AI v medicíně a diagnostice z obrazu – mamografie, rentgen, studie, nasazení v ČR a rizika

Radiologie je jedním z oborů, kde AI v medicíně pronikla nejdál. Snímky (rentgen, mamografie, CT, MR, sítnice, endoskopie) jsou data, ve kterých se dají hledat vzory, a neuronové sítě v tom dosahují velmi dobrých výsledků. V praxi nejde o „robolékaře“, který by diagnostikoval místo člověka, ale o druhý pár očí: AI označí podezřelé místo, určí skóre rizika nebo roztřídí snímky podle naléhavosti, a rozhodnutí i odpovědnost zůstávají lékaři. Pacientovi se to může projevit rychlejším vyhodnocením, přesnějším záchytem nálezu, ale také novými otázkami: kdo ručí za chybu, jak se zachází s mými daty a proč mi někdy AI vyšetření nehradí pojišťovna.

V článku vysvětlujeme jak AI v diagnostice z obrazu funguje, co ukazují největší studie (mamografický screening), jak vypadá nasazení v Česku, jaké jsou přínosy a omezení, jak je to s regulací (zdravotnický prostředek, AI Act) a co by měl vědět pacient. Čerpáme z přehledu studie MASAI v Applied Radiology a zprávy Live Science o studii, českých reportáží CC.cz: AI začne hledat nádory prsu, Lupa.cz: Ve většině nemocnic už se setkáte s AI a Lupa.cz: Carebot a rakovina plic, studie v Časopisu lékařů českých, právního přehledu ARROWS: Jak přistupovat k AI ve zdravotnictví a webu SÚKL. Jde o informace pro orientaci, nikoli o lékařskou radu; části údajů pocházejí od firem, které AI prodávají, a nejsou nezávisle ověřeny.

Související články: AI ve zdravotnictví: možnosti a rizika, Zdravotní chatboti: rizika a AI ve vědě a výzkumu.

Aktualizováno: listopad 2026.

Jak AI při hodnocení snímků funguje

• Učení z příkladů: neuronová síť se natrénuje na velkém množství snímků, u nichž je známo, zda a kde se nachází nález (například nádor, zlomenina, krvácení); viz Jak se trénuje AI model.
• Typické výstupy: označení podezřelého místa na snímku, skóre rizika, třídění snímků podle naléhavosti, měření (například hustota prsu, velikost léze).
• Role v procesu: AI může být samostatný čtenář (výsledek se porovná s lékařem), asistent (lékař vidí označení při čtení), nebo třídič (snímky s nejvyšším rizikem se čtou dřív). Podle reportáže CC.cz AI v jednom pražském mamografickém centru zpočátku pracovala nezávisle, aby neovlivnila úsudek lékaře, a tvořila třetí čtení vedle dvou radiologů.
• Doplněk, ne náhrada: experti EU podle téže zprávy doporučovali používat AI zatím jako dodatečné hodnocení; odpovědnost nese lékař.
• Další oblasti: podle Lupy se AI v českých nemocnicích objevuje u rentgenových snímků plic, mamografie, analýzy sítnice (screening diabetické retinopatie), kolonoskopie (hledání adenomů), EKG z nositelných zařízení, při hodnocení mozkové příhody či zlomenin; většina nasazení je zatím v pilotní fázi.

Orientační schéma práce AI při hodnocení lékařského snímku – vlastní infografika

Co ukazuje studie MASAI

Nejcitovanější je švédská randomizovaná studie MASAI (Mammography Screening with Artificial Intelligence) v rámci národního screeningu. Podle přehledu v Applied Radiology (publikace v časopise The Lancet Digital Health):

• Rozsah: více než 105 000 žen; skupina se screeningem podporovaným AI (nástroj Transpara) měla přes 53 000 účastnic.
• Záchyt: v AI skupině vzrostl o 29 % (6,4 nalezené rakoviny na 1000 žen oproti 5,0 v kontrolní skupině).
• Zátěž radiologů: klesla o 44 %.
• Falešně pozitivní nálezy: záchyt vzrostl bez nárůstu falešně pozitivních výsledků.

Pozdější zprávy o dalších výsledcích (například o počtu rakovin diagnostikovaných mezi screeningovými vyšetřeními) zmiňují příznivý trend; podrobnosti a čísla se ve zdrojích liší, proto je ověřte v původních publikacích. Omezení: studie se týká konkrétního nástroje, jednoho národního programu a způsobu čtení, při kterém měli radiologové k dispozici označení AI a informace o riziku. Výsledky nelze automaticky přenášet na jiné systémy, přístroje ani země; screening stále vyžaduje lidské hodnocení.

Zkušenosti z Česka

• Rozšíření: podle odhadu zástupce České asociace umělé inteligence uvedeného v Lupě (leden 2025) používá nějakou formu AI zhruba dvě třetiny českých nemocnic; jde o odhad, nikoli o ověřený průzkum, a většina nasazení je v pilotní fázi.
• Rentgeny plic: startup Carebot uvádí nasazení AI pro rentgeny plic v desítkách nemocnic a vlastní studii na desítkách tisíc snímků; viz Lupa. Tyto údaje pocházejí od firmy. Nezávislá studie v Časopisu lékařů českých srovnávala AI s radiology na menším souboru snímků; viz původní publikaci.
• Mamografie: AI jako „třetí čtenář“ v soukromém centru; klientky si ji podle reportáže z roku 2023 většinou hradily samy a pojištění ji zpravidla nehradilo; výjimky se mohou objevovat. Aktuální stav ověřte u pracoviště a pojišťovny.
• Úhrady a metodika: podle článku Lupa veřejné pojištění zatím nemá pro AI metodickou ani ekonomickou podporu, což může brzdit investice nemocnic.
• Příběh pacienta: média popisují případy, kdy AI upozornila na nález, který při prvním pohledu unikl; jde o jednotlivé příběhy, nikoli o důkaz přesnosti; viz např. CNN Prima News.

