Umelá inteligencia v zdravotníctve už nemusí znamenať iba algoritmus, ktorý hľadá podozrivé miesto na mamografickej snímke. Niekoľko technologických spoločností vyvíja systémy, ktoré majú lekárom pomáhať v rôznych fázach starostlivosti o pacientky – od prvého vyšetrenia cez hodnotenie rizika až po rozhodovanie o liečbe.
NVIDIA predstavila niekoľko takýchto spoločností zapojených do svojho programu Inception pre startupy. Ide preto predovšetkým o prehľad technológií firiem využívajúcich infraštruktúru NVIDIA, nie o nezávislé porovnanie najlepších systémov na trhu. Viaceré z opisovaných riešení však už majú regulačné povolenia alebo sa používajú v klinickej praxi.
Celý prsník za približne dve minúty
Jedným z príkladov je americká spoločnosť iSono Health a jej systém ATUSA. Ide o automatizované 3D ultrazvukové zariadenie, ktoré sa nosí na tele pacientky a dokáže podľa výrobcu zachytiť štandardizovaný obraz celého prsníka približne za dve minúty na jednu stranu.
Systém získal povolenie amerického úradu FDA. Jeho umelá inteligencia bola podľa spoločnosti trénovaná na tisícoch kompletných vyšetrení obsahujúcich viac ako 1,5 milióna ultrazvukových snímok.
Výhodou automatizovaného systému má byť aj opakovateľnosť. Pri klasickom ručnom ultrazvuku výsledok do určitej miery závisí od spôsobu, akým lekár alebo sonografista vedie sondu. Automatizované zariadenie môže vytvárať obraz rovnakým spôsobom pri každom vyšetrení, čo môže uľahčiť porovnávanie zmien v čase.
iSono zároveň vyvíja AI na detekciu, segmentáciu a klasifikáciu lézií a pripravuje širší systém kombinujúci ultrazvuk, mamografiu, magnetickú rezonanciu a klinické údaje.
Dôležité však je, že vývoj ešte pokračuje. Spoločnosť realizuje multicentrickú klinickú štúdiu približne s 3 200 pacientkami, ktorá má ďalej overiť výkonnosť platformy.
AI môže radiológom pomôcť oddeliť bežné snímky od podozrivých
Ďalším problémom je obrovský počet mamografických vyšetrení. Len v Spojených štátoch sa podľa údajov citovaných NVIDIA každoročne vykoná približne 40 miliónov mamografií.
Spoločnosť Whiterabbit.ai preto vyvíja systémy, ktoré majú časť práce automatizovať. Jej softvér WRDensity, ktorý získal povolenie FDA, automaticky hodnotí hustotu prsného tkaniva z mamografických snímok.
Firma pracuje aj na ďalších modeloch, ktoré majú odhadovať dlhodobé riziko vzniku rakoviny a pomáhať pri vyhodnocovaní mamografií. Jedným z cieľov je umožniť radiológom sústrediť väčšiu pozornosť na podozrivé prípady namiesto rovnakého času venovaného každej snímke.
Potenciál podobného prístupu podporujú aj nezávislé vedecké výsledky. Štúdia publikovaná v roku 2026 v časopise Nature Cancer vyhodnotila AI systém na viac ako 115-tisíc mamografiách z piatich britských skríningových služieb. V retrospektívnej časti dosiahla AI vyššiu citlivosť než prvý ľudský hodnotiteľ pri zachovaní nehoršej špecificity v rámci stanoveného limitu.
Simulované nahradenie druhého hodnotiteľa umelou inteligenciou znížilo čas potrebný na čítanie snímok o 32 percent a zároveň zvýšilo záchyt rakoviny.
Výskumníci však upozornili aj na druhú stranu problému. Pri následnom prospektívnom testovaní na 12 pracoviskách sa objavila zmena charakteru dát, ktorá si vyžadovala nové nastavenie rozhodovacích prahov systému. AI preto nemožno jednoducho natrénovať, nasadiť a následne považovať jej výkon za nemenný. Klinické používanie vyžaduje priebežnú kontrolu bezpečnosti a presnosti.
Umelá inteligencia môže pomáhať aj po stanovení diagnózy
Možno ešte zaujímavejší posun nastáva po tom, ako už lekári rakovinu diagnostikovali. Vtedy treba rozhodnúť, aká liečba má pre konkrétnu pacientku najväčší význam.
Startup Ataraxis AI vyvíja modely analyzujúce digitálne patologické preparáty spolu s bežnými klinickými údajmi. Cieľom nie je iba identifikovať nádor, ale odhadnúť jeho ďalšie správanie.
Jeden z modelov má predpovedať pravdepodobnosť, že chemoterapia podaná pred operáciou dostatočne zmenší nádor. Ďalší po operácii odhaduje päťročné riziko návratu ochorenia a možný prínos následnej chemoterapie.
Podľa NVIDIA boli tieto modely validované vo viac ako desiatich zdravotníckych inštitúciách a vo viacerých klinických štúdiách a používajú sa aj v klinickej praxi.
Z nádoru vznikne trojrozmerný digitálny model
Odlišný prístup používa spoločnosť SimBioSys. Jej technológia kombinuje zobrazovacie vyšetrenia, patologické výsledky a ďalšie biologické informácie a vytvára 3D modely nádorov, ciev a mäkkých tkanív.
Lekári tak môžu získať priestorový pohľad na nádor, ktorý môže pomôcť pri plánovaní operácie a ďalšej liečby. Firma vyvinula aj systém na odhad rizika návratu rakoviny na základe 3D údajov z magnetickej rezonancie, patológie nádoru a klinických informácií.
Práve kombinovanie viacerých typov zdravotných dát môže byť jedným z ďalších smerov medicínskej AI. Namiesto algoritmu sledujúceho iba jednu snímku môže systém súčasne pracovať so zobrazovacími vyšetreniami, patológiou, klinickou históriou a v niektorých prípadoch aj genomickými údajmi.
AI lekára nenahrádza, mení však množstvo informácií, s ktorými môže pracovať
Vývoj ukazuje posun od jednoduchej otázky „vidí AI nádor?“ k oveľa komplexnejšej otázke: dokáže AI pomôcť vybrať správny ďalší krok pre konkrétneho pacienta?
Práve tu môže byť jej najväčší potenciál. Lekár môže dostať ďalšiu vrstvu informácií o riziku, pravdepodobnom vývoji ochorenia alebo možnej odpovedi na terapiu.
Zároveň však treba odlišovať technológie, ktoré už získali regulačné povolenie, od experimentálnych funkcií. Samotná NVIDIA upozorňuje, že niektoré technológie opisované v jej prehľade sú stále vo výskumnej fáze a FDA ich neschválila na komerčné klinické použitie.
Umelá inteligencia preto zatiaľ nie je náhradou onkológa, rádiológa či patológa. Čoraz viac však smeruje k úlohe ďalšieho analytického nástroja, ktorý môže lekárom pomôcť spracovať množstvo informácií, ktoré by človek samostatne vyhodnocoval podstatne ťažšie.