ČASOPIS ČESKÉ PEDIATRICKÉ SPOLEČNOSTI A SLOVENSKEJ PEDIATRICKEJ SPOLOČNOSTI

Čes-slov Pediat 2025, 80(5):235-238 | DOI: 10.55095/CSPediatrie2025/041

Sedem aktuálnych trendov umelej inteligencie v pediatrii

Andrej Thurzo1, Ľudmila Podracká2
1 Klinika ortodoncie a regeneratívnej a forenznej stomatológie, Lekárska fakulta Univerzity Komenského, Bratislava
2 Detská klinika, Lekárska fakulta Univerzity Komenského, Národný ústav detských chorôb, Bratislava

Umelá inteligencia (AI) si rýchlo nachádza uplatnenie v pediatrii naprieč rôznymi oblasťami medicíny. Tento prehľad predstavuje sedem najaktuálnejších tém využitia AI v

starostlivosti o detských pacientov, vrátane diagnostického zobrazovania, prediktívnej analytiky na včasné varovanie pred zhoršením stavu, personalizovanej medicíny s dôrazom na genomiku a farmakogenomiku, podpory pri diagnostike neurovývojových a behaviorálnych porúch, inteligentných klinických rozhodovacích systémov, t

elemedicíny a diaľkového monitorovania, ako aj etických výziev spojených so zavádzaním AI u detí. V každej z týchto oblastí už výskum ukazuje hmatateľné prínosy - od zlepšenia presnosti a rýchlosti diagnostiky až po možnosť individualizovať liečbu a zefektívniť starostlivosť. Zároveň upozorňujeme na špecifiká detskej populácie, ktoré si vyžadujú opatrnosť pri vývoji a nasadzovaní AI, najmä pokiaľ

ide o kvalitu dát, bezpečnosť, transparentnosť a etické zásady. Pre pediatrov je dôležité oboznámiť sa s možnosťami aj limitáciami umelej inteligencie, aby mohli zodpovedne využiť jej potenciál na zlepšenie zdravotnej starostlivosti o deti.

Klíčová slova: umelá inteligencia, pediatria, strojové učenie, diagnostika, personalizovaná medicína, telemedicína, etika AI

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

ACS AIP APA ASA Harvard Chicago Chicago Notes IEEE ISO690 MLA NLM Turabian Vancouver
Thurzo A, Podracká Ľ. Sedem aktuálnych trendov umelej inteligencie v pediatrii. Ces-slov Pediat. 2025;80(5):235-238. doi: 10.55095/CSPediatrie2025/041.
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. . Rajpurkar P, Irvin J, Zhu K, et al. CheXNet: radiologist-level pneumonia detection on chest X-rays with deep learning. [Internet]. 2017 [cit. 12. 7. 2025]. Dostupné z: https: //arxiv.org/pdf/1711.05225
    2. . Field EL, Tam W, Moore N, McEntee M. Efficacy of artificial intelligence in the categorisation of paediatric pneumonia on chest radiographs: a systematic review. Children 2023; 10(3): 576. Přejít k původnímu zdroji...
    3. . Fairchild KD. Predictive monitoring for early detection of sepsis in neonatal ICU patients. Curr Opin Pediatr 2013; 25(2): 172-179. Přejít k původnímu zdroji...
    4. . Daniel R, Jones H, Gregory JW, et al. Predicting type 1 diabetes in children using electronic health records in primary care in the UK: development and validation of a machine-learning algorithm. Lancet Digit Health 2024; 6(6): e386-e395. Přejít k původnímu zdroji...
    5. . Hassan M, Awan FM, Naz A, et al. Innovations in genomics and big data analytics for personalized medicine and health care: a review. Int J Mol Sci 2022; 23(9): 4645. Přejít k původnímu zdroji...
    6. . Kováč P, Jackuliak P, Bražinová A, et al. Artificial intelligence-driven facial image analysis for the early detection of rare diseases: legal, ethical, forensic, and cybersecurity considerations. AI 2024; 5(3): 990-1010. Přejít k původnímu zdroji...
    7. . Barker CIS, Groeneweg G, Maitland-van der Zee AH, et al. Pharmacogenomic testing in paediatrics: clinical implementation strategies. Br J Clin Pharmacol 2022; 88(10): 4297-4310. Přejít k původnímu zdroji...
    8. . Clark MM, Hildreth A, Batalov S, et al. Diagnosis of genetic diseases in seriously ill children by rapid whole-genome sequencing and automated phenotyping and interpretation. Sci Transl Med 2019; 11(489). Přejít k původnímu zdroji...
    9. . Kyselicová K, Baroková Ž, Dukonyová D, et al. Language deficit in boys with autism spectrum disorder in relation to maternal reproductive health, endocrine disruptors, and delivery method. Ceska Gynekol 2024; 89(5): 360-369. Přejít k původnímu zdroji...
    10. . Megerian JT, Dey S, Melmed RD, et al. Evaluation of an artificial-intelligence-based medical device for diagnosis of autism spectrum disorder. NPJ Digit Med 2022; 5(1): 57. Přejít k původnímu zdroji...
    11. . Chen J, Chen C, Xu R, Liu L. Autism identification based on the intelligent analysis of facial behaviors: an approach combining coarse- and fine-grained analysis. Children 2024; 11(11): 1306. Přejít k původnímu zdroji...
    12. . Ramgopal S, Sanchez-Pinto LN, Horvat CM, et al. Artificial intelligence-based clinical decision support in pediatrics. Pediatr Res 2023; 93(2): 334-341. Přejít k původnímu zdroji...
    13. . Thurzo A. Provable AI ethics and explainability in medical and educational AI agents: trustworthy ethical firewall. Electronics 2025; 14(7): 1294. Přejít k původnímu zdroji...
    14. . Peyroteo M, Ferreira IA, Elvas LB, et al. Remote monitoring systems for patients with chronic diseases in primary health care: systematic review. JMIR Mhealth Uhealth 2021; 9(12): e28285. Přejít k původnímu zdroji...
    15. . Palacios C, Hernandez J, Ajmal A, et al. Digital health, technology-driven or technology-assisted interventions for the management of obesity in children and adolescents. Cochrane Database Syst Rev. 2025; 7(7). Přejít k původnímu zdroji...
    16. . Thurzo A, Kurilová V, Varga I. Artificial intelligence in orthodontic smart application for treatment coaching and its impact on clinical performance of patients monitored with AI-teleHealth system. Healthcare 2021; 9(12): 1695. Přejít k původnímu zdroji...
    17. . Surovková J, Haluzová S, Strunga M, et al. The new role of the dental assistant and nurse in the age of advanced artificial intelligence in telehealth orthodontic care with Dental Monitoring: preliminary report. Appl Sci 2023; 13(8): 5212. Přejít k původnímu zdroji...
    18. . Thurzo A, Thurzo V. Embedding fear in medical AI: a risk-averse framework for safety and ethics. AI 2025; 6(5): 101. Přejít k původnímu zdroji...
    19. . Muralidharan V, Burgart A, Daneshjou R, Rose S. Recommendations for the use of pediatric data in artificial intelligence and machine learning (ACCEPT-AI). NPJ Digit Med 2023; 6(1): 166. 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