Představte si dvě návštěvy u lékaře. Při první se doktor během rozhovoru dívá do monitoru, klepe do klávesnice a otázky klade tak trochu přes rameno — protože ví, že každé slovo bude muset zapsat a že po vás čeká dalších dvacet pacientů a hodina papírování večer doma. Při druhé sedí naproti vám, dívá se vám do očí a poslouchá; rozhovor nahrává aplikace v telefonu, která z něj sama vytvoří koncept zprávy. Lékař ho po konzultaci jen zkontroluje a podepíše. Tohle není sci-fi ani příslib do budoucna. Je to nejrychleji se šířící způsob, jak dnes umělá inteligence vstupuje do medicíny — a paradoxně ten, o kterém se mluví nejmíň, protože nezní tak dramaticky jako „AI čte rentgeny“. Přitom právě tady jsou zatím nejpřesvědčivější data o tom, že AI něčemu reálně pomáhá.

Vstřícná AI v číslech — co už je doloženo a kde je riziko
2,6 mil. konzultací zapsal AI „zapisovatel“ za rok v jediné americké síti Kaiser Permanente, 7 260 lékařů (2023–2024)
38,8 % podíl lékařů s vyhořením po nasazení AI zápisu — z původních 51,9 % studie 6 systémů, JAMA Netw Open 2025
67,6 % českých zdravotnických zařízení už AI používá nebo testuje národní průzkum MZ ČR, únor 2026
~1 % přepisů od jednoho rozšířeného nástroje obsahovalo zcela vymyšlené věty proto je kontrola lékařem nepřekročitelná

Zdroje: počet konzultací a vyhoření z recenzovaných studií (NEJM Catalyst 2025; JAMA Network Open 2025); adopce AI v ČR z národního průzkumu MZ ČR (2/2026); podíl vymyšlených vět z analýzy přepisového modelu (ACM FAccT 2024). Plné citace s DOI v sekci Zdroje.

Tři čtvrtiny lékařova dne nejsou u pacienta

Abychom pochopili, proč je „nudná“ administrativní AI tak zásadní, musíme se podívat, kde se v medicíně ztrácí čas. Řada studií z posledních let opakovaně ukazuje, že lékaři tráví dokumentací a administrativou zhruba stejně času jako přímou péčí o pacienta — a část z toho se přelévá do večerů a víkendů, do takzvané „práce v pyžamu“. Tahle neviditelná zátěž je jedním z hlavních motorů vyhoření, a vyhoření zase odchodů z profese, které si žádný systém — a Česko obzvlášť, vzhledem ke stárnoucím lékařům — nemůže dovolit. Administrativní AI neslibuje, že vyléčí nemoc. Slibuje něco přízemnějšího a v tuto chvíli cennějšího: že vrátí lékaři čas a duševní kapacitu, aby se mohl věnovat tomu, kvůli čemu šel do medicíny.

Tato „první vrstva“ AI má tři velké oblasti, kterými se v tomto díle postupně projdeme. Za prvé přepis a tvorbu dokumentace — AI, která poslouchá konzultaci a píše zprávu. Za druhé provoz a kontakt s pacientem — chytré zvaní na prevenci, předpovídání, kdo nepřijde, a překlad nálezů do srozumitelné řeči. A za třetí první kontakt a triáž — chatboty a „symptom checkery“, kde je naopak důkazů o přínosu nejméně a varování nejvíc. Společným jmenovatelem je, že nejde o stroj, který rozhoduje místo člověka, ale o nástroj, který připravuje podklad — a poslední slovo musí mít vždy zdravotník.

