ШТУЧНИЙ ІНТЕЛЕКТ У ПЕДІАТРІЇ: СУЧАСНИЙ СТАН І ПЕРСПЕКТИВИ
DOI:
https://doi.org/10.24061/2413-4260.XVI.2.60.2026.1Ключові слова:
штучний інтелект; Педіатрія; педіатри; моделі машинного навчання; нейронні мережі; безпека даних.Анотація
Штучний інтелект (ШІ) здійснив технологічну революцію в постіндустріальному суспільстві, освітній і науковій сферах і нині має значний потенціал щодо поліпшення медичної допомоги дітям.
Мета: на підставі аналізу літературних джерел узагальнити останні досягнення у дослідженнях та клінічному застосуванні штучного інтелекту у Педіатрії та визначити перспективні напрями його застосування.
Матеріали та методи. Інформаційний пошук та аналіз наукових джерел проведено із використанням наукометричної бази ресурсу PubMed (https://pubmed.ncbi.nlm.nih.gov/) за останні 10 років.
Результати. Педіатрія нині увійшла до п’яти провідних медичних напрямів, де у 2025 році реалізовувалась найбільша кількість науково-дослідних робіт та інновацій у сфері застосування інструментів ШІ. Лідируючі спеціальності від Онкології до Педіатрії помітно випереджають інші клінічні напрями, що свідчить про концентрацію інвестицій та дослідницьких зусиль саме у цих сферах. Так, за останні 10 років кількість наукових робіт щодо застосування ШІ в Педіатрії зросла у 22,5 рази (зі 145 у 2016 році до 3271 у 2025 році). Найбільша кількість публікацій у дитячій хірургії (596), дитячій гематології (485), дитячій радіології (373) та онкології (273) підтверджує, що інструменти ШІ найшвидше впроваджуються у галузі Педіатрії там, де використовуються значні обсяги цифрових даних обстежень (рентгенографія, КТ, МРТ, відеопотоки з операцій). Проте впровадження ШІ стикається з технічними проблемами, пов’язаними з якістю та упередженістю щодо отриманих даних, етичними питаннями та питаннями конфіденційності, нормативно-правовими аспектами, а також проблемами вартості та доступності. Ключові області перспективного застосування ШІ включають діагностичну та прогностичну аналітику на основі нейронних мереж, дистанційний моніторинг стану пацієнтів з використанням цифрових додатків, епідеміологічні дослідження на основі значних масивів даних, роботизовану допомогу в хірургії та реабілітації, а також 3D-друк для створення індивідуальних пристроїв та сучасних лікарських препаратів.
Посилання
Galdo B, Pazos C, Pardo J, Solar A, Llamas D, Fernández-Blanco E, et al. Artificial intelligence in paediatrics: Current events and challenges. Anales De Pediatria. 2024;100(3):195-201. DOI: https://doi.org/10.1016/j.anpede.2024.02.009
| 
Mizna S, Arora S, Saluja P, Das G, Alanesi WA. An analytic research and review of the literature on practice of artificial intelligence in healthcare. Eur J Med Res. 2025;30(1):382. DOI: https://doi.org/10.1186/s40001-025-02603-6
Boch S, Sezgin E, Lin Linwood S. Ethical artificial intelligence in paediatrics. Lancet Child Adolesc Health. 2022;6(12):833-5. DOI: https://doi.org/10.1016/s2352-4642(22)00243-7
|
Li Y, Zhang T, Yang Y, Gao Y. Artificial intelligence-aided decision support in paediatrics clinical diagnosis: development and future prospects. J Int Med Res. 2020;48(9):300060520945141. DOI: https://doi.org/10.1177/0300060520945141
|
Volosovets OP, Beketova HV, Hur’iev SO, Kuzmenko AIa, Volosovets AO, Lohinova IO, Chernii OF. Vplyv viiny ta pandemii COVID-19 na pokaznyk smertnosti ditei u vitsi do 1 roku v Ukraini [Impact of the war and the covid-19 pandemic on the mortality rate of children under the age of 1 year in ukraine in Ukraine]. Neonatology, surgery and perinatal medicine. 2024;14(4):6-14. DOI: https://doi.org/10.24061/2413-4260.XIV.4.54.2024.1 (in Ukrainian)
