ČASOPIS ČESKÉ PEDIATRICKÉ SPOLEČNOSTI A SLOVENSKEJ PEDIATRICKEJ SPOLOČNOSTI

Čes-slov Pediat 2025, 80(5):219-225 | DOI: 10.55095/CSPediatrie2025/042

Umělá inteligence v zobrazovacích metodách

Lukáš Lambert, Vojtěch Suchánek, Lukáš Mikšík, Jana Svítilová
Klinika zobrazovacích metod, Fakultní nemocnice v Motole, 2. lékařská fakulta Univerzity Karlovy, Praha

Rozvoj umělé inteligence (AI) přináší do zobrazovacích metod nové možnosti, které směřují k přesnější diagnostice, efektivnějšímu využití zdrojů a zlepšení komfortu pacienta. Ačkoli jsou koncepty AI známy již desítky let, teprve nedávné zrychlení vývoje výpočetních kapacit umožnilo jejich širší uplatnění v klinické praxi. Článek přináší přehled hlavních oblastí využití AI v pediatrické radiologii,

kde limitující faktor často představuje dostupnost kvalitních trénovacích dat.

AI systémy se uplatňují v různých fázích radiologického procesu: od optimalizace objednávání a plánování vyšetření přes bezkontaktní biometrické řízení akvizice až po pokročilou rekonstrukci obrazu s nižší radiační zátěží či kratším časem vyšetření. V oblasti interpretace snímků napomáhá AI detekci patologií, kvantifikaci nálezů (např. stanovení skeletálního věku, antropometrických parametrů) a mů

že přispět ke standardizaci a srozumitelnějšímu sdělení nálezu pacientovi.

Přestože AI není náhradou za erudovaného radiologa, její podpůrná role je v mnoha aspektech výhodná a neustále se rozšiřuje. Významné výzvy zůstávají v oblasti etiky, zodpovědnosti za interpretaci a ekonomické udržitelnosti.

Korespondující autor:

Klíčová slova: umělá inteligence, zobrazovací metody, rentgen, výpočetní tomografie, magnetická rezonance, kontrastní látka

Přijato: 3. září 2025; Zveřejněno: 1. červen 2025  Zobrazit citaci

ACS AIP APA ASA Harvard Chicago Chicago Notes IEEE ISO690 MLA NLM Turabian Vancouver
Lambert L, Suchánek V, Mikšík L, Svítilová J. Umělá inteligence v zobrazovacích metodách. Ces-slov Pediat. 2025;80(5):219-225. doi: 10.55095/CSPediatrie2025/042.
Sdílet...
Stáhnout citaci
  • BibTeX (.bib)
  • Bookends (.ris)
  • EasyBib (.ris)
  • EndNote (.enw)
  • EndNote 8 (.xml)
  • ISI WoS (.isi)
  • Medlars (.medlars)
  • Mendeley (.ris)
  • MODS (.xml)
  • Papers (.ris)
  • RefWorks (.txt)
  • RefManager (.ris)
  • RIS (.ris)
  • MS Word (.xml)
  • Zotero (.ris)
    • Zobrazit celý článek

