20.500.12556/DKUM-96449 Optimizacija delovnih tokov v radiologiji z umetno inteligenco: pregled trenutnih dokazov Optimizing radiology workflows with artificial intelligence: a review of current evidence Umetna inteligenca hitro revolucionira radiologijo, saj izboljšuje natančnost diagnoz, poenostavlja delovne tokove in zagotavlja podporo pri odločanju. Vendar pa je vključevanje umetne inteligence v vsakdanjo klinično prakso še vedno neenakomerno, saj ga ovirajo tehnične, etične, organizacijske in družbene težave. Ta raziskava predstavlja sistematičen pregled svetovne literature, pri čemer uporablja opisne in kompilacijske metode pregleda literature. Ugotovitve kažejo, da lahko umetna inteligenca izboljša stopnjo odkrivanja raka, pospeši nujne diagnoze in zagotovi upravljanje prek strukturiranih okvirov izvajanja. Hibridni modeli, ki združujejo umetno inteligenco s strokovnim znanjem radiologov, so zelo priljubljeni med pacienti in javnostjo, vendar ostajajo pomisleki glede preglednosti, odgovornosti in zaupanja. Klinični zdravniki poročajo o večji sprejemljivosti, kadar so orodja intuitivna in minimalno moteča, medtem ko so ovire nestabilno delovanje, nestrukturirano izvajanje in družbeno-organizacijski dejavniki. Kljub temu ostajajo kritične vrzeli glede dolgoročnih izidov za paciente, gospodarskega vpliva in integracije v okoljih z omejenimi viri. Umetna inteligenca ima transformativni potencial v radiologiji. Njena uspešna integracija bo odvisna od sodelovanja med različnimi zainteresiranimi stranmi, trdnosti upravljanja in pristopov usmerjenih v pacienta, podprtih z obsežnimi, prospektivnimi raziskavami. Artificial intelligence is quickly revolutionizing radiology by enhancing diagnostic accuracy, streamlining workflows, and providing decision support. However, the integration of AI into everyday clinical practice remains uneven, hindered by technical, ethical, organizational, and social challenges. This study offers a systematic review of global literature, employing both descriptive and compilation methods. The findings indicate that artificial intelligence can improve cancer detection rates, accelerate urgent diagnoses, and provide governance through structured implementation frameworks. Hybrid models, which combine Artificial intelligence with radiologist expertise, are strongly preferred by patients and the public; however, concerns persist regarding transparency, accountability, and trust. Clinicians report greater acceptance when tools are intuitive and minimally disruptive, while barriers include unstable performance, unstructured implementation, and socio-organizational factors. Nonetheless, critical gaps remain regarding long-term patient outcomes, economic impact, and integration in low-resource contexts. Artificial intelligence has transformative potential in radiology. Its successful integration will depend on cross-stakeholder collaboration, robust governance, and patient-centered approaches, supported by large-scale, prospective research. radiologija umetna inteligenca optimizacija implementacija potek dela radiology artificial intelligence optimization implementation workflow true false false [I. Konovalova] Slovenski jezik Angleški jezik Magistrsko delo/naloga 2026-01-09 17:28:34 2026-03-12 09:18:11 2026-03-13 03:13:36 0000-00-00 00:00:00 2026 0 Maribor 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 616-073.7+004.8(043.2) 269725699 MAG_Konovalova_Ineia_2026.pdf MAG_Konovalova_Ineia_2026.pdf 1 1DE464362C6196DCF1EA6C36EE8364B4 29e7230278657b81c46d4e1eebeb43349845f295a72e49a25d9a6b9f05e9bff0 d85fa17a-ed7d-11f0-8729-00155d580e02 https://dk.um.si/Dokument.php?lang=slv&id=201875 Fakulteta za zdravstvene vede 0 0 0