Uvod: Tehnološkim napretkom dolazi do sve veće uporabe radioloških snimanja, a povećanjem broja snimanja dolazi do povećanog radnog opterećenja radiologa. Pokretačem primjene AI u radiologiji smatra se upravo smanjenje radnog opterećenja radiologa i potreba za bržom i preciznijom uspostavom dijagnoze.

Cilj rada: Cilj ovog rada, objavljenog u časopisu Radiološki vjesnik, je približiti čitatelju implementaciju AI u radiologiji, posebno kod modaliteta MRI te na koji način algoritmi dubokog učenja pospješuju rekonstrukciju slike.

Rasprava: Brojna su istraživanja potvrdila značaj implementacije strojnog učenja, podskupa umjetne inteligencija, u radiološki sustav. U ovom preglednom radu izdvojena su brojna istraživanja primjene dubokog učenja kod magnetne rezonancije, a naglasak je na modelima za automatsku segmentaciju. Automatska segmentacija pokazala je izvrsne rezultate kod ranog otkrivanja osteoartritisa, zatim kod puknuća prednjeg križnog ligamenta i meniska, najčešćih ozljeda koljena, a također se u novije vrijeme model dubokog učenja istaknuo i kod automatske procjene koštane dobi. Automatskom segmentacijom postigla se, prije svega visoka točnost i preciznost, objektivnost i ušteda vremena.

Zaključak: Dosadašnja istraživanja već su istaknula značajnu prednost primjene strojnog učenja u radiologiji te iznimnu kompatibilnost u radu radiologa i strojnog učenja, čime se postižu precizne i brze dijagnoze. Sve je to veliki poticaj za daljnja istraživanja, a tehnološki napredak zasigurno će ubrzati njegovu integraciju u kliničku praksu.

Petra Kujundžić, Tatjana Matijaš