OpenAI o1 prokázal převahu nad lékaři v diagnostice složitých případů na pohotovosti
Studie Harvardu a Stanfordu, publikovaná v Science, ukázala, že nejnovější LLM model OpenAI o1 přesně určuje diagnózu v 78,3 % složitých klinických případů, čímž překonává lékaře. Největší výhodu AI vykazuje ve fázi primárního třídění při minimálním množství informací o pacientovi.
Jako člověk, který posledních sedm let sleduje závod lékařských algoritmů zevnitř průmyslu, řeknu toto: Harvard a Stanford právě zveřejnily nejen studii. Zveřejnily manifest o konci „zlaté éry“ lékařské intuice v urgentní medicíně. Článek v Science je elegantně provedená kapitulace člověka před strojem v nejchaotičtějším místě nemocnice, ale pod touto kapitulací se skrývá dohoda, která překreslí rozpočet Medicare.
Podstata: co se skutečně děje
Laik vidí číslo 78,3 % a myslí si: „Robot stanovuje diagnózy lépe než lékař.“ To je povrchní pohled. Skutečná revoluce spočívá v tom, že OpenAI o1 vítězí nikoli díky znalostem, ale díky odolnosti vůči „informačnímu šumu“.
Když pacient přijde na pohotovost s bolestí břicha, nemá úhledný výpis z učebnice. Má soubor zmatených stížností, panických ataků a rozmazaných testů. Lidský lékař v tu chvíli zapíná „heuristiku dostupnosti“: vidí obézního pacienta s bolestmi – myslí na žlučník, vidí migranta – podvědomě skenuje na tuberkulózu. To jsou kognitivní zkreslení, vypálená do neuronů tisíci hodinami praxe.
o1-preview na rozdíl od nás nepodléhá „afektivní heuristice“. Studie ukázala, že v bodě třídění (triage), kdy je informací nejméně, AI dosáhla přesnosti 67,1 % oproti 50–55 % u živých lékařů. To není jen rozdíl 12–17 procentních bodů. Je to důkaz, že LLM zpracovává „ticho“ v datech kvalitněji než člověk. Nesnaží se domýšlet obraz světa stereotypy, když data chybí. Počítá pravděpodobnosti tam, kde lékař začíná hádat.
Časová osa a kontext
Tento průlom se nestal ve vzduchoprázdnu. Ještě v roce 2023 se všichni smáli GPT-4, který propadal základní klinické scénáře, pletl si sled úkonů při kardiopulmonální resuscitaci. Tehdy se zdálo, že „uvažování“ (reasoning) je svatým grálem člověka.
Klíčové milníky, které k tomuto okamžiku vedly:
- Září 2024: OpenAI vydává o1-preview. Zasvěcení vědí, že původně byl testován na matematických úlohách a kódování, ale tým Rodmana (Adam Rodman) z Beth Israel Deaconess okamžitě viděl potenciál „řetězce myšlenek“ (Chain-of-Thought) pro medicínu.
- Podzim 2024 – Zima 2025: Probíhá tichý závod mezi Google DeepMind (s jejich Med-PaLM) a OpenAI o právo první publikovat v časopise úrovně Science. Harvard získává přístup k syrovým datům EHR (elektronických zdravotních záznamů) bez předzpracování – to byl obrovský risk.
- Duben 2026: Publikace v Science. Hlavní šok není v tom, že model zvítězil v určování diagnózy, ale v tom, že v úloze na „klinický management“ (Grey Matters) získal o1 mediánové skóre 89 %, zatímco lékaři s přístupem k Googlu a GPT-4 dosáhli ubohých 34–41 %. To znamená, že AI lépe řídí nemocniční zdroje než člověk.
