AI v medicíně není budoucnost, už se to děje - i u nás v Česku.

Jindřich: Všichni víme, že zdravotnictví v dnešní době je relativně přetížený, ale zdravotnictví lečí následek. Nicméně to alfongatím naším cílem by mělo být to nepotřebovat.

Filip: Ale vím si, jaký je to nápor na toho jako doktora. To hledání těch patternů, to je přesně něco, v čem ta umělá inteligence exceluje.

Jindřich: V tento okamžik, teď tak, jak to je, to je to nejhorší, co vlastně v budoucnu budeme mít.

Filip: Ty nástroje budou tak dobrý, že už jako nebudeme tak stárnout a tak rychle jako umírat, že jo. Takže teď vlastně jako následujících třeba deset, patnáct let jako ideálně neumřít.

Jindřich: Právě posloucháte Deep Link Show. Čus Filipe, vítám tě u další dílu našeho podcastu DeepLinkShow. V posledním díle jsme se bavili o etice umělý inteligence, vybrali jsme si z různých novinek a z různých žuravnických serverů. různý články, respektive nějak jsme se rozkategorizovali a obhodovali jsme si s lehkou možná míru nadsázky v rámci našich jako znalostí, řekněme, byť nejsme kouplně odborníci, ale to primární téma, co jsme řešili, byla jako ta etika, bylo to vlastně to špatné využití umělý inteligence. Ale v dnešním díle pojďme to uchopit trochu jinak, pojďme na opačnou stranu a pojďme se podívat právě na tu dobrou stránku umělý inteligence, co nám může přijít. A to konkrétně využití umělý inteligence ve zdravotnictví.

Filip: Jindro, taky tě zdravím. Myslím, že je to dobrá volba, že po předchozí epizodě je na čase se podívat i na ty pozitivní dopady umělé inteligence. On je to za mě strašně široký téma. Umělá inteligence v zdravotnictví. Můžeme se bavit od nějakých klasických nástrojů nebo věcí, co můžeš používat ty jako běžný člověk až po ty jako zdravotnictví. Tak já bych začal od píky. My dneska, co se týče zdravotnictví, tak si doufnu tvrdit, zdravotnictví má jako jeden obrovský problém a to je zkrátka jako přetíženost toho systému. Není to o tom, že by prostě naši doktoři nebyli dostatečně dobrý nebo tak, ale zkrátka ten doktor má dneska na toho pacienta prostě strašně málo času a aby obsloužil všechny, který to potřebují, tak zkrátka jako nemůže věnovat tolik času tomu jednomu pacientovi a to znamená, že jako do velký míry trpí ta prevence. To znamená, že jako lidi nemají čas předcházet těm nemocem, že se tomu třeba tolik nevinou a nerozuměj tomu, já sám tomu tolik vlastně jako nerozumím, a když si přijdeš za tím odborníkem, tak pokud si ho nezaplatíš, což, buďme upřímní, je jako poměrně drahá záležitost, tak vlastně jako se na tebe ten prostor moc nedostane. A tady si myslím, že už od tohodle bodu umělá inteligence do toho může začít vstupovat, vlastně jako pomáhat ti starat se o to svoje zdraví. Máš třeba nějakou zkušenost s nějakýma takovýma produktama, nebo používáš něco takového?

Jindřich: Tohle chci tvrdit celou řadu a souhlasím si tím. Myslím si, že si začal skvěle, protože my vlastně, než se vůbec dostaneme do toho samotného zdravotnictví, nebo řekněme do těch zdravotnických středisek, k lékařům, i třeba k těm jako use case využít právě, jak lékaři k tomu přistupujou, nebo jak k tomu přistupuje dnešní medicína, Každý z nás může začít tak, že může sbírat o sobě nějaké data pomocí variables, hodinky, hrůdní pásy, další sportovní doblenky a podobně. Existuje už v dnešní době celá řada aplikací, které nějakým způsobem využívají umělou inteligenci nebo využívají nějaké jazykové modely, která například v těch datách, které ty sbíráš, dokáže získat nějaké paterny. Když se trošičku možná odprostím od těch sportovních dát a podobně těch, co používá spousta z nás, tak hnedka po tom, co jsi začal mluvit, tak mě napadl jeden český startup, Makromo. Je to, myslím si, velmi zajímavá myšlenka. Oni primárně začínají nebo stojí na rozborech krve a nahráváš tam ten výsledek. Ale to možná trošku předbíhá. Oni teď ještě umějí to, že ty tam můžeš nahrát svoje různý zdravotní data. Jedna je třeba nějaká BMI analýza, rozbor, svůj krevní rozbor. A ono se to pravděpodobně prožená nějakým jaským modelem a dá ti to nějaký inside do toho. Plus nad tím, ještě oni mají jazykovýho asistenta, četovacího asistenta, a ty se můžeš zeptat, jak jsem na tom s testosteronem, jaké krevní markery mi vyšly v posledních krevních testech a podobně. A to je podle mě hodně zajímavé, protože opravdu ruku na srdce, kdo z nás si dokáže vyhodnotit krevní test, kde je spousta různých markerů a dostaneš to pravděpodobně od svýho lékaře. Lékař pravděpodobně ne. ale existuje tady opravdu řada softwarů, které ti s tím můžou pomoct.