Přínosy

• Vyšší záchyt některých nálezů a podpora méně zkušených lékařů; podle studie MASAI vyšší záchyt při současném snížení zátěže radiologů.
• Třídění podle naléhavosti: urgentní nálezy se čtou dřív.
• Úspora času a snížení únavy; například v českém pilotním testu se podle reportáže zkrátil čas hodnocení mamogramu.
• Konzistence: AI nemá „horší den“.
• Dostupnost ve venkovských a menších zařízeních, kde je méně specialistů.
• Podpora vzdělávání lékařů a řízení kvality.
• Objektivní měření (velikost léze, hustota prsní tkáně, objem).

Omezení a rizika

1. Falešné nálezy: falešně pozitivní vedou k dalším vyšetřením a stresu, falešně negativní k přehlédnutí; studie z českého prostředí uvádějí vyšší citlivost za cenu nižší specificity u některých nástrojů.
2. Zaujatost dat: model naučený na jedné populaci či na konkrétních přístrojích může fungovat hůře jinde; viz Rizika AI: bias a diskriminace.
3. Nadměrné spoléhání (automation bias): lékař může nálezu AI uvěřit víc, než by měl, nebo ho naopak ignorovat.
4. Vzácné a atypické případy: AI selhává u nálezů, které nebyly dost zastoupeny v tréninku.
5. Technické změny: nový přístroj, nastavení či software mohou změnit výkon; nutná kontrola kvality.
6. Odpovědnost a právní otázky: odpovědnost nese zdravotnické zařízení a lékař; viz Kdo nese odpovědnost za chyby AI.
7. Ochrana zdravotních dat: zdravotní údaje podléhají zvláštní ochraně; sdílení se systémem může komplikovat GDPR; viz AI a ochrana osobních údajů (GDPR).
8. Nezávislé důkazy: mnoho údajů pochází od výrobců; kvalitní nezávislé studie jsou zatím omezené.
9. Nerovný přístup: placená AI může prohlubovat rozdíly.
10. Kyberbezpečnost zdravotnických systémů.

Kontrolní seznam – vlastní infografika

Regulace: zdravotnický prostředek a AI Act

• Zdravotnický prostředek: software, který analyzuje snímky pro diagnostické účely, bývá podle právních přehledů (ARROWS) zdravotnickým prostředkem podle nařízení MDR; musí projít posouzením shody a mít označení CE. Informace o prostředcích a dohledu poskytuje SÚKL.
• AI Act: podle právních komentářů se přidává k MDR a pro řadu zdravotnických AI systémů se předpokládá zařazení mezi vysoce rizikové systémy; povinnosti se uplatňují postupně a harmonogram se může měnit; ověřte aktuální stav.
• Co to znamená v praxi: výrobce musí dokládat bezpečnost, kvalitu dat, lidský dohled a monitoring; zdravotnické zařízení odpovídá za správné použití a kontrolu kvality.
• Kontrola uživatelem: ptejte se, zda je nástroj certifikovaný a pro jaké použití (indikaci) je určen.
• Pacientská práva: právo na informace o léčbě a o tom, kdo a jak data zpracovává.

AI a lékař: změna role

• Lékař jako dohled: radiolog interpretuje nálezy v kontextu, komunikuje s pacientem a nese odpovědnost.
• Školení: lékaři se učí AI chápat (kde je silná a kde chybuje).
• Změna práce: méně rutiny, více složitých případů a komunikace; diskuse o budoucnosti oboru.
• Spolupráce klinik a firem: klinické validace a sběr dat o skutečném výkonu.
• Etika: informování pacientů, férový přístup, nezávislé hodnocení.

Co AI v medicíně neumí

• Nahradit klinické myšlení: anamnézu, vyšetření a rozhovor s pacientem.
• Zohlednit celý kontext (jiné nemoci, léky, preference pacienta).
• Zaručit správnost u každého snímku.
• Vysvětlit proč (u řady modelů je zdůvodnění omezené).
• Fungovat bezchybně v čase bez dohledu a kontroly kvality.

Pro domácí použití je důležité rozlišit certifikované zdravotnické prostředky a obecné chatboty, které diagnózu stanovit nemají; viz Zdravotní chatboti: rizika.

AI v diagnostice z obrazu v kostce

Základní údaje – vlastní infografika

Výhody a nevýhody

Souhrn pro pacienty – vlastní infografika

Související články

V kategorii AI v oborech najdete také AI v právu: analýza a návrh smluv, AI v pojišťovnictví a AI v kybernetické obraně.

Shrnutí

AI v diagnostice z obrazu funguje jako druhý čtenář: označí podezřelá místa, určí skóre a roztřídí snímky, zatímco rozhodnutí a odpovědnost nese lékař. Studie MASAI při mamografickém screeningu ukázala vyšší záchyt (+29 %) a nižší zátěž radiologů (−44 %) bez zvýšení falešně pozitivních nálezů, v Česku se AI nasazuje zatím převážně pilotně. Rizika zahrnují falešné nálezy, zaujatost dat a údaje od výrobců, regulaci tvoří MDR a AI Act. Pacient by se měl ptát na použití AI a ochranu dat a nenahrazovat vyšetření chatbotem.

Často kladené otázky k AI v diagnostice z obrazu