Kdo vyhrává a kdo prohrává
Vyhrávají:
- Pojišťovny (UnitedHealth Group, Elevance Health): To je hlavní beneficiář. o1 ukázal, že dokáže skvěle pracovat v podmínkách nedostatku informací. To znamená, že algoritmus lze postavit „na vstup“ do systému, aby odfiltroval zbytečné hospitalizace. Pokud AI řekne, že pacient s bolestí na hrudi nepotřebuje troponin a EKG každých 15 minut, ale jen antacidum a domů, úspora bude činit miliardy USD ročně.
- Třídící sestry (Triage Nurses): Jejich role paradoxně vzroste. Promění se v „ruce AI“ u lůžka pacienta a budou dostávat nadprůměrný plat za schopnost verifikovat strojový vstup.
- Medicínské startupy-obaly: Desítky společností začnou prodávat „o1 pro radiologii“, „o1 pro patologii“, i když pod kapotou bude jen API dotaz.
Prohrávají:
- Lékaři ultrazvukové a funkční diagnostiky na pohotovosti: Pokud o1 na základě skrovné anamnézy stanoví diagnózu přesněji než lékař po vyšetření, proč platit 300 USD za rozšířené vyšetření, když lze zaplatit 0,03 USD za token?
- Institut rezidenčního vzdělávání v USA: Proč 7 let připravovat internistu, když jeho klinické myšlení na výstupu zaostává za modelem natrénovaným za 3 měsíce na GPU clusteru? Rezidenti ve studii vykázali zoufalé výsledky na škále R-IDEA (ideální skóre jen v 16 z 80 případů, oproti 78 u o1). To demoralizuje celý systém lékařského vzdělávání založený na učňovství.
Co média neříkají
A teď to nejnepříjemnější. Všichni píší o „slepém testování“, kde lékaři nedokázali rozeznat text člověka od stroje (pravděpodobnost uhodnutí 15 % a 3 %). Ale nikdo neříká, že to znamená konec reprodukovatelnosti diagnózy.
Druhý insider tip se týká „křivky zapomínání“. Studie ukázala, že model si výborně poradí s momentálním snímkem situace (triage), ale skutečná pohotovost je dynamický proces. Model nesleduje pacienta v reálném čase, nevidí, jak se mění barva kůže, jak narůstá dušnost. Pracuje s textovým snímkem. Právě proto v kriticky důležitých úlohách „nesmí se přehlédnout“ (cannot-miss diagnoses) o1 neprokázal významnou převahu nad lidmi. Stroj skvěle hraje „Co? Kde? Kdy?“, ale špatně drží prst na tepu umírajícího.
Prognóza: následujících 30 a 90 dní
Prvních 30 dní (do poloviny června 2026):
Začne to, čemu říkám „epidemie demo verzí“. Každé sebevědomé lékařské centrum v USA vydá tiskovou zprávu o partnerství s OpenAI nebo Microsoftem pro pilotní provoz „druhého názoru AI“. Ale skutečná implementace nebude. Právní oddělení každé nemocnice se postaví na zadní: kdo půjde do vězení, pokud o1 přehlédne disekci aorty? FDA zatím mlčí. Očekávejme také vlnu kritiky od Americké lékařské asociace (AMA), která bude trvat na tom, že „interpretace dat“ se nerovná „diagnóze“.
Následujících 90 dní (do září 2026):
Klíčový posun – integrace multimodality. Nyní model pracoval pouze s textem, ale OpenAI již vydala o3. Očekávám úniky nebo preprinty, kde model dostane nejen text stížnosti, ale také snímky z přenosného ultrazvuku a záznam dýchání. Jakmile o3 prokáže převahu v multimodálním sběru dat, velké sítě jako Kaiser Permanente začnou toto zabudovávat ne jako „asistenta“, ale jako hlavní třídicí filtr na pohotovostech. Investice do NLP řešení pro urgentní medicínu klesnou na nulu, protože nikdo nebude chtít konkurovat 800kilové gorile od Microsoftu/OpenAI. Trh se skripty a testy klinického myšlení pro lékaře bude prostě zničen.
— Editorial Team
