Wprowadzenie i cel pracy. Problematyka sztucznej inteligencji jest stosunkowo nowym zagadnieniem w naukach medycznych. Regularnie pojawiają się publikacje dotyczące jej zastosowań w medycynie. Często dotyczą one wykorzystania algorytmów głębokiego uczenia, opartego na sieciach neuronowych, które są w stanie rozpoznać zmiany chorobowe widoczne na obrazie. Celem pracy jest omówienie możliwości wykorzystania sztucznej inteligencji w medycynie, szczególnie w radiologii i patomorfologii, oraz przedstawienie osiąganych dzięki niej wyników. Metody przeglądu. W marcu 2021 roku przeszukano bazę danych Medline (PubMed) oraz Google Scholar przy użyciu słów kluczowych: "artificial intelligence", "deep learning", "machine learning", "digital pathology", "convolutional neural network". Wybrano prace opublikowane w języku angielskim, w latach 2015-2021. Opis stanu wiedzy. Istnieje wiele doniesień o zastosowaniach sztucznej inteligencji w medycynie, głównie w dziedzinie radiologii i patomorfologii. Badania pokazują, że samouczące się algorytmy są w stanie z dokładnością zbliżoną do oceny przeprowadzonej przez lekarzy, a niekiedy nawet większą, wykryć zmiany chorobowe na zdjęciu rentgenowskim, tomografii komputerowej czy na zdjęciu preparatu mikroskopowego. W przedstawionych badaniach zauważalne są istotne korzyści wynikające z synergistycznego działania lekarzy i sztucznej inteligencji. Podsumowanie. Wyniki uzyskiwane przez algorytmy oparte na sztucznej inteligencji świadczą o tym, że może ona usprawniać proces diagnozowania pacjentów, głównie dzięki uzupełnianiu wiedzy i doświadczenia lekarzy. Ważną kwestią jest również to, że korzystanie przez lekarzy z samouczących się algorytmów zmniejsza ryzyko popełnienia błędu ludzkiego, np. niezauważenia zmiany chorobowej widocznej na zdjęciu rentgenowskim.