Den senaste utvecklingen av artificiell intelligens (AI) och djupinlärning (DL) har gjort bild- och funktionsmedicin till en högst trolig kandidat att tidigt anta tekniken. AI inom mammografiscreening syftar till hälsofrämjande effekter genom en förhoppning om säkrare bilddiagnostik. Röntgensjuksköterskans (RSS) arbete präglas av korrekt utförd bildtagning och ett aktivt aktualiserande av den egna yrkesrollen gällande såväl tekniska framsteg som förnyade arbetssätt. Litteraturstudien har upprättats i syfte att belysa potentiella effekter av AI på bilddiagnostik inom mammografiscreening. Genom manifest innehållsanalys av resultat erhållna ur ämnesrelevanta vetenskapliga studier publicerade i databaserna Cinahl och Medline under år 2019–2020 identifierades och beskrevs kategorier sammanställda av subkategorier med liknande innehåll. Effekter inom granskningsprocessen och diagnostisk säkerhet skildrar flera perspektiv gällande AI:s effekter på bilddiagnostik. Utöver en stundtals ökad förmåga till cancerdetektion vid AI-assistans har artificiell bildgranskning även visat sig kunna reducera arbetsbördan för radiologer i form av friskrivning av mammogram med låg sannolikhet för bröstcancer. Vid tillämpning av AI ses lovande effekter inom framförallt klassificering av bröstvävnad samt vid reducering av falska positiva svar. Forskningen förbehålls dock med kvarstående etiska dilemman och avsaknad av ett juridiskt ramverk, vilket lämnar utrymme för vidare studier. / Recent developments in artificial intelligence (AI) and deep learning (DL) have made diagnostic imaging a prime candidate to adopt the technology. AI in mammography screening aims at promoting health with hopes of higher diagnostic accuracy. The radiographers work is characterized by properly performed imaging and actively updating the profession regarding technical developments and renewed working methods. The aim of this systematic review was to illustrate feasible effects of AI on diagnostic imaging within mammography screening. Through manifest content analysis of results obtained from subject related scientific studies published 2019–2020 in the databases Cinahl and Medline the authors identified and described categories compiled by subcategories with similar contents. Effects within the image interpretation process and diagnostic accuracy describes several perspectives regarding the outputs of AI on diagnostic imaging. AI-systems have proven to be useful in both assisting with image interpretation and reducing the workload for radiologists by disclaiming mammograms with low probability of breast cancer. Most promising effects are seen in the classification of breast tissue and reduction of false positives, but research is challenged by ethical dilemmas and the need for a legal framework, which are areas suggested for future research.

Security deficiencies that occur in web applications can have major consequences. PHP is a language that is often used for web applications and it places high demands on how the language is used to ensure it is safe. There are several features in PHP that should be handled with care to avoid security flaws. Static code analysis can help find vulnerabilities in code, but there are some drawbacks that can occur with static code analysis tools. One disadvantage is false positives which means that the tool reports vulnerabilities that do not exist. There are also false negatives which means the tool cannot find the vulnerability at all which can lead to a false sense of security for the user of the tool. With the help of completed test cases, three tools have been investigated in a case study to find out if the tools differ in their ability to avoid false positives and false negatives. The study also examines whether the tools' rules consider the PHP language's vulnerable functions. To answer the research question, a document collection was conducted to obtain information about the tools and various vulnerabilities. The purpose of this study is to compare the ability of static code analysis tools to find PHP code vulnerabilities. The tools that were investigated were SonarQube, Visual Code Grepper (VCG) and Exakat. The study's analysis shows that VCG found the most vulnerabilities but failed to avoid false positive vulnerabilities. Exakat had zero false positives but could not avoid false negatives to the same extent as VCG. SonarQube avoided all false positives but did not find any of the vulnerabilities tested in the test cases. According to the rules of the tools, VCG had more consideration for the risky functions found in PHP. The study's results show that the tools' ability to avoid false positives and false negatives differed and their adaptation to the PHP language's vulnerable functions. / Säkerhetsbrister som förekommer i webbapplikationer kan leda till stora konsekvenser. PHP är ett språk som ofta används för webbapplikationer och det ställer höga krav på hur språket används för att det ska vara säkert. Det finns flera funktioner i PHP som bör hanteras varsamt för att inte säkerhetsbrister ska uppstå. Statisk kodanalys kan hjälpa till med att hitta sårbarheter i kod men det finns vissa nackdelar som kan uppkomma med statiska kodanalysverktyg. En nackdel är falska positiva vilket betyder att verktyget rapporterar in sårbarheter som inte finns. Det finns också falska negativa som betyder att verktyget inte hittar sårbarheten alls vilket kan leda till en falsk trygghetskänsla för användaren av verktyget. Med hjälp av färdiga testfall så har tre verktyg utretts i en fallstudie för att ta reda på om verktygen skiljer sig i sin förmåga till att undvika falska positiva och falska negativa. Studien undersöker också om verktygens regler tar PHP-språkets sårbara funktioner i beaktning. För att kunna besvara forskningsfrågan har en dokumentsinsamling genomförts för att få information om verktygen och olika sårbarheter. Studiens syfte är att jämföra statiska kodanalysverktygs förmåga att hitta sårbarheter i PHP-kod. De verktyg som utreddes var SonarQube, Visual Code Grepper (VCG) och Exakat. Studiens analys visar att VCG hittade mest sårbarheter men lyckades inte undvika falska positiva sårbarheter. Exakat hade noll falska positiva men kunde inte undvika falska negativa i lika stor utsträckning som VCG. SonarQube undvek alla falska positiva men hittade inte någon av de sårbarheter som testades i testfallen. Enligt verktygens regler visade sig VCG ta mest hänsyn till de riskfyllda funktioner som finns i PHP. Studiens resultat visar att verktygens förmåga att undvika falska positiva och falska negativa och deras anpassning för PHP språkets sårbara funktioner skiljde sig åt.