Zapisovatel, který poslouchá: ambient AI scribes

Nejdál ze všeho je technologie s nezáživným názvem ambient AI scribe — doslova „AI zapisovatel z prostředí“. Princip je jednoduchý: mikrofon (typicky aplikace v telefonu na stole) pasivně poslouchá rozhovor lékaře s pacientem. Řeč se přepíše na text a jazykový model z přepisu vytvoří strukturovaný klinický záznam — anamnézu, závěr, návrh dalšího postupu, někdy i návrh receptů a žádanek. Klíčový rozdíl proti diktování je v tom, že lékař nemluví do počítače, ale s pacientem. A klíčové bezpečnostní pravidlo zní: nástroj nestanovuje diagnózu ani léčbu, jen dokumentuje, a lékař koncept musí zkontrolovat a schválit.

Jak funguje AI zapisovatel — krok za krokem

  1. Konzultace probíhá normálně

    Aplikace na stole nahrává rozhovor. Pacient s nahráváním souhlasí; lékař se může plně věnovat naslouchání místo psaní.

  2. Řeč se přepíše na text

    Model pro rozpoznávání řeči převede mluvené slovo na přepis. Právě tady vzniká první riziko chyb a „přeslechů“.

  3. Jazykový model napíše koncept zprávy

    Z přepisu vznikne strukturovaný záznam: subjektivní potíže, objektivní nález, závěr, plán. Vše ve formě konceptu, ne hotového dokumentu.

  4. Lékař koncept kontroluje a opravuje

    Nepřekročitelný krok. Lékař ověří fakta, doplní, co AI vynechala, a smaže, co si „domyslela“. Bez tohoto kroku není záznam validní.

  5. Schválený záznam jde do dokumentace

    Hotová zpráva se uloží do zdravotnického systému. Úspora není v tom, že by nikdo nečetl, ale že lékař edituje místo psaní od nuly.

Pozn.: zjednodušené schéma. Odpovědnost za obsah záznamu nese vždy lékař, ne software — to platí i právně.

Co o tom víme z dat? Nezvykle hodně, a to i z velmi velkých nasazení. Největší zveřejněná zkušenost pochází ze sítě Kaiser Permanente v Kalifornii: za zhruba rok používalo AI zapisovatele 7 260 lékařů při více než 2,5 milionu konzultací a odhadovaná úspora času na dokumentaci dosáhla kolem 15 800 hodin. Důležitější než hodiny jsou ale dopady na lidi: 84 procent lékařů uvedlo, že nástroj zlepšil jejich interakci s pacientem, a téměř polovina pacientů vnímala, že lékař tráví méně času „u obrazovky“. Studie napříč šesti zdravotnickými systémy publikovaná v JAMA Network Open v roce 2025 zjistila, že po měsíci používání kleslo vyhoření lékařů z 51,9 na 38,8 procenta. Další práce ze sítě Mass General Brigham popsala obdobně velký pokles.

Tady je ale potřeba zabrzdit a oddělit prokázané od marketingového. Většina nadšených čísel pochází z pozorovacích projektů a dotazníků — ne z přísně kontrolovaných pokusů. A když přišel první velký randomizovaný test (UCLA Health, 238 lékařů ve čtrnácti oborech, zveřejněný v NEJM AI v roce 2025), výsledek byl střízlivější: jeden z nástrojů zkrátil čas strávený v záznamu o 9,5 procenta, zatímco druhý žádnou statisticky významnou úsporu času nepřinesl. Oba přitom zlepšily vnímanou zátěž a pohodu lékařů. Poučení je dvojí: prožitek (méně stresu, víc očního kontaktu) se zlepšuje docela spolehlivě, ale „uspoří vám to čas“ neplatí automaticky a závisí na konkrétním nástroji i způsobu nasazení.

A pak je tu riziko, které se nesmí podcenit: halucinace, tedy situace, kdy si AI sebejistě vymyslí něco, co nezaznělo. U přepisových modelů to není teorie. Akademická analýza jednoho velmi rozšířeného nástroje pro rozpoznávání řeči (publikovaná na konferenci ACM FAccT v roce 2024) zjistila, že zhruba jedno procento přepisů obsahovalo celé vymyšlené věty — a z nich asi 40 procent bylo potenciálně škodlivých, včetně vymyšlených léků či diagnóz, často vložených do míst, kde pacient jen mlčel. Jiná studie, která nechala obecný jazykový model vytvořit zprávy z nahrávek, napočítala v průměru 23,6 chyby na jeden případ a 86 procent vynechání. To není důvod technologii zavrhnout — je to důvod, proč je kontrola lékařem absolutní podmínkou a proč regulátoři jako britská NHS od dubna 2025 vyžadují u těchto nástrojů formální posouzení bezpečnosti a ochrany dat.

Pozvánka, která přijde ve správnou chvíli

Druhá oblast vstřícné AI se točí kolem jednoduché otázky: jak dostat správného pacienta na správné vyšetření ve správný čas. Zní to banálně, ale je za tím obrovský populační potenciál. Screeningové programy — na rakovinu prsu, děložního čípku nebo tlustého střeva — fungují jen tehdy, když na ně lidé skutečně chodí. A neúčast na objednaných termínech (anglicky „no-show“) stojí systém peníze i kapacitu a prodlužuje čekání ostatním. Tady AI nedělá nic geniálního, jen dobře počítá pravděpodobnosti: které pozvané osobě hrozí, že nepřijde, a komu a kdy poslat pozvánku tak, aby zabrala.

Důkazy o predikci neúčasti jsou solidní. Modely strojového učení dokážou označit rizikové termíny překvapivě spolehlivě — jeden pediatrický model zachytil 83 procent budoucích neúčastí při méně než 17 procentech planých poplachů, jiné práce z telemedicíny i stomatologie hlásí přesnost (měřenou ukazatelem AUC) kolem 0,72. Nejsilnějším prediktorem je napříč studiemi prostá věc: kolik termínů člověk zmeškal v minulosti. Co je důležitější — existuje i důkaz, že predikce něco změní: v chilské dětské nemocnici spojili předpověď rizika s cíleným telefonátem nejohroženějším rodinám a neúčast klesla o 10,3 procentního bodu oproti kontrolní skupině.

Chytré zvaní a predikce neúčasti — co ukazují studie

Zdroje: NPJ Digital Medicine (2022) pro záchyt neúčasti; Telemedicine Reports (2025) pro AUC; Health Care Management Science (2023) pro pokles neúčasti po intervenci. AUC je technicky bezrozměrný ukazatel rozlišovací schopnosti; zde převeden na procenta jen pro vizuální srovnání.

U personalizovaného zvaní na prevenci jsou data zatím opatrnější. Randomizovaný experiment ukázal, že zpráva napsaná na míru (ať už AI, nebo formou chatbota) zvyšuje záměr jít na screening víc než neosobní expertní leták. Háček je v tom slově „záměr“: studie měřila ochotu, ne to, kolik lidí skutečně dorazilo — a mezi „chci jít“ a „šel jsem“ bývá velký rozdíl. Druhá výhrada je etická a stojí za to ji vyslovit nahlas: modely neúčasti silně váží socioekonomické znaky. Hrozí, že „rizikový pacient“ začne znamenat „chudší pacient“ — a systém, který má rovnat přístup k péči, by ho neměl nevědomky prohlubovat.

Zpráva, které pacient rozumí

Třetí velká oblast je práce s textem, kterou jazykové modely zvládají nejlépe: shrnovat, přepisovat a překládat. Konkrétně jde o tři věci. Sumarizaci — z dlouhé hospitalizace vytvořit koncept propouštěcí zprávy. Překlad do lidštiny — odborný nález plný zkratek převést do textu, kterému rozumí pacient bez medicínského vzdělání. A předvyplnění administrativy — třeba návrh kódování diagnóz (MKN-10), které je jinak zdlouhavé a chybové.

Důkazy jsou nadějné, ale s jednou velkou hvězdičkou. V kontrolované studii hodnotili zkušení lékaři koncepty propouštěcích dopisů a ty od jazykového modelu obstály v „poskytnutí informace“ lépe než dopisy mladých lékařů — a to bez halucinací. Přehled studií o zjednodušování nálezů zjistil, že AI dokáže srazit čtenářskou náročnost radiologické zprávy z úrovně vysoké školy zhruba na úroveň druhého stupně základní školy. A v onkologii našel jeden model při kontrole dokumentace 97,8 procenta záměrně vložených chyb, zatímco lékaři jen 47,8 procenta. To je obraz AI jako pečlivého korektora, který nikdy není unavený.