Filip: A to si myslím, že se uhodil řevíček na hlavečku, že tohle je za mě to nejlepší, co AI vlastně třináší, nebo spíš obohacuje, protože my jsme jako do posud měli spoustu startupů, který ti poskytli tady ty výsledky testů, nějakým způsobem tě je třeba jako interpretovali, ale třeba jako jak si zmínil to Makromo, ale dělají to i jiný, tak vlastně oni ti to propojí i s těma tvéma datama z těch sportovních zařízení, nějakých dalších testů, který máš třeba jako od externích společností atd. v tu chvíli ty seš schopnej jako se dívat na sebe nebo na ten svůj jako zdravotní stav jako celek a což je podle mě jako vlastně extrémně důležitý, protože určitě ty jsi taky měřil spoustu takových markrů a různý sportovní aktivity, spánek a tak dál, ale saupřímně u mě to třeba bylo tak, že jsem se podíval na ty grafy, řekl jsem si, že to je zajímavé. Hodinky mi řekli, že měl bych spát víc. Dobře, tak bych měl spát víc a možná jsem se trošku posnažil, ale nemělo to tak velký význam. Když to propojíš s těma ostatníma datama a ta interpretace těch data, AI by mi byla schopná říct, že kvůli tomu, že špatně sníš, spíš, tak se ti snižuje tady hladina nějakýho hormonu nebo něco a kvůli tomu třeba můžeš být odpoledne unavený, nebo tady je vidět pokles jako tvých sportovních aktivit, že prostě se nezlepšuješ tak, jak se zlepšoval a koreluje to se s tým jako s punkem, což jsou jako paterny, který podle mě jsou vlastně jako strašně těžce jako předdefinovávatelný, dřív, než máš nějaký jako machine learning, který vlastně ti pomáhá ty data interpretovat. Takže za mě to stěžení, co ta AI přináší, je vlastně to propojení těch dat dohromady.

Jindřich: Já tady možná trošku odbočím, třeba takovou moji osobní zkušenost. Já jsem si před nějakým časem přesně zjistil, že tohle ten problém mám. Já mám spoustu dat, spoustu, vlastně takovýhle spánek, sportovní aktivity, mám nějaký krevní testy, takovýhle si kofejn například, tak kdy a kolik piju kávy, takovýhle si jako supplementy, který beru. Takže já mám jako za delší dobu, že to je jako velký množství dat. No ale sám jsem jako nebyl schopný je dostatečně vyhodnodit, anebo tam najít ty paterny. Já jsem to takhle řešil, tohle všechno jsem sepsal do nějakého dokumentu a jsem za sebou šel sem jako na konzultaci do jedné longevity kliniky. Tam jsem samozřejmě jako s nimi vyřešil nějaký potenciál, nějaký další follow-ups, že by bylo dobrý, že si vzít ten test, třeba květně tohle a podobně. Ale byl taky takový podobně komplikovaný, jako zase někam chodit, víš, řešit to, je to delší a tak dál. Na co jsem potom udělal, tak mně napadlo všechny tyto data exportovat v nějakém rozhodném formátu a poslat je do klóda. Ono koloty jako chvilku chroupal a pak jsem se jako na jedním a právě začal s tím kolodem chatovat. Byl to takový experiment, neříkám, že je to něco, co by všichni měli dělat, ale bylo to jako dost zajímavý, protože určitě i kolod sám my s tím dokázal, dokázal mi dát přesně jako nějaký insighty, například na moji suplementaci, na korelaci té suplementace se s punkem nebo třeba se jako s únovou. Takže tohle to jako už bylo jako dost zajímavý a jsou to nějaký začátky, jak to každý z nás může využít a přecenom případně těm i potenciálním nemocem třeba předcházet.

Filip: Jo, to předcházení je jako alfa omega. My se teď budeme bavit o tom, jak AI pomáhá v zdravotnictví takovým, třeba v nemocnicích a doktorům, ale primárně všichni chceme být v tom bodu, že ani nepotřebujeme to zdravotnictví. Takže nějaká taková prevence je za mě super. A ty jsi zmínil, že to byl experiment, že ty data nemusí být stoproceně pravdivý. A což jako je pravda, že jo, samozřejmě ty prostě jazykový modely dneska halucinují, můžou dělat jako chyby, ale jako na druhou stranu ta přesnost se za mě jako velice zlepšuje a to, co je na tom dobré, je, že tobě to může dát podněty nad čím se jako zamyslet a je důležité k tomu jako přistupovat kriticky, že prostě nebereš to jako dogma a co ti ten asistent řekne, tak ty prostě do puntíku uděláš. ale minimálně ti to třeba navede na jakou cestu, ty si o tom tématu začneš víc číst, stát se na ty otázky a pak když už ti třeba přijde něco podezřelého nebo že není jako správně, tak můžeš jít k tomu lékaři a už víš co asi bys jako chtěl. Ano je tam určitý riziko, že ti lékař řekne no to jste si jako přečetl na internetu a takhle to nefunguje, ale to je podle mě pořád lepší, než to jako vlastně si toho vůbec nevšimnout, protože takhle čet jsem různý články, kdy lidi psali o tom, že jim to pomohlo odhalit nějakou nemoc, kdy prostě zkrátka, neže by to ty lékaři nezvládli, ale ten čas na tu prevenci na to prostě nebyl. Takže podle mě to má obrovský smysl i z pohledu té nedokonalosti těch modelů. Každopádně asi nevím, jestli máš ještě něco, co se týče tady té prevence, ale já myslím, že se můžeme pomalu přesunout i do toho jako zdravotnictví, pak v těch nemocnicích, jak to těm doktorům může ulehčit, aby měli víc času vlastně jako na nás.

Jindřich: Souhlasím, tohle, co jsme zmínili, já použiju za extrémně důležitý, protože všichni víme, že zdravotnictví v dnešní době je relativně přetížený, ale zdravotnictví přesně tak, typicky ten léčí následek, případně příčinu. nicméně jako to alfonga tím naším cílem by mělo být jako to zdravotnictví potenciálně jako nechci, že jako zatěšovat, ale jako nepotřebovat, takže budou jako starat se o to naše vlastní zdraví a už s tímhletím nám v tomhletom prvopočátku dokáže ta uměla inteligence pomoct.

Filip: Jo a ještě mě k tomu vlastně jako napadá, že to nemusí být jenom o té prevenci, ale vem si, že my vlastně jako žijeme, řekněme, jako v dost bohatý jako zemi, ale je na světě jako spousta populace, která jako nemá zkrátka přístup k té zdravotnické péči v té kvalitě, kterou my tady prostě jako zažíváme a tam si troufnu tvrdit, že i ve chvíli, kdy ta umělá inteligence dokáže pomoct a teď si jako vymyslím to číslo, jo, ale řekněme ze 75%, že dá jako správné výsledky, tak si jako myslím, že pořád to může jako výrazně pomoci víc a víc jako zvyšovat to povědomí o obecně jako zdraví a obecně jako vlastně nějaký péči o to svoje tělo a řešení nějakých jako nemocí nebo něčeho podobného, než když prostě tam ten doktor zkrátka jako vůbec není, že.

