Throughout the past decades ultrasonography did not prove to be a procedure of choice if regarded as part of the routine bedside examination. The reason was the assumption defining the lungs and the bone structures as impenetrable by ultrasound. Only during the recent several years has the approach to the use of such tool in clinical daily routines changed dramatically to offer so-called point-of-care ultrasonography (POCUS). Both vertical and horizontal artefacts became valuable sources of information about the patient’s clinical condition, assisting therefore the medical practitioner in differential diagnosis and monitoring of the patient. What is important is that the information is delivered in real time, and the procedure itself is non-invasive. The next stage marking the progress made in this area of diagnostic imaging is the development of arti­ficial intelligence (AI) based on machine learning algorithms. This article is intended to present the available, innovative solutions of the ultrasound systems, including Smart B-line technology, to ensure automatic identification process, as well as interpretation of B-lines in the given lung area of the examined patient. The article sums up the state of the art in ultrasound artefacts and AI applied in POCUS.

The diagnostic process in Intensive Care Units has been revolutionized by ultrasonography and accelerated by artificial intelligence. Patients in critical condition are often sonoanatomically challenging, with time constraints being an additional stress factor. In this paper, we describe the technology behind the development of AI systems to support diagnostic ultrasound in intensive care units. Among the AI-based solutions, the focus was placed on systems supporting cardiac ultrasound, such as Smart-VTI, Auto-VTI, SmartEcho Vue, AutoEF, Us2.ai, and Real Time EF. Solutions to assist hemodynamic assessment based on the evaluation of the inferior vena cava, such as Smart-IVC or Auto-IVC, as well as to facilitate ultrasound assessment of the lungs, such as Smart B-line or Auto B-line, and to help in the estimation of gastric contents, such as Auto Gastric Antrum, were also discussed. All these solutions provide doctors with support by making it easier to obtain appropriate diagnostically correct ultrasound images by automatically performing time-consuming measurements and enabling real-time analysis of the obtained data. Artificial intelligence will most likely be used in the future to create advanced systems facilitating the diagnostic and therapeutic process in intensive care units.

Artificial intelligence has now changed regional anesthesia, facilitating, therefore, the application of the regional block under the USG guidance. Innovative technological solutions make it possible to highlight specific anatomical structures in the USG image in real time, as needed for regional block. This contribution presents such technological solutions as U-Net architecture, BPSegData and Nerveblox and the basis for independent assisting systems in the use of regional blocks, e.g., ScanNav Anatomy PNB or the training system NeedleTrainer. The article describes also the systems integrated with the USG devices, such as Mindray SmartNerve or GE cNerve as well as the robotic system Magellan which substantially increases the patient’s safety, time needed for the regional block and quality of the procedure. All the solutions presented in this article facilitate the performance of regional blocks by less experienced physicians and appear as an excellent educational tool which, at the same time, improves the availability of the more and more popular regional anesthesia. Will, therefore, artificial intelligence replace physicians in regional block procedures? This seems unlikely. It will, however, assist them in a significant manner, contributing to better effectiveness and improved safety of the patient.

Wstęp: Współczesna ultrasonografia przyłóżkowa (point-of-care ultrasound – POCUS) odgrywa coraz większą rolę w praktyce klinicznej w wielu specjalizacjach. Szkolenia w tym zakresie są niezbędne do rozwoju kompetencji zawodowych lekarzy; jednak nadal niewiele wiadomo na temat wpływu płci na percepcję, efekty i potrzeby edukacyjne. Celem niniejszego badania była analiza różnic płciowych w postrzeganiu, uczestnictwie i efektach szkoleń ultrasonograficznych, organizowanych przez Górnośląską Szkołę Ultrasonografii (GSU). Badanie wpisuje się w aktualne trendy w edukacji medycznej, gdy coraz większą uwagę zwraca się na wpływ czynników demograficznych, w tym płci, na efektywność kształcenia. Materiał i metody: W badaniu przeanalizowano odpowiedzi 134 lekarzy, którzy ukończyli kursy ultrasonograficzne w GSU. Przeprowadzono ankietę obejmującą wiele obszarów tematycznych, w tym dotyczących motywacji, doświadczeń, efektów szkoleń oraz opinii na temat nowoczesnych technologii. Analizę statystyczną przeprowadzono z wykorzystaniem testów chi-kwadrat i tabel krzyżowych. Wyniki: Zaobserwowano istotne różnice między płciami w postrzeganym wpływie kursów na podejmowane decyzje kliniczne, chęci dalszego kształcenia oraz oczekiwaniach względem integracji technologii – w tym sztucznej inteligencji – z diagnostyką ultrasonograficzną. Kobiety częściej wskazywały na potrzebę dalszego rozwoju, natomiast mężczyźni częściej deklarowali wpływ szkoleń na praktykę zawodową. Wyniki te sugerują odmienne style uczenia się i podejścia do wdrażania nowych kompetencji. Wnioski: Szkolenia ultrasonograficzne POCUS są pozytywnie oceniane przez obie płcie, jednak różnice w postawach i oczekiwaniach edukacyjnych wskazują na potrzebę bardziej zindywidualizowanego podejścia do projektowania programów nauczania. Uwzględnienie tych różnic może zwiększyć skuteczność szkoleń i promować lepsze wykorzystanie zdobytych umiejętności w praktyce klinicznej.