Cystická fibróza (CF) je genetické onemocnění způsobené mutacemi v genu pro regulátor membránového vodivosti cystické fibrózy (CFTR). Tento disorder způsobuje široké spektrum klinických komplikací, primárně ovlivňuje dýchací a trávicí systémy a jeho dopad se rozšiřuje do dalších fyziologických oblastí. Časné odhalení a pečlivé sledování jsou zásadní pro zmírnění progrese onemocnění a zlepšení kvality života jednotlivců s CF. Počítačová tomografie (CT), především vysoce rozlišovací CT (HRCT), se stala klíčovou diagnostickou metodou pro detekci plicních projevů CF. Nicméně, manuální analýza CT snímků vyžaduje vysokou úroveň odbornosti a je časově náročná. Kombinace umělé inteligence (AI) a hlubokého učení s CT zobrazováním předpovídá významný pokrok v detekci CF. Hluboké učení, podmnožina AI, využívá neuronové sítě k analýze složitých morfologických vzorců, které jsou indikativní pro onemocnění z velkých datových sad. Tato recenze sleduje cestu od nejranějších pokusů o využití umělé inteligence v detekci CF po nedávné pokroky učiněné pomocí algoritmů hlubokého učení. Zkoumáním různých architektur hlubokého učení a jejich integrace do klinické praxe tato recenze osvěcuje potenciál těchto nových technologií revolucionalizovat detekci CF pomocí CT zobrazování. Automatizovaná a přesná analýza umožněná hlubokým učením má za cíl snížit diagnostickou zátěž pro radiology, urychlit diagnostický proces a otevřít cestu k včasným a personalizovaným terapeutickým intervencím, což je v souladu s konečným cílem zlepšení péče o pacienty.