Jindřich: Přesně tak a co mě v rámci tohoto kontextu napadá, že přesně to, co ty jsi zmínil v jedním z našich předchozích epizod a to je to, že v tento okamžik, teď tak, jak to je, tak to je to nejhorší, co vlastně v budoucnosti budeme mít, co do situace o hledě jazyk těch modulů. Takže na tom budeme mít lépe a lépe a i ta uměla inteligence bude lepší a bude přesnější a bude třeba jako spolehlivější a tak podobně a to je asi ta krásná budoucnost, která z nás čeká. Ale pojďme se možná teda posunout trochu k tomu lékařství. Jakým způsobem ta uměla inteligence pomáhá těm zdravotnickým střediskům, lékařům, případně nám, když už jako tu lékařskou pomoc potřebujeme. Myslím si, co je extrémně důležité, beď tím možná trošku předběhnu, tak zmínit to, že uměla inteligence v lékařství není nic novýho. Respektive v tom standardním slova smyslu, jak jsme umělou inteligenci znali ještě před x lety. Nebylo to tak generativní, ale byly to neuronové sítě, machine learning modely a podobně. A ty neuronové sítě, tak to už se vlastně mnoho let, si dovolím tvrdit, využívají například pro vyhodnocvání různých zobrazovacích metod například EKG, radiologie a podobně. To bych možná trochu trochu přeskočil a právě se zaměřil na ty úzkejsek použití umělý energiece, tak jak jí známe dnes a to je právě ta generativní.

Filip: Tak jako přeskakujeme úvělně krásný jako zajímavý téma, vždycky když chodím na dermatologii, tak už jako spoustu let vnímám to, že vlastně si tam dělají snímky těch mojich pych a vlastně ta AI pak vyhodnocuje, že jo, jak se ty znamínka vlastně v čase vyvíjej. Ale přesně to není ta jako generativní AI, to je vlastně už něco, co tady s náma jako dlouho. A když začnu jako úplně od píky, v čem to těm lékařům může pomoct, tak úplně, že se řeknu jako hloupě, tak už jenom to, že lékař musí zapisovat jako dlouhou správu, udělat tu diagnozu, víst vlastně tu evidenci o tobě a o tom tvým zdravotním stavu, tak tady ta umělá inteligence jako může neuvěřitelně pomoct. A není to v tom, že by za něj, jako tady v té části vyřešila tu diagnozu, ale vem si, že bude prostě lékař, který místo toho, aby takhle jako psal na tom počítači, že jo, a ty tam čekáš těch pět minut, než on zapíše tu zprávu, tak kdyby vlastně to třeba jenom namluvil a ta AI to jako převedla do toho psanýho textu, zavedla to do tý vlastně jako evidence a už jako máš ušetřených, nevím, pět, deset minut jako na tý schůzce s tím lékařem a v tu chvíli jako každých těch pět minuce jako nasčítá a vlastně řešíš už ten jako obrovský problém toho, že lékaři vlastně jako nemají čas, tak jim jako ubereš tady ty administrativní zátěže, která ve výsledku není jako pro ně to stěžení, oni už tu diagnozu vymysleli, oni už jí jako vlastně na tobě poznali a teď už to jenom potřebujou jako zaevidovat, aby jako v budoucnu, v tom mohli ostatní lékaři číst, a nebo třeba pak umělá inteligence i hledat ty paterny. Takže můžeš to použít už takhle z blindu na relativně jednoduchou věc a řešíš podle mě zajímavý problém.

Jindřich: Toto je vlastně use case, který se ani nutně jako nemusí týkat zdravotnictví, ale toto je zrovna jako case, který lze využít ve spoustu různých oborech. A tady tě možná trochu potěším, protože v rámci přípravy, který jsem si dělal ten díl, tak jsem zjistil, že toto je jako něco, s čím už experimentoval ve fakultní nemocnice Bůlovka. Takže funguje to tak, že prakticky přijde pacient, nějaký způsob se povídá s tím lékařem a ten model ty umělý inteligence přesně to potom jako přechroupe a vytvoříš to jako tu zdravotiskovou dokumentaci. A přesně jak si zmínil, minimalizace toho byrokratického břemene, administrativní zátěže, tak to je něco, co by dokázalo významně urychlit celý proces. V dnešní době má lékařů, pacientů přibývá, tudíž dostupnost zdravotní péče se stává složitější a složitější. No a kdybychom minimalizovali, nebo tou technologií pomohli právě s minimalizací, asi tohoto byrokratického administrativního břemene řekněme, tak to může ty čekací doby zkrátit a může obecně tu dostupnost zdravotní péče posunout na významně lepší úroveň.

Filip: Rozhodně, jako ta byrokracie si myslím, že těm i ty lékaři budou rádi, protože si troufnu tvrdit, že to není ta zábavná nebo naplňující část jejich práce. A když teda přejdeme k tý už trošku naplňující práci pro ty lékaře, tý zajímavý, tak oni často, že jo, mají nějaký výsledky nějakých testů, který musí vyhodnocovat, musí se na ně podívat, musí je prostě jako zkrátka projít a spojit si ji s tou tvojí anamnézou, kterou mají z historie. musí ty data interpretovat. A když začnu od takového relativně jednoduchého příkladu, ale takový jasný příklad, tak je třeba radiologie. Ty máš zkrátka nějaké snímky a radiolog se na ně podívá a musí v nich hledat nějaké artefakty, nějaké nepřesnosti. A s tímhletím si myslím, že umělá inteligence může skvěle pomoct. Myslím si, že práce radiologů se bude v tomto dosti měnit.

Jindřich: to určitě ještě navážu, protože mám tam taky spoustu myšlenek, ale zároveň mě napadlo, že jsme možná ještě trošku přeskočili jednu takovou administrativní část v tom samotném procesu. A to je nějaká automatizace objednávání k lékaři právě. Vím si, že je tady spoustu lékařů, praktických lékařů, menších ordinací, kteří mají například jednu sestru. A ta sestra má spoustu své práce a ještě k tomu musí zvedat telefony a vyřizovat objednávky pacientů. No a potom to sklouzává k tomu, že objednávací dny jsou v pondělí mezi 8. a 9. a čtvrtek mezi třetí a čtvrtou hodinou a hyndy ne. A teď si uvědomím, že bychom tam měli toho jako voicebota, to je byt zase nějaký model umělý inteligence a ten by pomohl s těmi objednávkami, ale ty bys jako zavolal, představil se, řekl bys, hele mám tohle potí, život by řekl, jasně, mám tady nejbližší termíny, tady, tady, tady, který se vám líbí, tohle je na e-mail do SMS, kdyby ti přišlo potrzení.

Filip: A vlastně teoreticky. Já jsem předobjednal ty testy, jasně.

Jindřich: Třeba přesně tak, jako těch potenciálních use cases nebo těch dalších kroků, je tam celá řada. Ale mohly by se odbavovat pacienti, objednávky pacientů, bez toho, aniž by to vůbec zasehoval člověk. A to mě přijde opravdu jako super a významný uurychlení času a minimalizaci té byrokracie. Samozřejmě v případě nutnosti by ten bod mohl přepojit na sestru. Ale tak, či onak, by to mohlo být něco, co už teď není dostupné, Nejsem si úplně jistý, jestli to používáme v zdravotnictví, ale každopádně tyhle jako voiceboty a jako na objednávku, objednávkový systémy, tak my už te technologie máme. Teď jenom zapoj do toho zdravotnictví.

Filip: Jo, ta adopce, tak to je vždycky problém a korv v takhle regulovaných sektorech, jako je v zdravotnictví, kde pracuješ s velice citlivýma údajema, tak tam to vždycky prostě trvá a není to o té... troufám si si říct, že to není o té neochotě, i když třeba někde sesniček může setkat, ale to spíš o té zátěži, která dává smysl, že nechceš udělat voicebota, který to bude prohánět nějakým GPT přes API a zkrátka posílat ho, dost citlivý údaje někam prostě do úplnej háj, že jo? Takže tomu se chceš vyvarovat. V tomto si myslím, že je skvělý, že nejenom je pokrok na poly těch frontier modelů, co jsou takhle dostupný přes apy, ale právě i těch lokálních, který si můžeš spustit buď to u sebe na tom počítači, anebo třeba ti běží někde na serveru, ale máš tu kontrolu ty nad těma datama. Takže tam si myslím, že tohle je extrémně důležité a myslím si, že v následujících letech ty automatizace tady v tom směru postupně jako uvidíme. Delší problém pak je asi ta fragmentace těch systémů, že jo, který ty lékaři jako používají, takže jako napojení do těch jejich kartotek, nedej bože, když mají třeba ještě jako papírový kartotek. Přiznám se, že vlastně jako nevím, v jakým je to stavu tady digitalizace, ale obávám se, že to třeba nebude úplně, všechno plně digitální, takže jako naráží to na běžný problém, jako mají i firmy, že prostě ty sice máš novou technologii, ale teď ty svoje data nemáš uklizený, nemáš k ním jednoduchý přístup a teď jako pracují s tím, že jo. Takže v tomhle tom směru to asi ještě jako potrvá. Můžeme se přeskočit teda k radiologii a vlastně té diagnostice?

Jindřich: Jo, pojďme. Možná poslední poznámka. Mě zaujalo, když jsi zmínil tu regulatorní stránku věcí. A to je důležité, nad čím nesmíme zapomínat. Zdravotnictví a lékařství je jeden z nejvíc regulatorně zadížených oborů. A ten právní a etický, a nebo i ten regulatorní rámec, to okamžik chybí. Takže získat nějakou certifikaci stojí obrovské množství času a peněz. pro to, aby vůbec se ta technologie do toho zdravotníctví mohla nasadit. Když se každopádně posuneme k radiologii, například k těm zobrazovacím metodám, tak tam, co mě hodně zaujalo, tak je startup Carebot. Je to český startup, který vytvořil neuronou síť, jeho jazykový model, který vyhodnocuje různé snímky, ať už právě z radiologie, nebo například z mamografu, a dokáže poskytnout lékaři druhé oči, kterým můžou dát typy, na co se zaměřit na tom snímku a nebo třeba hledat různý léze nebo zlomeni. A já možná při té příležitosti, tak já tady nazdílim jenom jako rychlou ukázku, Jejich webu. Co mě totiž tady jako nejvíce zaujalo, tak ty vidíte, že tady mají renderový měření, nebo magnetickou rezonanci, CT skany, mamograf. Ale třeba když se podívám tady, jaké jako use case v využití, tak Tady je redgen pravý ruky, nebo redgen prstů, řekněme. Asi jsem s chodem na tom, že Lake by tam asi nic moc nenašel. Je to nějaký jejich showcase a ukázka, jak by to potenciálně mělo fungovat, ale to je přesně to, co bych na tom chtěl ilustrovat. Řekl jsem, že přijdu jako k lékaři, který mi udělá Rengen a vyskočí lékaři, protože já jsem s tím jazykovým modelem od startupu Carebot právě. Carebot udělá to, že mu zakrouškuje potenciální frakturu tý kosti. Super. Může se mílit, nemůže se tak být. Ta odpovědnost je pořád na tom lékaři. Ale zase jsou to pořád ty vteřinky nebo i třeba ty minuty, kdy do toho ten lékař musí koukat a pomáhá mu to s jednodušem práci a šetří to ten čas. A to mě vlastně na tom přijde krásný a ještě hezčí mě přijde, že je to český startup.

Filip: To je super. Já bych možná jenom upřesnil, on to dost pravděpodobně nebude jazykovej model, tam bude podle mě jako jiný AI, který rozpoznává právě ty paterny těch fraktur. Ale jo, jako tomu lékaři to prostě strašně moc času ušetří a hlavně i podle mě ty jako zátěže, jako vem si, že ty prostě máš pracovní den a jako radiolog, tak prostě od rána do večera budeš koukat na snímky a hledat v nich nějaké jako nálezy. A zítrav můžeš říct, že taky jako strašně vyčerpávající a můžeš něco jako přehlídnout. Nebo prostě ten den, když se řeknu blbě, nemáš den, jako Mně vždy přijde zajímavé přemýšlet nad tím, že já jsem programátor, takže když já přijdu do práce, tak třeba jsem někde nevyspalý nebo jsem tak jako unavenej a něco přehlídnu. Ale tak si to opraví nebo někdo to zachytí jako jinej. Ale vím si, jaký je nápor na toho doktora, který vlastně to po něm nikdo nekontroluje třeba, nebo musí udělat rozhodnutí a těch rozhodnutí a nálezů těch patternů udělat za den jako spoustu. Takže nějaký jako druhý oči, který mu ta umělá inteligence poskytuje, jsou bez pochyby jako obrovský, obrovský jako zlepšení. A já si jako myslím, že ty jako to hledání těch patternů, to je přesně něco, v čem ta umělá inteligence jako exceluje, že jo. A hledání těch jako anomálí v těch jako vzorcích, což se jako vlastně ty obrazové data to jsou nějaké vzorce, které se ta sít naučí. A tam si myslím, že opravdu může i ty lidi v tomhle tom předběhnout. Že prostě zkrátka ty paterny se najdou mnohem lépe, než tomu lékaři.

Jindřich: Určitě, v tomto případě, které je u Carebota, to jsou neuronové síti, které jsou naučené přesně na těch trénovacích datach. Ale co mě tady ještě přijde zajímavé, Oni potřebují obrovské množství těch trénovacích dat. Samozřejmě také těch pozitivních, kde ten nález je, tak i těch negativních. A i ty pozitivní někdo samozřejmě musel předtím vyhodnotit. No ale jako samotná dostupnost těchto typicky těch lékařských trénovací dat, jak se tím vysložitá. Kdyby jsi chtěl natrénovat nějaký model, tak za kým bys šel, aby ti poslal renginový snímky? Jasně, je to v součástí know-how toho startupu, ale dovolím si tvrdit s velmi vysokou mírou istoty, že to nebylo nic snadného, aby získali nevím kolik, ale určitě miliony snímků, na kterých celý ten model mohli trénovat. Tohle je určitě super. Mimochodem, nejsem si jistý teď který přesně, ale jeden z těchto modelů už je právě certifikovaný, což prosto s tím složitým certifikačním procesem, kdy k tomu vznikly tisíce stran dokumentace, jak celý ten software funguje, poslal se to nějakýmu auditorovi, ten to já nevím jak dlouho jako procházel dával nějaký posudek se tím co ta firma jako furt ten proces platila platila platila. až vlastně potom, tak ten produkt mohli nabídnout takovým zdravotnickým institucím. Co jsem o tom chci ilustrovat, je složitost toho samotného vývoje v tomto odvětví. Není to tak, že my například jakýkoliv jiný produkt, který jsme zvyklí dělat my, jako třeba v našich prácech nebo v našem polepůsobnosti, uděláme nějaký digitální produkt, ten dáme online a někdo začne třeba používat. a nepotřebuje žádnou certifikační… To je fakt proces. Znáky certifikační autority a tak podobně. Komplikovaná disciplína, co to zkrátka.

Filip: Ano, zhodně. Jsem strašně rád, že existuje spousta lidí a startupů, kteří se toho nebojejí a jdou do toho. Věřím, že když pak pronikneš do toho procesu, takže už to pak nějak jako jde, že se v tom trošku naučíš chodit, protože přece mám motivace pojišťovat států a dalších institucí, na tom bude velká, aby se něco takového vyvíjelo, ale kdybys mi teď řekl, hele Filipe, já mám nápad na zdravotnický startup, jdem do toho, tak já vůbec nevím, kde začít. Takže určitě klobouček. No a když zůstaneme ještě u té diagnostiky, tak velkou jako součástí té práce vlastně, když diagnostikuješ nějakou nemoc, tak je zkrátka, že si musíš jako poskládat spoustu jako vodítek dohromady, že jo. Zkrátka z nějaké jako zdravotnické dokumentace toho člověka. tak ty potřebuješ zjistit nějaké jeho historické nemoce, jaké měly třeba jeho rodiče, prárodiče a zkrátka hledáš tam nějaké možné příčiny těch jeho projevů, se kterými on za tebou přišel a snažíš se podle toho diagnostikovat tu nemoc. Někdy je to jednoduché, že jsou nějaké projevy, které, když se projeví tenhle s tímhle, tak to dává nějakou nemoc, ale často to je, máš nějaké nesouvisející příznaky a teď se hledá, co to mohlo způsobit. Já mám jako ve svým okolí jako několik případů, kdy jsem zažil, kdy lidi takhle po doktorech chodili prostě klidně rok, dva a vlastně se ty ani ty největší kapacity nebyly jako schopný shodnout na tom, co jim vlastně je těm lidem. A tady si myslím, že to je další jako pole, kde AI může jako velice pomoct, zase jako neuronový sítě, ne klasický jako generativní modely, ale zkrátka Pokud se podaří poskládat nějakým způsobem ty jako zdravotnický data těch lidí, zkrátka uklidit ty data, aby se k něm dalo jako přistupovat, tak opět ta síla AI hledání těch jako paternů a vzorců, tak tady může jako obrovsky zafungovat, protože najednou jako úplně utopistický jako scénář, že bys měl prostě takhle anamnézy všech lidí jako na světě a byl schopnej v nich hledat paterny, tak si troufnu tvrdit, že ta AI bude jako mnohem, mnohem úspěšnější, než jako běžný člověk, v jehož prostě kapacitách, to prostě nemá šanci pročíst všechno, že jo? Takže tam si vidím jako obrovský potenciál a jedna věc je ta technologie, to AI, ale druhá věc je podle mě i ten datovej jako úklid, aby vůbec něco takovýho bylo jako možný. Aha.

Jindřich: Samotný know-how těch lékařů, když se podíváš, jak dynamicky vybíjící se jako obor lékařství je, neustále se vznikají nové a nové studie, samotný lékař musí chodit po konferencích, musí čísnové studie, musí se jako vzdělávat a žádný lékař na světě nemá know-how úplně všeho. A i to know-how, ten potenciální model, může samozřejmě mít někdy v budoucnu třeba i výšší než ten samotný lékař. Už nevím, kolik existuje oborů, kolik existuje různých specializací v zdravotnictví a podobně. Je to velké množství dát, se k tým lze potenciálně pracovat. Bohužel ty data mají takovou povahu, že je jen takový model, který nemůže nikdo využít.

Filip: A jako další věcí jsou i třeba nějaké vzácné nemoci, že prostě ok, tak když jsi jako lékař, tak pravděpodobně máš jako velice dobré povědomí o těch běžných nemocech, ale pak jsou nějaké exotické nemoci, které se týkají prostě fakt jako setin promilé prostě jako obyvatelstva na světě. a to jako nikdo nemůže mít za zlý jako lékař, že neznají každou jako veškeré příznaky a veškeré možné projevy nějaké jako exotické nemoci, která třeba v Česku se objeví jednou za nevím 10 let za 100 let a v tu chvíli zase jako běřím, že ta AI tady tím Biosem nebude trpět tolik, ať těch data jako tolik není, tak ale pravděpodobně tam bude nějaký pattern, který jako bude vidět a zase jako myslím si, že to prostě zachytí lépe než ten jako lékař a tím já nechci nebo chci říct, že nechce by to by znělo blbě, že tady říkáme, že umělá inteligence nahradí ty lékaře úplně to vůbec ne, ale spíš jako bude to ten nástroj, který jim v té diagnoze prostě může jako extrémně pomoct, protože Já jako neznám moc lékařů, který říkají, že mají jako pohodovou práci, chodí do ní, dobře vyspalí a tak a věřím, že by tohle taky jako ocenili a pokud jim ta umělá inteligence dokáže v tomhle tom jako pomoc, tak to bude podle mě jedině dobře pro všechny a pořád budeš potřebovat podle mě toho člověka, který ti tím jako provede, lépe ti ty data jako naservíruje a vlastně jako nějak tě jako provede celým tím jako diagnostickým procesem a pomůže tě ho ještě líp pochopit než nějakej prostě jako tady AI systém.

Jindřich: Rozhodně, já si myslím, že z mého úhlu pohledu nikdo zase nemyslí, že by technologie měli lékaře nahradit, ale mohli by ten proces kouřit, mohli by tu lékařskou péči udělat dostupnější. Přece mnoho, že to není jenom o lécich, ale je to o tom, se popovídat s tím lékařem, který ti třeba poradí s změnou životního stylu, nebo tačí zkrátka jako nějaké typy, jenom z toho know-how. Nemusí to nutně být právě o tom samotném léčení. Ostatně ten samotný rozhovor může být i z té formy léčení. Každopádně bychom se zase posunuli, tak ještě bych tady chtěl zmínit jeden startup, který mě hodně zaujal a to je Moleculab. Samozřejmě jsme v Čechách, tak zase českej. Je to aplikace, která řeší praktický rizika interakce léčiv mezi sebou. Takže typicky, když ty budeš mít lék A a lék B, tak co tě to potenciálně může způsobit. Každý léčovák přibaluje leták a ty tam vidíš potenciální vedlejší účinnosti. které to může mít. Přesně když má klinická studie těch léčiv, tak se to testovalo na obrovském množství lidí a pár lidí mohlo někde vykázat nějakou formu těch vedlejších účinků. No ale to není všechno, ten další step, přesně tyto aplikace v rámci těch vedlejších účinků, takže oni chtějí jít cestou takzvěně jako farmakogenetiky. Oni ti udělají jako genetický rozbor a na základě toho dokážou určit potenciální vedlejší účinky, které ty můžeš mít, když budeš brát právě tyto léky. Doufám, že to by se srozumitelně složilo. To je pro mě složitý téma, protože jsem nejsem lékař. Ale zkrátka, musím si říct, že je to zase technologie, která nám v tom zdraví pomůže. A proto mě to extrémně zaujelo.

Filip: Jo je to hlavně jako taková ta běžná věc že co se ti jako může stát že dostaneš nějaké předepsané léky pak ti jako bolí hlava tak si na to vezmeš tady jako ibalgin paralen nebo něco že jo a teď jako ty si v příbylovém letáku jako přečteš jaké to může mít vedlejší účinky ale jako já nevím jako dává tomu někdo váhu jako brže jako když si to přečteš tak máš pocit že tě ten lék spíš jako zabije že jo než než ti jako pomůže. Takže já to třeba taky jako nevnímám tak jako, že bych si pročíketal každé jako vedlejší účinky toho léku, takže jako nějaká takováhle apka, kdy prostě já tam budu mít ty jsou jako pravidelný léky, který beru, a pak mě bude bolet hlava, tak to jenom hodím, hele, chtěl bych si vzít i balgy, je to v pohodě. On řekne, jo, jasně, může maximálně se stát tohle, že nevím, budeš běhat na záchod. Tak jako asi dobrý, že jo. Takže já si myslím, že tohle může mít takovou obrovskou přidanou hodnotu pro spoustu lidí, protože není úplně málo lidí, co berou pravidelně nějaký plášky na předpis, který odhlídají ty lékaři, ale k nim pravděpodobně si sem tam jako zobnou i něco, co na ten před A zase jako z druhé strany si myslím, že pro toho lékaře, pokud by ten lékař mohl mít přístup tady k těm datům, co ty si jako vlastně vzal navíc, tak zase jako jemu to může pomoct vlastně vyhodnocovat tu tvoji léčbu těma lékama, že jo. Protože ty třeba, když budeš brát tak často nějaký lék na bolez hlavy, tak to může jako mít nějaký kontraindikace k tomu, tomu, co máš jako předepsanýmu. No a v tu chvíli, ale ten lékař to třeba jako nemusí hned jako na první dobrou vidět, ty mu to jako zapomenej říct, on se zapomene zeptat, prostě to se jako děje, ale když to budeš mít evidovaný a budeš tam mít ještě nějaké jako startup, co se ti jako pomůže, tak tomu asi můžeš i jako předejít, takže za mě jako super, ani jsem nevěděl, že něco u nás v Česku jaký dlouho vzniká, takže s tím mám jako obrovskou radost.

Jindřich: Oni co co je vlastně jich cílem a já se nejsem jistý se už jako jsou produkci protože minimálně když jsem o tom jako četl naposledy tak měl nějaký MVP, ale oni chtějí se napojit přímo jako do elektronických zdravotních karet. A v případě, že by k něčemu takovému došlo, tak když už tam ten lékař vlastně bude vkládat nebo psát to, že předepisuje tyto léčiva, tak už ten okamžik by ten lékař mohl být upozorený, že to třeba není hodný pro tohoto konkrétního pacienta, který může být jeden z tisíce, ale můžeme mu to doporučit třeba i to léčivo trochu odlišné zkrátka, aby vyřešil ten jeho konkrétní problém.

Filip: Jako za mě super myšlenka. Myslím, že máš ještě něco, co se týče diagnostiky, nebo možná bych se přesunul do zase další části, a to je vlastně jako vývoj nějakých léčiv, protože taky obrovská další oblast v rámci toho zdravotnictví. A přiznám, že se úplně netroufnují tady úplně dohloubky, protože jsem taky prostě laik, co se týče tady ty disciplíny, ale co tak nějak jsem četl a poslouchal, různé podkásty, Tak mi přijde vlastně jako extrémně zajímavý, jak AI dokáže vlastně jako pomáhat těm výzkumníkům v tom, co dělají. Typicky mě zaujal příklad vlastně skládání proteinu, kdy vlastně historicky to byla jako velice náročná disciplína a trvalo jako velice dlouho. jako vlastně jako nasimulovat to, jak se ty proteiny skládají. A dneska, myslím, že to byl projekt od DeepMindu, od Google vlastně, ProteinFold, teď si nevzpomenu přesně ten název, ale vlastně jim se podařilo jako statisíce těch jako variací vyřešit jako poměrně rychle. A jako spousta podobných příkladů, kdy vlastně těm vědcům, který zkoumají ty léčiva, to pomáhá, urychluje tu práci, tak těch jako nezajímám, že jich bude jako přibývat.

Jindřich: Toho to určitě jako využívá nebo využívá to asi ty výhody taky umělý inteligence, ale tady si myslím v tomto konkrétním případě jako primárně ten jako výpočetní výkon, který v dnešní době máme, že přesně všechny tyto simulace to jsou jako výkonově a datově extrémně náročné operace, které můžou trvat snad dovolím si tvrdit i týdny, měsíce například, než ta simulace nebo ten výpočet proběhne. A tak to si myslím, že to je spíš skutečně ten výpočetní výkon, který tady hraje tu důležitou roli.

Filip: Jo, to je jako vlastně zajímavá poznámka, že to není jenom o té umělý inteligenci, ale vlastně s umělou inteligenci přichází jako obrovský vývoj, co se týče jako datových centra a právě jako dostupnosti výpočetního výkonu. Jsem právě jako nedávno dělal i vlastně jako video na to, že se, teď už jsem to pomalu zapomněl, ale myslím, že Každých sedm měsíců zdvojnásobu je dostupný výpočetní výkon pro AI, kam vlastně jako spadá do jisté míry i tady to jako vlastně jako ten zdravotnický segment. Takže i vlastně díky rozvoji AI tak se rozvíjí ten výpočetní výkon a tím můžeme líp a líp jako mít dostupný stroje prostě pro běh tady těch simulací.

Jindřich: To je ten morův zákon, ne? Ten, co říkáš, to znáš opět každej rok, nebo něco takového?

Filip: Tohle není morův zákon. Vlastně jako morův zákon mluvil o počtu čipů v tranzistoru, pokud se nepletu, ale tady to vlastně jako mluví o AI výpočetním výkonu, ale já jsem to v tom videu přirovnával právě k morův zákonu a je to ještě jako rychlejší než morův zákon.

Jindřich: Ok, takže mám mezery v konzumaci tvých videí, tak to musím dohnat.

Filip: No to bys měl.

Jindřich: Ok. Já už tady mám asi jenom jednu pozdámku, kterou bych chtěl zmínit, to je spíše ke konci už řekněme toho procesu v tých chronologii. Máš tam něco, co bych chtěl zmínit ještě předtím?

Filip: Ale mě ještě zaujala jako jedna věc, která zase jako ne úplně nutně souvisí s umělou inteligencí, ale vlastně jako ten obor se rozvíjí taky díky AI a to je vlastně jako robotizace. A my už dneska, jako co se týče prostě jako chirurgie, tak máme velice pokročilý stroje, asi stroje, roboty, kdy vlastně jako tomu chirurgovi umožňujou operovat velice jako přesně a nemusí paradoxně sedět prostě ani v té místnosti, on může být klidně přes půlku světa a může provádět nějakou jako velice precizní operaci a tím pádem máš jako dostupnýho chirurga, který je v Americe tady v Česku, to je za mě jako strašně fascinující a Ten rozvoj AI tak jako hodně podporuje i právě rozvoj, rozvoj robotizace a myslím, že se to jako může projevit i přesně jako na těch operačních sálech, kdy vlastně budeš mít víc a víc třeba jako robotizovaný, robotizovatelný nějaký úkony a nemusí to být jenom jako roboti, který prostě jako řežou toho pacienta, ale například třeba anesteziolog, že jo, který ti prostě hlídá tvoje hodnoty, pouští ti víc nebo míň těch látek, který tě vlastně jako uvádějí do tý anestezie, tak vlastně jako tady taky může určitá forma robotizace v kombinaci s umělou inteligencí vlastně dost pomoct. Tak to je asi jediné, co jsem chtěl jako zmínět.