Volosovets AO, Diachuk DD, Lurin IA, Naumenko OM, Parii VD, Volosovets AO. Kadrovi resursy okhorony zdorovia Ukrainy u roky pandemii COVID-19 ta viiny [Human resources of healthcare in Ukraine during the COVID-19 pandemic and war]. Clinical and preventive medicine. 2025;1:117-31. DOI: https://doi.org/10.31612/2616-4868.1.2025.15 (in Ukrainian)
Kabinet Ministriv Ukrainy. Rozporiadzhennia Pro skhvalennia Kontseptsii rozvytku shtuchnoho intelektu v Ukraini vid 2 hrudnia 2020 r. № 1556-r. [Order No. 1556-r dated December 2, 2020 on Approval of the Concept for the Development of Artificial Intelligence in Ukraine]][Internet]. Kyiv; 2020[update 2021 Des 29; cited 2026 Feb 19]. Available from: https://zakon.rada.gov.ua/laws/show/1556-2020-%D1%80#Text (in Ukrainian)
von Conta J, Engelke M, Bahnsen FH, Dada A, Liebert E, Nensa F, et al. Implementation of artificial intelligence (AI) in healthcare: historical development, current technologies and challenges. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz. 2025;68(8):845-53. DOI:https://doi.org/10.1007/s00103-025-04086-6
|
van der Veen S, van der Leeden M, Geleijn E, Vossen P, Meskers CGM, Widdershoven GAM. Artificial intelligence to improve rehabilitation care for children with developmental conditions: Some ethical considerations. Dev Med Child Neurol. 2023;65(1):12-3. DOI:https://doi.org/10.1111/dmcn.15348
|
Ramgopal S, Sanchez-Pinto LN, Horvat CM, Carroll MS, Luo Y, Florin TA. Artificial intelligence-based clinical decision support in pediatrics. Pediatr Res. 2023;93(2):334-41. DOI: https://doi.org/10.1038/s41390-022-02226-1
|
An AY, Acton E, Idoko OT, Shannon CP, Blimkie TM, Falsafi R, et al. Predictive gene expression signature diagnoses neonatal sepsis before clinical presentation. EBioMedicine. 2024;110:105411. DOI: https://doi.org/10.1016/j.ebiom.2024.105411
|
Sullivan BA, Beam K, Vesoulis ZA, Aziz KB, Husain AN, Knake LA, et al. Transforming neonatal care with artificial intelligence: challenges, ethical consideration, and opportunities. J Perinatol. 2024;44(1):1-11. DOI: https://doi.org/10.1038/s41372-023-01848-5
|
Gao Y, Chen X, Liu A, Liang D, Wu L, Qian R, et al. Pediatric Seizure Prediction in Scalp EEG Using a Multi-Scale Neural Network With Dilated Convolutions. IEEE J Transl Eng Health Med. 2022;10:4900209. DOI: https://doi.org/10.1109/JTEHM.2022.3144037
| | 
Xu E, Nemati S, Tremoulet AH. A deep convolutional neural network for Kawasaki disease diagnosis. Sci Rep. 2022;12(1):11438. DOI: https://doi.org/10.1038/s41598-022-15495-x
|
Desai SB, Pareek A, Lungren MP. Current and emerging artificial intelligence applications for pediatric interventional radiology. Pediatr Radiol. 2022;52(11):2173-77. DOI: https://doi.org/10.1007/s00247-021-05013-y
|
Ng CKC. Diagnostic Performance of Artificial Intelligence-Based Computer-Aided Detection and Diagnosis in Pediatric Radiology: A Systematic Review. Children (Basel). 2023;10(3):525. DOI: https://doi.org/10.3390/children10030525
|
Familiar AM, Mahtabfar A, Fathi Kazerooni A, Kiani M, Vossough A, Viaene A, et al. Radio-pathomic approaches in pediatric neuro-oncology: Opportunities and challenges. Neurooncol Adv. 2023;5(1):vdad119. DOI: https://doi.org/10.1093/noajnl/vdad119
|
Martello M, Solli V, Mazzocchetti G, Solimando AG, Bezzi D, Taurisano B, et al. High level of circulating cell-free tumor DNA at diagnosis correlates with disease spreading and defines multiple myeloma patients with poor prognosis. Blood Cancer J. 2024;14(1):208. DOI: https://doi.org/10.1038/s41408-024-01185-6
|
Munoz J, Cedeno JA, Castaneda GF. Subphenotypes in acute respiratory distress syndrome: A scoping review across clinical, biological, computational, imaging, omics, and artificial intelligence approaches. J Crit Care. 2026;93:155441. DOI: https://doi.org/10.1016/j.jcrc.2026.155441
|
