| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Izpis gradiva Pomoč

Naslov:Optimizacija delovnih tokov v radiologiji z umetno inteligenco: pregled trenutnih dokazov
Avtorji:ID Konovalova, Ineia (Avtor)
ID Štiglic, Gregor (Mentor) Več o mentorju... Novo okno
ID Gosak, Lucija (Komentor)
Datoteke:.pdf MAG_Konovalova_Ineia_2026.pdf (6,04 MB)
MD5: 1DE464362C6196DCF1EA6C36EE8364B4
 
Jezik:Slovenski jezik
Vrsta gradiva:Magistrsko delo/naloga
Tipologija:2.09 - Magistrsko delo
Organizacija:FZV - Fakulteta za zdravstvene vede
Opis: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.
Ključne besede:radiologija, umetna inteligenca, optimizacija, implementacija, potek dela
Kraj izida:Maribor
Založnik:[I. Konovalova]
Leto izida:2026
PID:20.500.12556/DKUM-96449 Novo okno
UDK:616-073.7+004.8(043.2)
COBISS.SI-ID:269725699 Novo okno
Datum objave v DKUM:12.03.2026
Število ogledov:132
Število prenosov:22
Metapodatki:XML DC-XML DC-RDF
Področja:FZV
:
Kopiraj citat
  
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:Bookmark and Share



Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Licence

Licenca:CC BY-NC-ND 4.0, Creative Commons Priznanje avtorstva-Nekomercialno-Brez predelav 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by-nc-nd/4.0/deed.sl
Opis:Najbolj omejujoča licenca Creative Commons. Uporabniki lahko prenesejo in delijo delo v nekomercialne namene in ga ne smejo uporabiti za nobene druge namene.
Začetek licenciranja:09.01.2026

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Optimizing radiology workflows with artificial intelligence: a review of current evidence
Opis: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.
Ključne besede:radiology, artificial intelligence, optimization, implementation, workflow


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici