Jak přesný je AI lékař? Upřímná čísla

Upřímná odpověď: AI lékař je přibližně tak přesný jako nespecializovaný lékař u běžných problémů, ale za odborníkem zřetelně zaostává. Velká metaanalýza z roku 2025 v npj Digital Medicine stanovila celkovou diagnostickou přesnost samostatné generativní AI na přibližně 52 %. AI lékař online je nejlépe považovat za dobře informovaný druhý názor, nikoli za verdikt.

AI lékař není náhradou za licencovaného lékaře a neposkytuje diagnózu. V případě lékařských nouzových situací volejte 911. Čísla přesnosti níže vysvětlují, k čemu je vhodný — a přesně kde stále potřebujete skutečného lékaře.

Stručná odpověď: Jak přesný AI lékař skutečně je

Odstraňte marketing a obraz je jednoduchý: generativní diagnostický nástroj AI, používaný samostatně, dostane správnou odpověď něco málo přes polovinu případů — a toto jediné číslo skrývá obrovské rozdíly v závislosti na úkolu, kvalitě vstupních dat a tom, s kým je srovnáván.

Jedno číslo jako referenční bod: ~52 %

Systematický přehled a metaanalýza z roku 2025 zahrnující 83 studií, publikovaná v npj Digital Medicine, zjistila, že generativní modely AI dosahují celkové diagnostické přesnosti 52,1 % (95% CI 47,0–57,1 %) při samostatné práci. To zní nízko, ale jde o průměr přes snadné i velmi obtížné případy dohromady — kontext kolem tohoto čísla je důležitější než číslo samotné.

Ve srovnání se skutečným lékařem

Stejná metaanalýza nezjistila statisticky významný rozdíl mezi AI a lékaři celkově (p=0,10) ani významný rozdíl oproti neodborným lékařům nebo rezidentům (p=0,93). AI však podávala výrazně horší výkon než odborní lékaři — o přibližně 15,8 procentního bodu (p=0,007). Jednoduše řečeno: kontrolor příznaků AI je srovnatelný s generalistou čerstvě po výcviku a zřetelně zaostává za specialistou s letitým vzorem rozpoznávání — a srovnání AI lékaře se skutečným lékařem ukazuje, jak se tato mezera prohlubuje s obtížností případu.

Proč se číslo přesnosti tak výrazně liší

Kdo porovnává různé titulky, zákonitě narazí na velmi odlišné hodnoty — v jedné studii 97 %, v jiné 40 %. Tento rozptyl pramení převážně z několika proměnných, které samotný titulek většinou ani nezmiňuje:

• Jak byly vstupní údaje shromážděny — strukturovaná klinická dokumentace versus vlastní slova pacienta
• Zda „správně” znamená jedinou nejlepší odpověď, nebo kteroukoli z top 3–5 návrhů
• Jak časté nebo vzácné je dané onemocnění
• Který model a která verze byly testovány a kdy
• Zda studie měřila diagnostiku, třídění pacientů, nebo oboje

Odpadky na vstupu, odpadky na výstupu: kvalita dat je klíčová

V JMIR studii se 100 pacienty pohotovostního oddělení dosáhl ChatGPT na bázi GPT-4 97 % správných nebo částečně správných diagnóz — ale pouze proto, že mu byla předložena tatáž dokumentace sestavená lékařem, jakou používali ošetřující doktoři, včetně vitálních funkcí, laboratorních výsledků a klinických poznámek. Pokud dostane stejný typ modelu pouze surové příznaky nahlášené samotným pacientem, jeho přesnost klesá přibližně na 50 % pro shodu v top-3. Diagnostický nástroj AI je tak dobrý, jak dobré jsou informace, které mu poskytnete, a pochopení toho, jak AI doktor funguje pod pokličkou, vysvětluje, proč tentýž model může na základě kvality vstupu dosahovat tak rozdílných výsledků.

Top-1 vs. top-3: které číslo vlastně citují?

Tvrzení „70–80% přesnost” zpravidla znamená, že se správná odpověď objeví někde mezi třemi nejlepšími návrhy nástroje pro třídění pacientů AI — nikoli že systém hned napoprvé pojmenoval správný stav. Pokud se stejného systému zeptáte na jedinou odpověď, přesnost může klesnout na 34–40 %. Kdykoli narazíte na tvrzení o přesnosti jakéhokoli zdravotního asistenta AI, ověřte si, zda jde o top-1, nebo top-3 — jsou to velmi rozdílné sliby a výrobci zpravidla uvádějí tu lichotivější hodnotu.

Kde je AI doktor přesný — a kde selhává

Diagnostická přesnost není jedna jediná dovednost, ale celá sada schopností — a AI doktor je v některých z nich výrazně lepší než v jiných. Vědět, ve kterých, zásadně mění způsob, jak tento nástroj skutečně využívat.

Strong v triáži. AI doktor je nejspolehlivější tehdy, kdy jde o otázku „jak urgentní to je”, nikoli „co přesně to je”. Zařadit příznak do kategorie pohotovost, urgentní nebo běžný problém je úžeji vymezený a lépe definovaný úkol než stanovit konečnou diagnózu — a modely ho zvládají konzistentněji.

Strong u běžných, dobře zdokumentovaných obtíží. Přímočaré, často se vyskytující problémy — takové, pro které existuje dostatek trénovacích dat a jasné vzorce příznaků — nahrávají silným stránkám nástrojů pro generativní AI diagnostiku.

Strong v úzkých specializacích s velkým množstvím obrazových dat. U úloh rozpoznávání vzorů, jako je dermatologie, souhrnná analýza prospektivních studií detekce melanomu ukázala, že samotná AI dosahuje přibližně 80,9% senzitivity a 75,6% specificity — srovnatelně s dermatology pracujícími bez asistence — a při spolupráci AI s dermatologem, nikoli při jejím nahrazení, stoupá na přibližně 91,9% senzitivity a 83,7% specificity. Dobře definované úlohy vizuálního rozpoznávání vzorů jsou tomuto nástroji téměř jako doma.

Weak u komplexních, vzácných nebo víceorgánových případů. Accuracy prudce klesá, když se příznaky překrývají napříč tělesnými systémy nebo poukazují na neobvyklý stav — a právě tam je odborný úsudek lékaře nejdůležitější.

Weak způsobem, který se snadno přehlédne: sebejistá chybnost. AI doktor může vyslovit nesprávnou diagnózu plynnou, uklidňující řečí, bez jakéhokoli náznaku pochybnosti. Přesvědčivě znějící výsledek neznamená správný výsledek — a přesně proto je lidská kontrola stále nezbytná.

Lze studiím věřit? Přečtěte si drobný tisk

I ta povzbudivá čísla uvedená výše přicházejí s výhradami, které stojí za to znát dříve, než je začnete zvažovat.

V metaanalýze 83 studií bylo 63 ze 83 studií — 76 % — hodnoceno jako vysoce rizikové z hlediska zkreslení a autoři upozornili na statisticky významné publikační zkreslení (p=0,045), což znamená, že lichotivé výsledky jsou v odborné literatuře pravděpodobně nadreprezentovány. Výsledek 97 % z urgentního příjmu, který přitáhl pozornost médií, pochází z jediné studie pouhých 100 pacientů, bez předem plánovaného výpočtu velikosti vzorku, který by potvrdil, že zjištění obstojí i ve větším měřítku.

V tomto souboru výzkumů se opakovaně objevuje několik mezer:

• Většina studií testuje AI na textových kazuistikách, nikoli na chaotických konverzacích z reálného světa
• Jen málo studií měří, co se stane po chybné odpovědi AI, tedy škody v dalším průběhu
• Velikosti vzorků jsou často příliš malé na to, aby odpovídaly důvěře, kterou naznačuje hlavní číslo
• Nezávislé opakování výzkumu mimo původní výzkumný tým je stále vzácné

Autoři této metaanalýzy se vyjádřili otevřeně o tom, co jejich vlastní čísla znamenají:

Generativní modely AI zatím nejsou spolehlivou náhradou odborných lékařů, mohou však sloužit jako cenná pomůcka v situacích bez odborného dohledu a jako vzdělávací nástroj pro mediky.npj Digital Medicine meta-analysis, 2025

Berte titulní čísla přesnosti jako optimistický strop, nikoli jako záruku. Číslo vytažené z malé studie s vysokým rizikem zkreslení není totéž jako číslo, které obstojí pro vaše konkrétní příznaky.

