contrast-to-noise ratio (CNR), and for pulmonary metastases tumor-to-lung parenchyma contrast ratio.
Ergebnisse
PCD-CT CNRvessel was significantly higher than DSCT CNRvessel (all, p<0.05). Readers rated image contrast of mediastinum, vessels, and lung parenchyma significantly higher in PCD-CT than DSCT images (p<0.001). Q3 PCD-CT CNRlung_parenchyma was significantly higher than DSCT CNRlung_parenchyma and Q1 PCD-CT CNRlung_parenchyma (p<0.01). The tumor-to-lung parenchyma contrast ratio was significantly higher on PCD-CT than DSCT images (0.08±0.04 vs. 0.03±0.02, p<0.001). CTDI, DLP, SSDE mean values for PCD-CT and DSCT were 4.17±1.29mGy vs. 7.21±0.49mGy, 151.01±48.56mGy * cm vs. 288.64±31.17mGy * cm and 4.23±0.97 vs. 7.48±1.09.
Schlussfolgerungen
PCD-CT enables oncologic chest-CT with a significantly reduced dose while maintaining image quality similar to a second-generation DSCT for comparable protocol settings.
10:50 - 11:10
Diskussion
Diskussion
Häufige Fragen
Wie kann ich mich zum RÖKO WIESBADEN anmelden?
Alle Informationen zur Anmeldung für den RÖKO WIESBADEN erhalten Sie unter Anmeldung.
Um einen zügigen Zugang zum Kongress zu erhalten, empfehlen wir allen, die digitale Anmeldung im Vorfeld zu nutzen.
Eine persönliche Anmeldung in Wiesbaden können Sie ab dem 17.05.2023 vor Ort am Registrierungscounter im RheinMain CongressCenter (RMCC) vornehmen.
Für teilnahmebegrenzte Kurse (Workshops/MTR-Workshops/MTR-Klinik-Seminare) fallen gesonderte Teilnahmegebühren an. Wir empfehlen, diese frühzeitig mit der Online-Anmeldung zu buchen.
Wie stelle ich mein persönliches Kongressprogramm zusammen?
Um Ihnen die persönliche Kongressplanung im Rahmen des RÖKO WIESBADEN so einfach wie möglich zu machen, haben wir für Sie die Vormerken-Funktion eingeführt, mit deren Hilfe Sie Ihr persönliches Kongressprogramm zusammenstellen und jederzeit online darauf zugreifen können.
Informationen zum Vormerken finden Sie in der News "So gestalten Sie Ihr persönliches Programm für den RÖKO WIESBADEN", Ihr persönliches RÖKO WIESBADEN-Programm finden Sie im Benutzermenü in Listenansicht und als grafische Tagesansicht.
Ich halte einen Vortrag – was muss ich beachten?
Alle wichtigen Informationen rund um Ihren Vortrag beim 104. Deutschen Röntgenkongress in Wiesbaden haben wir für Sie unter "Informationen für Vortragende" zusammengestellt.
Wie erwerbe ich CME-Punkte auf dem RÖKO WIESBADEN?
Alle wissenschaftlichen Fortbildungsveranstaltungen werden von der Landesärztekammer (LÄK) Hessen zertifiziert. Die LÄK vergibt drei CME-Punkt pro Kongress-Halbtag.
Die teilnahmebegrenzten Workshops werden separat seitens der LÄK Hessen zertifiziert. Die zuerkannten CME-Punkte entnehmen Sie bitte den Programmeinträgen der einzelnen teilnahmebegrenzten Workshops.
Bitte beachten Sie: Sollten Sie als Fachärztin oder Facharzt Fortbildungspunkte erwerben, erfolgt die Übermittlung der gesammelten CME-Punkte nach dem RÖKO WIESBADEN automatisch an Ihre Ärztekammer. Voraussetzung hierfür ist, dass Ihre EFN im Registrierungssystem hinterlegt ist und Sie Ihren Kongressausweis zur Erfassung Ihrer Anwesenheit vor den Vortragssälen einscannen.
Falls Ihre EFN noch nicht hinterlegt ist, können Sie diese in dem Modul „Mein Account“ im Registrierungssystem ergänzen oder uns per E-Mail an registrierung-roeko@kukm.de mitteilen.
Wie erhalte ich Anwesenheits- bzw. Teilnahmebescheinigungen?
Sie können Ihre Teilnahmebescheinigung mit den ausgewiesenen CME-Punkten ca. Drei Wochen nach dem Kongress im Registrierungssystem abrufen. Sobald der Download möglich ist, werden Sie per E-Mal benachrichtigt.
Sofern Sie eine allgemeine Anwesenheitsbescheinigung – ohne Fortbildungspunkte – für den Tag Ihrer Anwesenheit benötigen, z.B. für Ihren Arbeitgeber, können Sie diese täglich ab 14:00 Uhr an den Self-Print-Säulen im Eingangsbereich ausdrucken.
Wie evaluiere ich den RÖKO WIESBADEN?
Bewerten Sie Vorträge auf dem Röntgenkongress 2023 in Wiesbaden, an denen Sie teilgenommen haben und nehmen Sie Einfluss auf das nächste Kongressprogramm!
Sie fragen sich, wie? Klicken Sie im Programmkalender, auf der Detailseite der entsprechenden Sitzung, auf den Evaluationslink und Sie werden anschließend zu den Evaluationsfragen der aktuellen Sitzung geführt und können dort Ihre Bewertung abgeben.
Wir haben für Sie alle Informationen zur Evaluation hier zusammengestellt.