AI

AI u evaluaciji plućnih nodula: veća detekcija, bez vremenske dobiti u realnoj praksi (American Journal of Roentgenology)

Upotreba alata veštačke inteligencije (AI) za evaluaciju plućnih nodula na niskodoznim CT (LDCT) pregledima dovodi do značajnog povećanja detekcije klinički relevantnih nalaza, ali bez skraćenja vremena interpretacije u realnim kliničkim uslovima. Ovi nalazi potiču iz prospektivne, randomizovane studije objavljene u martu 2026. godine u American Journal of Roentgenology. Studija je sprovedena kao randomizovano ispitivanje u realnom kliničkom okruženju, sa ciljem procene efekta AI asistencije na rad radiologa u skrining populaciji asimptomatskih ispitanika. Ukupno 911 ispitanika randomizovano je u grupu sa AI podrškom (n=447) i grupu bez AI (n=464). U interventnoj grupi korišćen je komercijalni AI sistem integrisan u PACS, koji

Velika analiza stvarne koristi AI modela u kliničkoj medicini

Od javnog objavljivanja ChatGPT-a u novembru 2022. godine, veliki jezički modeli (LLM) podstakli su značajne promene u oblasti medicinske veštačke inteligencije, često pokazavši sposobnost rešavanja složenih problema i apstraktnog zaključivanja, iako te funkcije nisu bile eksplicitno programirane u njihovoj arhitekturi. Takođe su pokazali sposobnost prilagođavanja novim zadacima na osnovu primera ili dodatnih informacija unetih u upitu, kao i sposobnost razumevanja i izvršavanja komandi izraženih prirodnim jezikom. Upravo ove karakteristike dovele su do naglog porasta interesovanja za potencijalnu primenu LLM modela u kliničkoj medicini, sa vrlo širokim spektrom mogućih primena: modeli mogu odgovarati na medicinska pitanja pacijenata, sažimati kliničke beleške i

Lekari i dalje bolji od veštačke inteligencije u čitanju PET/CT snimaka

Lekari su značajno nadmašili GPT-5 i pet drugih velikih jezičkih modela (LLM) u tumačenju snimaka pozitronske emisione tomografije/kompjuterizovane tomografije (PET/CT) izvođene uz primenu radiofarmaka fluor-18 fluorodeoksiglukoze (F-18 FDG) kod pacijenata sa karcinomom jednjaka, izvestila je grupa istraživača iz Japana. U kolekciji od 120 snimaka odraslih pacijenata koji su bili podvrgnuti snimanju radi preoperativnog stejdžinga, četiri lekara različitog nivoa iskustva identifikovala su lokalizaciju tumora sa značajno većom preciznošću u poređenju sa LLM modelima, navodi se u studiji. „Iako aktuelni LLM modeli još nisu dostigli nivo preciznosti lekara što se tiče stejdžinga, noviji modeli pokazuju potencijal u pružanju pomoći u pojedinim dijagnostičkim

AI unapređuje prepoznavanje preporuka za kontrolna radiološka snimanja (NEJM Catalyst)

Propuštene preporuke za nastavak radiološkog praćenja (follow-up) predstavljaju značajan, ali često potcenjen bezbednosni rizik u savremenim zdravstvenim sistemima. Kada radiolog u nalazu preporuči kontrolu, na primer, kontrolni CT za tri meseca ili MR pregled radi praćenja suspektne lezije, ta preporuka bi morala biti precizno prepoznata, evidentirana i sprovedena. U svakodnevnoj praksi, najčešće usled velikog obima posla, deo ovih kritičnih preporuka ostaje neregistrovan. Studija objavljena 18. februara u časopisu NEJM Catalyst pokazuje da sistemi zasnovani na agentima veštačke inteligencije (AI) mogu drastično unaprediti identifikaciju takvih preporuka unutar radioloških izveštaja. Ograničenja trenutnih sistema: Problem „makroa“ U zdravstvenom sistemu Parkland u Dalasu, još 2018. godine