Jak bezpečně Use AI Doctor s ohledem na jeho Accuracy

S přihlédnutím k výše uvedeným číslům je nejrozumnější přizpůsobit nástroj tomu, v čem skutečně vyniká, a ne tomu, jak schopně zní.

1. Popisujte příznaky podrobně, ne zkratkovitě. Accuracy závisí silně na kvalitě zadání — uvádějte dobu trvání, intenzitu a případné změny v čase.
2. Nejprve si přečtěte doporučení k triáži. Posouzení naléhavosti je oblast, kde kontrolér příznaků AI podává nejspolehlivější výsledky — věnujte pozornost, označí-li něco jako naléhavé.
3. Ask o top 3 možnosti, ne jen o Top-1. Výčet možností je upřímnější než jedna sebejistě znějící odpověď.
4. Use ho k přípravě otázek na skutečnou návštěvu lékaře. Přeměnit nejasnou obavu ve konkrétní seznam otázek patří k nejspolehlivějším způsobům využití tohoto nástroje.
5. Cokoli důležitého ověřte u licencovaného odborníka, zejména při nových, závažných nebo přetrvávajících příznacích.
6. Při zhoršení příznaků jednejte ihned — nečekejte, až to AI zachytí.
7. Nikdy nepovažujte jednu odpověď AI za konečnou. Porovnejte ji s tím, jak se skutečně cítíte, a s radou odborníka.

Diagnostický nástroj AI bývá nejužitečnější pro určitý okruh úkolů a nejméně užitečný pro jiné. Před tím, než se na něj spolehněte, je dobré vědět, na které straně této hranice vaše situace leží:

• Porozumění neznámým lékařským termínům z výsledku vyšetření nebo z doporučujícího dopisu
• Odhadnout, jak naléhavý může být nový příznak
• Připravit přehledný seznam otázek před návštěvou lékaře
• Získat obecné zdravotní vzdělání o onemocnění, které již máte
• Rozhodnout se mezi návštěvou v tentýž den, plánovanou objednávkou nebo vyčkávacím přístupem

Odborný konsenzus podpořený recenzovanými studiemi je jednoznačný: generativní AI je cennou pomůckou v situacích bez odborného dohledu, nikoli spolehlivou náhradou odborného lékaře. U.S. Food and Drug Administration sleduje zdravotnické prostředky s podporou AI schválené pro uvádění na trh právě proto, že neověřené výstupy AI nesou reálné klinické riziko — připomínka, že tuto mezeru v Accuracy považují za závažnou nejen výzkumníci, ale i regulátoři.

Kdy AI přeskočit a navštívit skutečného lékaře

AI lékař není náhradou za licencovaného lékaře a neposkytuje diagnózu. V případě zdravotní nouze volejte 911.

Žádné procentuální číslo přesnosti — ani 52 %, ani 97 % za ideálních podmínek — nečiní z diagnostického nástroje AI spolehlivý prostředek pro závažné, náhle vzniklé nebo zhoršující se příznaky. AI přeskočte a jděte rovnou k lékaři nebo na urgentní příjem při příznacích, jako jsou:

• Bolest nebo tlak na hrudi nebo dýchací potíže
• Náhlá, silná bolest hlavy, jakou jste dosud nezažili
• Nekontrolované krvácení nebo rychle se zhoršující poranění
• Příznaky mrtvice — pokles koutku úst, slabost paže, nezřetelná řeč
• Jakýkoli příznak, který prostě působí jako nouzová situace

Zdravotního asistenta AI využijte k tomu, abyste se zorientovali a uspořádali si myšlenky — samotné rozhodnutí pak nechte na licencovaném lékaři.

FAQ