Tang M, Antic Z, Fardzadeh P, Pietzsch S, Schröder C, Eberhardt A, et al. An artificial intelligence-assisted clinical framework to facilitate diagnostics and translational discovery in hematologic neoplasia. EBioMedicine. 2024;104:105171. DOI: https://doi.org/10.1016/j.ebiom.2024.105171
|
Wyatt KD, Alexander N, Hills GD, Liang WH, Kadauke S, Volchenboum SL, et al. Making sense of artificial intelligence and large language models-including ChatGPT-in pediatric hematology/oncology. Pediatr Blood Cancer. 2024;71(9):e31143. DOI: https://doi.org/10.1002/pbc.31143
|
van Schalkwyk G. Artificial intelligence in pediatric behavioral health. Child Adolesc Psychiatry Ment Health. 2023;17(1):38. DOI: https://doi.org/10.1186/s13034-023-00586-y
|
Lan XH, Zhang YX, Yuan WH, Shi F, Guo WL. Image-based deep learning in diagnosing mycoplasma pneumonia on pediatric chest X-rays. BMC Pediatr. 2024;24(1):720. DOI: https://doi.org/10.1186/s12887-024-05204-0
|
Fernandes V, Junior GB, de Paiva AC, Silva AC, Gattass M. Bayesian convolutional neural network estimation for pediatric pneumonia detection and diagnosis. Comput Methods Programs Biomed. 2021;208:106259. DOI: https://doi.org/10.1016/j.cmpb.2021.106259
|
Zhou C, Shuai L, Hu H, Ung COL, Lai Y, Fan L, et al. Applications of machine learning approaches for pediatric asthma exacerbation management: a systematic review. BMC Med Inform Decis Mak. 2025;25(1):170. DOI: https://doi.org/10.1186/s12911-025-02990-0
|
Russell RG, Lovett Novak L, Patel M, Garvey KV, Craig KJT, Jackson GP, et al. Competencies for the Use of Artificial Intelligence-Based Tools by Health Care Professionals. Acad Med. 2023;98(3):348-56. DOI: https://doi.org/10.1097/ACM.0000000000004963
|
Masters K, MacNeil H, Benjamin J, Carver T, Nemethy K, Valanci-Aroesty S, et al. Artificial Intelligence in Health Professions Education assessment: AMEE Guide No. 178. Med Teach. 2025;47(9):1410-24. DOI: https://doi.org/10.1080/0142159X.2024.2445037
|
Kuchyna YuL, redaktor. Innovatsii u medychnii osviti: dosvid ta perspektyvy [Innovations in medical education: experience and prospects]. T. 1. Kyiv: NMU imeni O.O. Bohomoltsia; 2025. 282 s. (in Ukrainina)
Kuchyn YuL, Vlasenko OM, Gashenko IA, Mykytenko PV, Kucherenko II. Creating the Informational and Educational Environment of the University Based on the Distance Learning Platform LIKAR_NMU. Archives of Pharmacy Practice. 2021;12(3):66–74. DOI: https://doi.org/10.51847/5zZerOAbwA
Terentiuk VH, Kucherenko ShI, Matukova-Iaryha DH Rol ta znachennia rozvytku tsyfrovykh kompetentnostei pratsivnykiv okhorony zdorov’ia, zdobuvachiv medychnoi ta farmatsevtychnoi osvity ta naukovo-pedahohichnykh pratsivnykiv zakladiv vyshchoi medychnoi osvity v umovakh tsyfrovizatsii ta tsyfrovoi transformatsii okhorony zdorov’ia [The role and importance of developing digital competencies of healthcare professionals, medical and pharmaceutical students, and teachers of higher medical education institutions in the context of digitalization and digital transformation of healthcare]. Medicine and pharmacy: educational discourses. 2024;3:105-10. DOI: https://doi.org/10.32782/eddiscourses/2024-3-15 (in Ukrainina)
Marushko YV, Khomych OV, Umryk MA, Strutynska OV, Zlobynets AS. Features of ai in practical medicine: the view of pre-service doctors. Medicine and pharmacy: educational discourses. 2024;4:62-9. DOI: https://doi.org/10.32782/eddiscourses/2024-4-11
Doroshenko O, Bida V, Volosovets T, Doroshenko M, Omelianenko O, Leonenko P, et al. Prospects for the use of artificial intelligence in dentistry. Suchasna stomatolohiya. 2024;122(5):72-80. DOI: https://doi.org/10.33295/1992-576X-2024-5-72
Voss C, Schwartz J, Daniels J, Kline A, Haber N, Washington P, et al. Effect of Wearable Digital Intervention for Improving Socialization in Children With Autism Spectrum Disorder: A Randomized Clinical Trial. JAMA Pediatr. 2019;173(5):446-54. DOI: https://doi.org/10.1001/jamapediatrics.2019.0285