Ta hvězdička ale není malá. Jiná studie, tentokrát na propouštěcích zprávách z urgentního příjmu, našla u jazykového modelu 42 procent halucinací a 47 procent opomenutí klinicky důležité informace. Dva protichůdné výsledky u dvou typů dokumentů říkají totéž, co celá tato vrstva AI: kvalita silně závisí na úkolu, na datech i na tom, jak je nástroj zapojený — a bez kontroly člověkem je výstup nepoužitelný. Vstřícná AI je výborný pomocník a mizerný samostatný pracovník.

Chatbot u vchodu: triáž a její meze

Poslední oblast první vrstvy je zároveň ta, kde je nadšení největší a důkazy nejslabší: symptom checkery, tedy chatboti, kterým pacient popíše příznaky a oni poradí, co to může být a kam jít. Tady je třeba být obzvlášť opatrný, protože jde o jediné místo, kde AI mluví přímo s laikem bez lékaře mezi tím — a chyba má přímý dopad.

Přesnost těchto nástrojů je dlouhodobě nízká a moc se nelepší. Velký audit 23 symptom checkerů publikovaný v BMJ už v roce 2015 zjistil, že správnou diagnózu na prvním místě nabídly jen ve 34 procentech a správnou míru naléhavosti (triáž) v 57 procentech případů. Novější testy to potvrzují: aplikace Ada měla v jedné studii na urgentním příjmu sice slušnou citlivost v první pětici návrhů, ale 14 procent jejích doporučení ohledně naléhavosti lékaři označili za nebezpečná. Obecný chatbot ChatGPT ve verzi 3.5 vykázal v jednom testu dokonce 41 procent nebezpečných triáží. A randomizovaná studie z berlínské Charité nenašla žádné zlepšení spokojenosti ani úzkosti pacientů, kteří před návštěvou použili symptom checker, oproti běžné péči.

Symptom checkery: přesnost zůstává nízká (audit 23 nástrojů, %)

Zdroje: Semigran et al., BMJ (2015) pro diagnózu a triáž; test obecného chatbota pro podíl nebezpečných triáží. Hodnoty z různých studií, neslouží k přímému srovnání nástrojů, ale ilustrují trvale nízkou spolehlivost.

Jak nebezpečné to může být, ukázal pád firmy Babylon Health — kdysi vlajkové lodi britského „digitálního zdraví“. Babylon tvrdil, že jeho chatbot zvládá diagnostiku „lépe než lékař“ (81 procent správně proti 72 procentům u lékařů v jednom testu). Nezávislý rozbor v The Lancet z roku 2018 ale konstatoval, že pro takové tvrzení „není přesvědčivý důkaz“ a že systém může být v některých situacích „výrazně horší“. Firma přesto vyrostla na valuaci přes 4 miliardy dolarů — a v září 2023 skončila v likvidaci. Nejnebezpečnější přitom není, když chatbot pošle k lékaři zbytečně. Nebezpečné je falešné uklidnění, které někoho s vážným stavem odradí od péče, dokud není pozdě.

Pozor ale na jeden důležitý rozdíl, ke kterému se vracíme v druhém dílu: tahle nízká spolehlivost platí pro spotřebitelské symptom checkery, kterým příznaky popisuje laik. Něco jiného jsou špičkové „uvažovací“ modely pracující se strukturovaným lékařským popisem případu — ty v recenzovaných testech z let 2024–2026 (mj. v časopise Science) naopak dosahují úrovně lékařů i nad ni. Je to jiný nástroj, jiný uživatel a jiná evidence; házet je do jednoho pytle vede ke zmatku v obou směrech. Druhý díl série této „uvažující“ AI a otázce, zda může sloužit jako druhý názor, věnuje samostatnou kapitolu.

