AMIE a MIRA: Lékařská AI překonává lékaře jen v simulaci

Dvě různé cesty k „autonomní“ lékařské AI

Dvě studie publikované v červnu 2026 v časopise Nature posunuly debatu o využití autonomních AI systémů ve zdravotnictví. Google představil novou verzi AMIE, která se nesoustředí pouze na jednorázovou diagnostickou konverzaci, ale na řízení chronických onemocnění během několika návštěv. Druhý systém, MIRA, pracuje přímo v elektronické zdravotní dokumentaci a v simulovaném nemocničním informačním systému dokáže navrhovat vyšetření i léčebné kroky .

Výsledky znějí působivě: v některých testech systémy dosáhly stejných nebo lepších výsledků než atestovaní lékaři. Klíčové je ale slovo testy. Šlo především o kontrolované simulace a zpětné vyhodnocení případů, nikoli o důkaz, že AI může samostatně léčit pacienty v běžné ordinaci nebo nemocnici.

Co umí AMIE

AMIE, zkratka pro Articulate Medical Intelligence Explorer, vznikla jako konverzační systém zaměřený na odběr anamnézy a diferenciální diagnostiku. V randomizované, dvojitě zaslepené crossover studii vedli s AMIE a s atestovanými praktickými lékaři textové konzultace vyškolení pacientští herci. V tomto simulovaném prostředí si AMIE vedla přinejmenším stejně dobře jako lékaři v několika klinicky významných ukazatelích .

Novější verze jde dál. Při řízení chronických onemocnění využívá dlouhý kontext modelů Gemini a dvojici agentů: empatického dialogového agenta pro samotný rozhovor s pacientem a analytického agenta, který připravuje plán další péče a porovnává jej se stovkami stran odborných doporučení .

Ve zaslepeném hodnocení 100 scénářů se třemi návštěvami, které pokrývaly kardiologii, pneumologii, neurologii, oblast gynekologie a urologie a gastroenterologii, vycházela AMIE v přesnosti návrhů vyšetření a léčby příznivěji než srovnávaní lékaři. U vyšetření se přesný soulad s hodnoceným doporučením objevil při druhé návštěvě v 99 % případů oproti 84 % u lékařů a při třetí návštěvě ve 100 % oproti 88 %. Systém navíc uváděl odkazy na použité odborné zdroje .

To však stále neznamená, že AMIE sama převzala péči o skutečné pacienty. Studie využívala profesionální herce a virtuální, standardizované scénáře.

Co umí MIRA

MIRA představuje odlišný přístup. Namísto primárního zaměření na rozhovor je navržena jako AI agent fungující uvnitř elektronické zdravotní dokumentace. V simulovaném nemocničním informačním systému podle dostupných popisů samostatně vyhodnocovala zdravotní informace, navrhovala testy a připravovala diagnostická a léčebná rozhodnutí .

V retrospektivních simulacích dosáhla celkové diagnostické přesnosti 87,8 %, zatímco skupina atestovaných lékařů 78,1 %. U některých diagnóz byl rozdíl výraznější: u pankreatitidy 95,2 % oproti 78,6 % a u apendicitidy 100 % oproti 88 % .

MIRA navrhovala více krevních testů než lékaři — 51 % oproti 28 % — současně ale doporučovala výrazně méně zobrazovacích vyšetření . Systém měl přístup k více než 85 000 možným klinickým akcím. Při testování odolnosti vůči 880 záměrně zavádějícím pokynům nebyl podle dostupného hodnocení zaznamenán únik dat .

Ani zde ale nešlo o běžný kontakt s pacienty. MIRA pracovala s retrospektivními případy a informace získávala prostřednictvím AI agentů, kteří simulovali chování pacientů .

Proč výsledky zatím nestačí

Největší slabina obou projektů je stejná: chybí robustní ověření v reálném klinickém prostředí. Přehledová studie zdravotnických AI agentů označuje nedostatek validace na skutečných pacientech za hlavní překážku. Mnohá hodnocení využívají idealizovaná nebo syntetická data, která nepostihují neúplné, nevyvážené a chaotické záznamy typické pro praxi .

AI stále neprovede fyzické vyšetření

AMIE i MIRA jsou založeny především na textu a strukturovaných datech. Nemohou samy prohmatat břicho, poslechnout srdeční ozvy ani posoudit chůzi pacienta. To není okrajový nedostatek: fyzické vyšetření zůstává u řady diagnóz zásadní.

