Infektološki glasnik, Vol. 43 No. 3, 2023.
Pregledni rad
https://doi.org/10.37797/ig.43.3.3
Umjetna inteligencija u radiološkoj dijagnostici plućnih infekcija: sustavni pregled literature prema smjernicama PRISMA
Fran Posavec
; Health Center Zagreb – East, Zagreb, Croatia
Dušica Kasun
; Faculty of Medicine, Catholic University of Croatia, Zagreb, Croatia
Alemka Markotić
; Faculty of Medicine, Catholic University of Croatia, Zagreb, Croatia; University Hospital for Infectious Diseases "Dr. Fran Mihaljević", Zagreb, Croatia
Petra Margetić
; Faculty of Medicine, Catholic University of Croatia, Zagreb, Croatia; Clinical Hospital Center „Sestre milosrdnice“, Zagreb, Croatia
Klaudija Višković
; Faculty of Medicine, Catholic University of Croatia, Zagreb, Croatia; University Hospital for Infectious Diseases "Dr. Fran Mihaljević", Zagreb, Croatia
*
* Dopisni autor.
Sažetak
Cilj: Plućne infekcije, uključujući bakterijske i virusne pneumonije te tuberkulozu (TB), i dalje predstavljaju značajan globalni javnozdravstveni problem. Umjetna inteligencija (UI), posebice metode dubokog učenja pokazale su velik potencijal za unaprjeđenje radiološke dijagnostike primjenom rendgenskih snimki prsnog koša (RTG) i kompjutorizirane tomografije (CT). Cilj ovog preglednog rada bio je analizirati noviju znanstvenu literaturu o postignućima UI u radiološkoj interpretaciji slikovnih pretraga bolesnika s pneumonijom i tuberkulozom.
Metode: Sustavni pregled literature proveden je u skladu sa smjernicama PRISMA 2020. Analizirane su studije na engleskom jeziku objavljene između 1. siječnja 2023. i 31. prosinca 2025. koje su procjenjivale alate UI za otkrivanje plućnih infekcija u odraslih osoba.
Rezultati: Ukupno su identificirane 182 studije, od kojih je dvadeset zadovoljilo kriterije uključivanja (trinaest studija o pneumoniji i sedam o tuberkulozi). Većina istraživanja koristila je konvolucijske neuronske mreže (CNN) trenirane na velikim skupovima slikovnih podataka. Za otkrivanje pneumonije modeli umjetne inteligencije postigli su osjetljivost od 80% do 97% i specifičnost od 85% do 95%, uz objedinjene procjene od 88% odnosno 90%. Modeli za otkrivanje tuberkuloze pokazali su vrlo visoku učinkovitost, s osjetljivošću do 99%.
Zaključak: Umjetna inteligencija pokazuje visoku dijagnostičku točnost i značajan potencijal za primjenu u torakalnoj radiologiji. Međutim, za njezinu rutinsku primjenu u kliničkoj praksi i dalje su potrebne dodatne studije vanjske validacije i prospektivna istraživanja.
Ključne riječi
Umjetna inteligencija; duboko učenje; pneumonija; tuberkuloza; rendgenska snimka prsnog koša; kompjutorizirana tomografija
Hrčak ID:
352445
URI
Datum izdavanja:
19.10.2026.
Posjeta: 0 *