EUVIMEDEUVIMED entdecken
Systematische Übersicht

Advancements in artificial intelligence for detecting urinary tract stones: A systematic review of imaging-based approaches

Fortschritte der künstlichen Intelligenz zur Erkennung von Harnstein: systematische Übersicht bildgebungsbasierter Ansätze

Paksi Satyagraha, Taufiq N. Budaya, Juvensius Viosandy

Journal of Clinical Urology · 2026-11 · 19 (6) · 527-533

DOI: 10.1177/20514158261454815 ↗

Auf einen Blick

Die systematische Übersicht fand für bildgebende KI-Verfahren eine hohe diagnostische Genauigkeit bei Harnsteinen, besonders mit CT. Auch Ultraschall-Modelle zeigten gute Leistungen.

Fragestellung

Welche Rolle hat künstliche Intelligenz bei der bildgebungsbasierten Erkennung und Beurteilung von Harnsteinen?

Methode

Systematische Übersicht; Suche in PubMed/MEDLINE, EMBASE, Cochrane CENTRAL und Web of Science bis Mai 2025; adulte Studien zu KI-Modellen in CT, Ultraschall oder Röntgen mit Expertenbeurteilung als Referenz.

Ergebnisse

11 Studien von 2017 bis 2025. In 8 Studien lagen die Genauigkeiten über 90 %; bei mehreren Deep-Learning-Ansätzen über 95 %. Ultraschallbasierte Modelle zeigten Sensitivitäten und Genauigkeiten über 90 %.

Schlussfolgerung der Autor:innen

KI-basierte Bildgebung zeigt eine hohe diagnostische Genauigkeit für die Erkennung von Harnsteinen, besonders mit CT. KI-gestützter Ultraschall ist eine praktische und kosteneffektive Alternative in ressourcenarmen und ländlichen Settings.

Kernaussagen

  • CT-basierte KI erreichte meist hohe diagnostische Genauigkeit
  • Mehrere Deep-Learning-Ansätze lagen über 95 % Genauigkeit
  • Ultraschallbasierte KI zeigte Sensitivität und Genauigkeit über 90 %

Deutsche Zusammenfassung: KI-gestützt aus dem Original-Abstract erstellt; alle Zahlen wurden automatisch mit dem Original abgeglichen. Maßgeblich ist der Original-Abstract.

Kurz gefasst

Systematische Übersicht in der Zeitschrift Journal of Clinical Urology, online erschienen am 26.06.2026. Verfasst von Paksi Satyagraha und 2 weiteren Autor:innen. Die Arbeit wurde bisher 1-mal zitiert (Crossref) und nennt 25 Literaturangaben.

Auf einen BlickAbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Objective

Kidney stone disease is a growing global health problem, with increasing diagnostic challenges due to heterogeneous clinical presentations and imaging demands. This review aims to evaluate the role of artificial intelligence (AI) in imaging-based detection and assessment of urinary tract stones.

Methods

A systematic review was conducted by searching PubMed/MEDLINE, EMBASE, Cochrane CENTRAL, and Web of Science from database inception to May 2025 for studies evaluating AI-based imaging in the diagnosis of urinary tract stones. The search followed Preferred Reporting Items for Systematic reviews and Meta-Analyses literature search extension (PRISMA-S) guidance and used a Population, Intervention, Comparison, Outcomes and Study (PICOS) framework to identify eligible adult studies applying AI models to computed tomography (CT), ultrasound, or radiographic imaging, with expert interpretation as reference and diagnostic performance outcomes.

Results

From 1142 records identified, 11 studies published between 2017 and 2025 met the inclusion criteria. Most studies used CT imaging and reported high diagnostic performance, with accuracies exceeding 90% in eight studies and reaching over 95% in several deep learning–based approaches, while ultrasound-based AI models also demonstrated strong performance with sensitivities and accuracies above 90%.

Conclusion

AI–based imaging demonstrates high diagnostic accuracy for urinary tract stone detection, particularly with CT. AI-enhanced ultrasound represents a practical and cost-effective alternative for implementation in resource-limited and rural settings. Level of evidence: 2

Zitieren

APA

Satyagraha, P., Budaya, T. N., & Viosandy, J. (2026). Advancements in artificial intelligence for detecting urinary tract stones: A systematic review of imaging-based approaches. Journal of Clinical Urology, 19(6), 527-533. https://doi.org/10.1177/20514158261454815

Vancouver

Satyagraha P, Budaya TN, Viosandy J. Advancements in artificial intelligence for detecting urinary tract stones: A systematic review of imaging-based approaches. Journal of Clinical Urology. 2026;19(6):527-533. doi:10.1177/20514158261454815

BibTeX
@article{Satyagraha2026,
  author = {Satyagraha, Paksi and Budaya, Taufiq N. and Viosandy, Juvensius},
  title = {Advancements in artificial intelligence for detecting urinary tract stones: A systematic review of imaging-based approaches},
  journal = {Journal of Clinical Urology},
  year = {2026},
  volume = {19},
  number = {6},
  pages = {527--533},
  doi = {10.1177/20514158261454815}
}
Kostenlos starten →