Introduktion: Datortomografi är en effektiv och snabb undersökningsmetod och skapar en detaljrik bild. Antal datortomografi undersökningar ökar varje år och relativt högstråldoser som kan bli skadligt är oroväckande. Det finns metoder som kan sänka och/eller förebygga joniserande strålning. Artificiell intelligens kan uppfylla uppgifter som kräver mänsklig intelligens. I dagsläget pågår forskningar gällande stråldosreduktion med hjälp av artificiell intelligens. Syfte: Syftet med studien är att undersöka om det är möjligt att reducera stråldosen med hjälp av AI vid DT-undersökningar. Metod: Studiens metod är en litteraturstudie. Efter en litteratursökning i Pubmed, Cinahl och Web of science valdes 13 artiklar. Artiklar kvalitetsgranskades och analyserades. Resultat: Resultatet baserades på analys av 13 vetenskapliga artiklar. I analysen av artiklarna framkom två kategorier: Patientförberedelser (innan undersökningen) och Bildbehandling (efter undersökningen). Bildbehandling består av två under kategorier: Fantom- och patientstudier. Enligt resultaten visade automatisk patientplacering (AP) mer noggrann patient placering än manuell patientplacering (MP) och AP reducerade stråldosen redan innan undersökningen genom rätt val av vertikal placering och scanlängd. Djupinlärning bildrekonstruktion algoritmen (DLIR) reducerade stråldosen cirka 72% och gav jämförbart bildkvalitet till standarddosbilder. Slutsatser: Stråldosen kunde reduceras både genom att använda AI vid patientplacering och med hjälp av olika rekonstruktionstekniker efter att bilderna har tagits. I dagsläget finns det begränsat antal studier utförda inom området och det behövs vidare studier.