Umjetna inteligencija se sve više koristi za rješavanje različitih problema. Značajan udio predstavljaju i problemi analize slika za koji se uspješno koriste konvolucijske neuronske mreže po principu dubokog učenja. Takvi problemi postoje i u većini grana medicine, a posebno u radiologiji , gdje analiza snimaka predstavlja velik posao na koji se troši puno vremena i resursa. U ovom radu, fokus je na detekciji patoloških stanja iz rendgenskih snimaka prsnog koša. Opisani s u načini i posebnosti snimanja i radiološke analize rendgenskih snimaka prsnog koša. Objašnjeni su temeljni pojmovi i dio teoretske podloge umjetne inteligencije, s posebnim naglaskom na modele dubokog učenja i računalnog vida kao podvrstu strojnog učenja. Treniranje takvih modela zahtijeva velik broj slika, zbog čega danas postoje brojne javno dostupne baze rendgenskih snimaka, a najvažnije su nabrojane u radu. Uz to, navedene su i neke od metod a za predobradu snimaka. Brojni radovi su objavljeni na temu automatske obrade rendgenskih snimaka u svrhu testiranja i poboljšavanja modela Jednim od najuspješnijih pristupa se pokazala uporaba predtreniranih modela, treniranih na ImageNet bazi slika. Posebno su uspješni bili kombinirani modeli čije konačno predviđanje je konsenzus predviđanja podmodela. Dodavanje neslikovnih podataka nije doprinijelo učinku modela, za razliku od metoda segmentacije snimke te Deep AUC Maximization metode, čime su postignute bolje AUC vrijednosti. Kako bi se pobliže prikazao način njihovog korištenja, kao primjer je odabran jedan od modela te je upotrijebljen na nekoliko snimaka, na kojima je uspješno prepoznao dijelove gdje su pojedina patološka stanja prisutna. Ispravno je predviđena vjerojatnost postojanja određenih stanja bila veća na snimkama gdje su ta stanja stvarno bila prisutna. Prikazani su svi dobiveni rezultati , objašnjeno njihovo značenje te je raspravljeno o podlozi i problemima načina rada takvih modela. Identificiran je potencijalni problem korištenja nemedicinskih podataka sa snimke za prepoznavanje stanja.