Introducere. Diagnosticul precoce şi monitorizarea pa-tologiilor pulmonare pediatrice sunt limitate de manifestările nespecifice şi de evoluţia imprevizibilă. Inteligenţa artificială (IA) reprezintă o sursă utilă, prin algoritmi ce analizează date clinice, imagini şi aplicaţii care evaluează sunetele pulmonare şi tusea. Scop. Evaluarea contribuţiei IA în diagnosticarea şi monitorizarea bolilor respiratorii la copii, prin evidenţierea aplicaţiilor utilizate actual şi a direcţiilor viitoare de dezvoltare. Material şi metode. A fost realizată o analiză narativă a literaturii ştiinţifice publicate din 2020, selectând articole relevante din baze de date precum PubMed, Google Scholar şi JSTOR. Au fost incluse doar studiile cu o metodologie clar definită, care descriu aplicarea IA în practica respiratorie pediatrică, cu accent pe diagnostic şi monitorizare. Rezultate. Printre aplicaţiile moderne se numără Propeller Health, care utilizează un senzor ataşat la inhalator pentru a înregistra automat momentul şi locul utilizării. Datele sunt transmise către aplicaţia mobilă şi pot fi partajate cu medicul. AsthmaMD permite monitorizarea simptomelor, valorilor debitului expirator de vârf (PEF), factorilor declanşatori şi tratamentului, oferind recomandări personalizate. PneumoniaApp analizează imagini radiologice, identificând semne de pneumonie la copii sub 12 ani cu o acurateţe de 88%. CoughTracker detectează şi înregistrează continuu episoadele de tuse prin smartphone / smartwatch, având o sensibilitate de 90%. Concluzii. Aceste tehnologii oferă perspective pentru o abordare non-invazivă, personalizată şi continuă a bolilor pulmonare. Integrarea IA nu doar sprijină diagnosticul diferenţial, dar facilitează o colaborare eficientă între familie-copil-medic prin instrumente de auto-monitorizare şi feedback în timp real.
Introduction. Early diagnosis and monitoring of pediatric pulmonary diseases are limited by nonspecific symptoms and unpredictable progression. Artificial intelligence (AI) serves as a valuable tool through algorithms that analyze clinical data, medical images, and applications that evaluate lung sounds and cough. Objective. To evaluate the contribution of AI in the diagnosis and monitoring of respiratory diseases in children, by highlighting currently used applications and future development directions. Material and methods. A narrative analysis of the scientific literature published since 2020 was conducted, selecting relevant articles from databases such as PubMed, Google Scholar, and JSTOR. Only studies with a clearly defined methodology were included, describing the application of AI in pediatric respiratory practice, with a focus on diagnosis and monitoring. Results. Among modern and useful applications is Propeller Health, which uses a sensor attached to the inhaler to automatically record the time and location of use. The data is transmitted to a mobile app and can be shared with the physician. AsthmaMD allows monitoring of symptoms, peak expiratory flow (PEF) values, triggers and treatment, offering personalized recommendations. Pneu-moniaApp analyzes radiological images, identifying signs of pneumonia in children under 12 years old with an accuracy of 88%. CoughTracker continuously detects and records coughing episodes via smartphone or smartwatch, with a sensitivity of 90%. Conclusion. These technologies offer prospects for a non-invasive, personalized and continuous approach to lung diseases. The integration of AI not only supports differential diagnosis, but also facilitates effective family-child-physician collaboration through self-monitoring tools and real-time feedback.