Simulace není ordinace

Pacient v testovacím scénáři se chová předvídatelněji než člověk, který má strach, špatně popíše své potíže, zapomene na důležitou informaci nebo současně užívá několik léků. Retrospektivní zdravotní záznam navíc neukazuje všechny komplikace a rozhodovací tlaky, kterým lékař čelí v reálném čase.

Chybí dlouhodobá paměť i průběžné učení

Analýza kapitoly o medicíně ve zprávě AI Index uvádí, že žádný z hodnocených systémů neprokázal průběžné učení ani dlouhodobou paměť napříč různými setkáními s pacientem . Mezi další otevřená rizika patří halucinace, neprůhledné rozhodování, chyby v koordinaci více agentů a zranitelnost elektronických zdravotních záznamů .

Na co upozorňují odborníci

Odborníci označili obě studie za významný kvalitativní posun, zároveň ale zdůraznili, že výsledky pocházejí z kontrolovaných podmínek . Z širšího výzkumu AI agentů ve zdravotnictví vyplývá několik dalších problémů:

• Vysvětlitelnost a důvěra: lékař nemusí být schopen zpětně zjistit, proč systém dospěl ke konkrétnímu závěru. Nedostatek transparentnosti komplikuje kontrolu i přijetí technologie .
• Nejasná odpovědnost: při chybném rozhodnutí není vždy jasné, zda odpovědnost nese vývojář, nemocnice, nebo dohlížející lékař. Stávající pravidla, včetně regulace FDA a evropského aktu o umělé inteligenci, zatím specifika autonomních zdravotnických agentů plně neřeší .
• Přenositelnost výsledků: model trénovaný na datech z jediného centra nebo na konkrétní databázi nemusí stejně dobře fungovat v jiné nemocnici, zemi či demografické skupině .
• Riziko přílišné důvěry: výzkumníci proto vyvíjejí i omezené varianty, například g-AMIE. Ta odebírá anamnézu a připravuje podklady, ale záměrně se zdrží poskytování individualizovaných zdravotních rad bez dohledu lékaře .

Jak daleko je skutečné nasazení

AMIE už má za sebou první kroky mimo čistě laboratorní prostředí. Prospektivní jednoramenná studie ve spolupráci s Beth Israel Deaconess Medical Center zkoumala, zda může před návštěvou ambulance shromáždit informace od pacienta . V jiné studii urgentní péče se 100 pacienty zahrnovala diferenciální diagnóza AMIE konečnou diagnózu v 90 % případů a mezi třemi nejlepšími návrhy byla v 75 % případů. Lékaři však hodnotili své plány péče jako praktičtější a nákladově efektivnější .

Jde o slibné signály, nikoli o důkaz lepších výsledků léčby. Prospektivní studie proveditelnosti není totéž co rozsáhlá randomizovaná studie, která by ukázala, že používání systému skutečně zlepšuje zdraví pacientů.

Před běžným nasazením bude nutné vyřešit především:

• regulaci a prokázání bezpečnosti, zejména u systémů, které navrhují diagnózy nebo léčbu;
• integraci s elektronickou zdravotní dokumentací, včetně jasného označení obsahu vytvořeného AI a člověkem ;
• lidský dohled a odpovědnost za každé rozhodnutí s dopadem na pacienta;
• nedostatek fyzického vyšetření a dalších praktických dovedností potřebných v klinice;
• ověření spravedlivého výkonu u různých skupin pacientů a v různých zdravotnických systémech.

Verdikt: působivé prototypy, nikoli náhrada lékařů

AMIE ukazuje, že konverzační AI se může posunout od jednorázového odběru anamnézy k plánování péče napříč více návštěvami. MIRA zase naznačuje, jak by mohl autonomní agent pracovat přímo se zdravotnickou dokumentací a navrhovat klinické kroky. V kontrolovaných simulacích obě technologie dosáhly výsledků srovnatelných s lékaři nebo lepších .

Rozdíl mezi testem a skutečnou medicínou však zůstává značný. Než se podobné systémy objeví v běžné ordinaci, budou zapotřebí studie se skutečnými pacienty, jasná pravidla odpovědnosti, ověření bezpečnosti u různorodých populací a důkaz, že zlepšují výsledky léčby — nejen skóre v simulovaném scénáři .

AMIE a MIRA jsou proto zatím především výzkumné prototypy. Mohou se stát užitečnými nástroji pro lékaře, ale současné důkazy nepodporují jejich použití jako samostatné náhrady lidské klinické péče.