Kerth JL, Bischops AC, Hagemeister M, Reinhart L, Konrad K, Heinrichs B, et al. Artificial intelligence in preventive medicine for children and adolescents-applications and acceptance. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz. 2025;68(8):907-14. DOI:https://doi.org/10.1007/s00103-025-04096-4
|
Torres-Martos Á, Anguita-Ruiz A, Bustos-Aibar M, Ramírez-Mena A, Arteaga M, Bueno G, et al. Multiomics and eXplainable artificial intelligence for decision support in insulin resistance early diagnosis: A pediatric population-based longitudinal study. Artif Intell Med. 2024;156:102962. DOI:https://doi.org/10.1016/j.artmed.2024.102962
|
Zama D, Borghesi A, Ranieri A, Manieri E, Pierantoni L, Andreozzi L, et al. Perspectives and Challenges of Telemedicine and Artificial Intelligence in Pediatric Dermatology. Children (Basel). 2024;11(11):1401. DOI:https://doi.org/10.3390/children11111401. PMID: 39594976; PMCID: PMC11592520.
|
Alani O, Ayub M, Patel D, Wahood S, Appel JM. Implementing artificial intelligence in pediatric dermatology: Balancing innovation and privacy when consent is revoked. J Am Acad Dermatol. 2026;94(3):1056-7. DOI: https://doi.org/10.1016/j.jaad.2025.07.018
|
Van den Eynde J, Kutty S, Danford DA, Manlhiot C. Artificial intelligence in pediatric cardiology: taking baby steps in the big world of data. Curr Opin Cardiol. 2022;37(1):130-6. DOI:https://doi.org/10.1097/HCO.0000000000000927
|
Sen S, Ramakrishnan S. Artificial intelligence in pediatric cardiology: Where do we stand in 2024? Ann Pediatr Cardiol. 2024;17(2):93-6. DOI: https://doi.org/10.4103/apc.apc_72_24
|
Sethi Y, Patel N, Kaka N, Desai A, Kaiwan O, Sheth M, et al. Artificial Intelligence in Pediatric Cardiology: A Scoping Review. J Clin Med. 2022;11(23):7072. DOI: https://doi.org/10.3390/jcm11237072
|
Cheng S, Jiang S, Xie S, Zhang B, Zhang H, Zhang J, et al. A machine learning approach to predicting postoperative recurrence in pediatric chronic rhinosinusitis: identification of key metabolic biomarkers. Am J Otolaryngol. 2025;46(5):104676. DOI: https://doi.org/10.1016/j.amjoto.2025.104676
|
Dhaliwal J, Walsh CM. Artificial Intelligence in Pediatric Endoscopy: Current Status and Future Applications. Gastrointest Endosc Clin N Am. 2023;33(2):291-308. DOI: https://doi.org/10.1016/j.giec.2022.12.001
|
Pammi M, Aghaeepour N, Neu J. Multiomics, artificial intelligence, and precision medicine in perinatology. Pediatr Res. 2023;93(2):308-15. DOI: https://doi.org/10.1038/s41390-022-02181-x
|
Becker M, Fehr K, Goguen S, Miliku K, Field C, Robertson B, et al. Multimodal machine learning for modeling infant head circumference, mothers' milk composition, and their shared environment. Sci Rep. 2024;14(1):2977. DOI: https://doi.org/10.1038/s41598-024-52323-w
|
Ali R, Li H, Dillman JR, Altaye M, Wang H, Parikh NA, et al. A self-training deep neural network for early prediction of cognitive deficits in very preterm infants using brain functional connectome data. Pediatr Radiol. 2022;52(11):2227-40. DOI: https://doi.org/10.1007/s00247-022-05510-8
|
Liang H, Tsui BY, Ni H, Valentim CCS, Baxter SL, Liu G, et al. Evaluation and accurate diagnoses of pediatric diseases using artificial intelligence. Nat Med. 2019;25(3):433-8. DOI: https://doi.org/10.1038/s41591-018-0335-9
|
Tahernejad A, Sahebi A, Abadi ASS, Safari M. Application of artificial intelligence in triage in emergencies and disasters: a systematic review. BMC Public Health. 2024;24(1):3203. DOI:https://doi.org/10.1186/s12889-024-20447-3
|
Alowais SA, Alghamdi SS, Alsuhebany N, Alqahtani T, Alshaya AI, Almohareb SN, et al. Revolutionizing healthcare: the role of artificial intelligence in clinical practice. BMC Med Educ. 2023;23(1):689. DOI: https://doi.org/10.1186/s12909-023-04698-z