    Reference

    1. . Hua SB, Heller N, He P, et al. Lack of children in public medical imaging data points to growing age bias in biomedical AI. medRxiv 2025.06.06.2532891. Přejít k původnímu zdroji...
    2. . Dillman JR, Somasundaram E, Brady SL, et al. Current and emerging artificial intelligence applications for pediatric abdominal imaging. Pediatr Radiol 2022; 52(11): 2139-2148. Přejít k původnímu zdroji...
    3. . Otjen JP, Moore MM, Romberg EK, et al. The current and future roles of artificial intelligence in pediatric radiology. Pediatr Radiol 2022; 52(11): 2065-2073. Přejít k původnímu zdroji...
    4. . Hull NC, Frush DP, Chu WC, et al. Pediatric Imaging 2040. Radiology 2025; 315(2): e250378.
    5. . Valenzuela-Núñez C, Latorre-Núñez G, Troncoso-Espinosa F. Smart medical appointment scheduling: Optimization, machine learning, and overbooking to enhance resource utilization. IEEE Access 2024; 12: 7551-7562. Přejít k původnímu zdroji...
    6. . Rasche A, Brader P, Borggrefe J, et al. Impact of intelligent virtual and AI-based automated collimation functionalities on the efficiency of radiographic acquisitions. Radiography. 2024;30(4):1073-9. Přejít k původnímu zdroji...
    7. . Zhang F, Peng L, Zhang G, et al. Artificial intelligence iterative reconstruction for dose reduction in pediatric chest CT: a clinical assessment via below 3 years patients with congenital heart disease. J Thorac Imag 2025; 40(4): e0827. Přejít k původnímu zdroji...
    8. . Choi JW, Cho YJ, Lee SB, et al. Accelerated brain magnetic resonance imaging with deep learning reconstruction: a comparative study on image quality in pediatric neuroimaging. Pediatr Radiol 2025: 1-2. doi: 10.1007/s00247-025-06314-2 Přejít k původnímu zdroji... Přejít na PubMed...
    9. . Pocepcova V, Zellner M, Callaghan F, et al. Deep learning-based denoising image reconstruction of body magnetic resonance imaging in children. Pediatr Radiol 2025; 55(6): 1235-1244. Přejít k původnímu zdroji...
    10. . Ashworth E, Allan E, Pauling C, et al. Artificial intelligence (AI) in radiological paediatric fracture assessment: An updated systematic review. Eur Radiol 2025. doi: 10.1007/s00330-025-11449-9 Přejít k původnímu zdroji... Přejít na PubMed...
    11. . Guermazi A, Tannoury C, Kompel AJ, et al. Improving radiographic fracture recognition performance and efficiency using artificial intelligence. Radiology 2022; 302(3): 627-636. Přejít k původnímu zdroji...
    12. . Monti CB, Bianchi LM, Rizzetto F, et al. Diagnostic performance of an artificial intelligence model for the detection of pneumothorax at chest X-ray. Clin Imaging 2025; 117: 110355. Přejít k původnímu zdroji...
    13. . Nguyen T, Hermann AL, Ventre J, et al. High performance for bone age estimation with an artificial intelligence solution. Diagn Interv Imaging 2023; 104(7-8): 330-336. Přejít k původnímu zdroji...
    14. . Lassalle L, Regnard NE, Ventre J, et al. Automated weight-bearing foot measurements using an artificial intelligence-based software. Skeletal Radiol 2025; 54(2): 229-41. Přejít k původnímu zdroji...
    15. . Phan TV, Sima DM, Beelen C. et al. Evaluation of methods for volumetric analysis of pediatric brain data: The Childmetrix pipeline versus adult-based approaches. Neuroimage Clin 2018; 19: 734-744. Přejít k původnímu zdroji...
    16. . Bhayana R. Chatbots and large language models in radiology: a practical primer for clinical and research applications. Radiology 2024; 310(1): e232756. Přejít k původnímu zdroji...
    17. . Ahmadzade M, Morón FE, Shastri R, et al. AI-assisted post contrast brain MRI: eighty percent reduction in contrast dose. Academic Radiology 2024. doi: 10.1016/j.acra.2024.10.026 Přejít k původnímu zdroji... Přejít na PubMed...
    18. . Khanna NN, Maindarkar MA, Viswanathan V, et al. Economics of artificial intelligence in healthcare: diagnosis vs. treatment. Healthcare (Basel) 2022; 10(12): 2493. Přejít k původnímu zdroji...

    Tento článek je publikován v režimu tzv. otevřeného přístupu k vědeckým informacím (Open Access), který je distribuován pod licencí Creative Commons Attribution 4.0 International License (CC BY 4.0), která umožňuje distribuci, reprodukci a změny, pokud je původní dílo řádně ocitováno. Není povolena distribuce, reprodukce nebo změna, která není v souladu s podmínkami této licence.


    Zpět na obsah