Co to znamená pro Česko

Jak na tom je s touto vrstvou AI Česko? Lépe, než by člověk čekal, a zároveň s jednou velkou dírou. Dobrá zpráva nejdřív: podle národního průzkumu ministerstva zdravotnictví z února 2026 už nějakou formu umělé inteligence používá nebo testuje 67,6 procenta zdravotnických zařízení, v radiologii dokonce 82,9 procenta. Česko má navíc roky fungující digitální základ, na kterém se dá stavět — eRecept je povinný od roku 2018 a vystavují se přes něj desítky milionů receptů ročně, takže lékaři i pacienti jsou na elektronické nástroje zvyklí. Vzniká i institucionální zázemí: ministerstvo zřídilo Výbor pro umělou inteligenci ve zdravotnictví a AI počítá s národní strategií i s novou strategií elektronického zdravotnictví na léta 2025–2035.

A teď ta díra: peníze. K polovině roku 2026 v Česku neexistuje systémová úhrada umělé inteligence z veřejného zdravotního pojištění. Nemocnice, která chce AI nasadit, ji platí ze svého. Změna se rýsuje — VZP schválila na jaře 2026 metodiku dočasné úhrady a pilotní provoz má začít teprve od července 2026 — ale dokud nebude jasné, kdo a za co zaplatí, zůstane většina nasazení ve fázi pilotů a nadšení jednotlivců. To je důležitý kontext k tomu zářnému číslu 67,6 procenta: „používá nebo testuje“ není totéž co „má v rutinním, financovaném provozu“. Jak v Česku vzniká celá digitální páteř, na kterou se tyhle nástroje napojují, podrobně rozebírá naše série o digitalizaci — od vysvětlení, co digitalizace zdravotnictví vlastně je, až po to, jak spolu systémy mluví přes rozhraní API.

Kde je háček — a proč „vrácený čas“ není málo

Když to shrneme, vstřícná AI má překvapivě pevné základy, ale i jasné meze, které platí napříč všemi jejími podobami. První mez je člověk ve smyčce: ať jde o zprávu, pozvánku, nebo triáž, výstup AI je vždy návrh, který musí někdo zkontrolovat. Druhá je halucinace — schopnost modelu sebejistě tvrdit nepravdu — kvůli které se nesmí žádný výstup pouštět dál naslepo. Třetí jsou data a soukromí: nahrávky konzultací a zdravotní záznamy patří mezi nejcitlivější osobní údaje vůbec a jejich zpracování přísně hlídá GDPR. A čtvrtá je regulace: Evropská unie řadí zdravotnickou AI mezi „vysoce rizikové“ systémy s tvrdými povinnostmi — čemu přesně musí výrobci i nemocnice dostát, jsme rozebrali v samostatném textu o tom, co přináší evropský AI Act do zdravotnictví.

Přesto by byla chyba mávnout nad touhle vrstvou rukou jako nad „pouhou administrativou“. Většina velkých slibů o AI v medicíně — že nahradí radiology nebo objeví zázračné léky — je zatím buď nejistá, nebo daleko. Naproti tomu „lékař, který se vám zase dívá do očí“ je přínos skromný, ale doložený, levný na pochopení a okamžitě citelný pro pacienta i pro vyčerpaný systém. Není to revoluce z titulků. Je to ale možná to nejlepší, co umělá inteligence dnešní medicíně reálně nabízí.

V druhém díle série opustíme zázemí a vstoupíme přímo do diagnostiky a léčby: podíváme se, jak si AI vede při čtení mamografů a snímků sítnice, proč je jeden slavný systém na předpověď sepse odstrašujícím příkladem, a kam to dotáhl hon na nová antibiotika proti rezistentním bakteriím — od oceňovaného AlphaFoldu po molekuly, které zatím fungují jen u myší. Jinými slovy: kde AI opravdu léčí a kde zatím jen slibuje.