|
Carini C, Seyhan AA. Tribulations and future opportunities for artificial intelligence in precision medicine. J Transl Med. 2024;22(1):411. DOI: https://doi.org/10.1186/s12967-024-05067-0
|
Hadhazy A. Stanford Ethicists Developing Guidelines for the Safe Inclusion of Pediatric Data in AI-Driven Medical Research. Stanford University [Internet]. 2023[cieted 2026 Feb 16]. Available from: https://hai.stanford.edu/news/stanford-ethicists-developing-guidelines-safe-inclusion-pediatric-data-ai-driven-medical
Muralidharan V, Burgart A, Daneshjou R, Rose S. Recommendations for the use of pediatric data in artificial intelligence and machine learning ACCEPT-AI. NPJ Digit Med. 2023;6(1):166. DOI: https://doi.org/10.1038/s41746-023-00898-5
|
Onur D, Ozbakır C. Pediatrics 4.0: the Transformative Impacts of the Latest Industrial Revolution on Pediatrics. Health Care Anal[Internet]. 2025[cited 2026 Feb 5]. Available from: https://link.springer.com/article/10.1007/s10728-025-00536-z#citeas DOI: https://doi.org/10.1007/s10728-025-00536-z
|
Williamson SM,Balancing PV. Privacy and Progress: A Review of Privacy Challenges, Systemic Oversight, and Patient Perceptions in AI-Driven Healthcare. Appl Sci. 2024;14(2):675. DOI: https://doi.org/10.3390/app14020675
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:
- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
Критерії авторського права, форми участі та авторства
Кожен автор повинен був взяти участь в роботі, щоб взяти на себе відповідальність за відповідні частини змісту статті. Один або кілька авторів повинні нести відповідальність в цілому за поданий для публікації матеріал - від моменту подачі до публікації статті. Авторитарний кредит повинен грунтуватися на наступному:
- істотність частини вклада в концепцію і дизайн, отри-мання даних або в аналіз і інтерпретацію результатів дослідження;
- написання статті або критичний розгляд важливості її інтелектуального змісту;
- остаточне твердження версії статті для публікації.
Автори також повинні підтвердити, що рукопис є дійсним викладенням матеріалів роботи і що ні цей рукопис, ні інші, які мають по суті аналогічний контент під їх авторством, не були опубліковані та не розглядаються для публікації в інших виданнях.
Автори рукописів, що повідомляють вихідні дані або систематичні огляди, повинні надавати доступ до заяви даних щонайменше від одного автора, частіше основного. Якщо потрібно, автори повинні бути готові надати дані і повинні бути готові в повній мірі співпрацювати в отриманні та наданні даних, на підставі яких проводиться оцінка та рецензування рукописи редактором / членами редколегії журналу.
Роль відповідального учасника.
Основний автор (або призначений відповідальний автор) буде виступати від імені всіх співавторів статті в якості основного кореспондента при листуванні з редакцією під час процесу її подання та розгляду. Якщо рукопис буде прийнята, відповідальний автор перегляне відредагований машинописний текст і зауваження рецензентів, прийме остаточне рішення щодо корекції і можливості публікації представленої рукописи в засобах масової інформації, федеральних агентствах і базах даних. Він також буде ідентифікований як відповідальний автор в опублікованій статті. Відповідальний автор несе відповідальність за подтверждленіе остаточного варіанта рукопису. Відповідальний автор несе також відповідальність за те, щоб інформація про конфлікти інтересів, була точною, актуальною і відповідала даним, наданим кожним співавтором.Відповідальний автор повинен підписати форму авторства, що підтверджує, що всі особи, які внесли істотний внесок, ідентифіковані як автори і що отримано письмовий дозвіл від кожного учасника щодо публікації представленої рукописи.