Jindřich: Těch potenciálních use cases je opravdu celá řada, ale domnívám se minimálně i podle té přípravy, které jsem si v rámci tohoto dílu dělal, tak největší počet těch use cases je v rámci diagnostiky. Takže my už jsme celou řadu tady zmínili, mohli bychom zmínit určitě asi i další, ještě v rychlosti třeba co jsem si vzpomněl tak je český startup jako Ayrín a ty dělají to, že fotějí jako oční svítnici a z ní dokážou diagnostikovat diabetickou retinopaty.

Filip: To je skvělý příklad. Promiň, že tě do toho skačoval. Úplně jsi mi připomněl, co jsem chtěl zmínit. Irene, tak oni diagnostikují oči, ale těch use cases je celá řada, kde můžeš využít takovéto fotky. A mě v poslední době zaujalo, když si děláš rovnátka, tak vždycky jsi musel jít na rovnátka, nechat si to ofotit a jít k tomu doktorovi. a je firma nevzpomenu si na jméno ale zaujalo mě že oni dělají to že oni ti vlastně jako domů pošlou nějakou sadu kterou ty si nasadíš na čočku svýho telefonu, je to samozřejmě musíš mít jako trošku lepší telefon nemůžeš mít úplně android za tisícovku, ale ty vlastně pak fotíš ten progres to těch zubů, jak se ti jako rovnají postupně a oni to na základě toho vyhodnocujou a tam mají taky pravděpodobně nějakou jako AI, která jim pomáhá vlastně ty snímky jako hodnotit, jak se změnila ta pozice těch tvejch zubů oproti tomu minulýmu snímku a jako nenahradí to samozřejmě všechny ty sezení, ale pár těch jako klasických sezeních, kde jenom třeba hlídají, jestli všechno jde dobře, tak to může vlastně jako suplovat, takže za mě i jako ta pronikání jako těch zdravotnických nástrojů do tvýho telefonu nebo na něčeho co můžeš mít jako doma, tak je vlastně jako strašně fascinující, že ti to může ušetřit spoustu času. A vlastně peněz.

Jindřich: Tohle je zajímavý, to jsem ani nevěděl. Přitom já jsem jako rovnátka relativně nedávno měl, měl jsem takové Invisaligny, což je asi moderní metoda.

Filip: Ono to jako ta metoda je stejná, jenom vlastně jde o to focení a to sledování toho progresu, jestli jde tím jako správným směrem. Mě to, to je pár týdnů zpátky, jako extrémně mě to zaujalo.

Jindřich: OK, jo, to jako určitě zajímavě. Já, když se tam odbočím, tak když jsem byl právě na tom skenování ty rovnátka, tak už tam měli tak jako 3D skener. To bylo jako velký, jak malá lednice. A byla to jako dost zajímavá mašinka i toho taky. A samozřejmě drahá. technologie byť ne, asi úplně umělá inteligence. Každopádně ještě, abych zmínil to Irene, tak jak z té fotky dokážou diagnostikovat tu diabetickou retinopatii, tak ono tohle vyšetření jako není nic novýho v skutečnosti, ale dřív to bylo tak, že jsi musel k tomu lékaři, ten ti rozkapal to oko, pak se nemohl chřítit, půl dne člověku nic neviděl, byl už nepoužitelný na ten den, ale si rozkapal to oko, aby se ti rozšířila ta zornice, on do toho mohl koukat tou jeho kamerkou, asi jako nepříjemný. Relativně dlouho on tak koukal ze všech uhů a podobně. A tady ti udělají během deseti vteřin fotku a dokážou z toho vyhodnotit i mnohem preciznější a detalnější závěry, než třeba dokázal ten lékař. A co na tom je nejkrásnější, a to si myslím, že má spoustu těchto nástrojů, je to že to potenciální onemocnění nebo to potenciální kozranění dokáže odhalit ještě v raném stádiu. Mnohem tedy dříve, než by se třeba projevily ty symptomy, nebo než by na to přišel ve skutečnosti lékař bez těchto technologií.

Filip: stokolečko krásně uzavřel jsme zase zpátky u tý vlastně jako prevence že do jistý míry nebo jako nenutně prevence v tomto případě ale vlastně nějakým včasným odhalení ještě než se projevějí nějaký jako vážný symptomy a v tom je jako pro nás vlastně jako lajky který jako neděláme v tom zdravotnickém sektoru a desetkáme se s těma pokročilýma technologiama jenom v roli toho nechci říct konzumenta, ale toho, kdo přijde a ten lékař to použije, aby ho diagnostikoval, tak ale vidím obrovský potenciál, a co je i do jisté míry na nás, sledovat ty trendy těch technologií, které můžou pomoct nám, které můžeme mít v telefonu, nebo nějaké testy si udělat, pracovat víc s těma datama a zkrátka, myslím si, že je nejlepší doba, kdy ty můžeš chce o své zdraví jako starat a identifikovat nebo interpretovat si ty svoje jako výsledky a zase, jak jsem říkal už v tom minulém podkázku, tohle je to nejhorší, co dneska máme a myslím, že to bude jenom lepší.

Jindřich: Jo, s tím jako rozhodně souhlasím. Vlastně přece jen, když ty už toho lékaře navštívíš a setkáš se třeba s těma technologiama, tak seš na tom samotném konci nebo dne, měsíce, tak lékaři s tím mají ještě další bydokracii a to jsou výkazy ze zdravotním pojištěvnám. A to může být další potenciální směr, který by šel automatizovat nebo naučit AI agenta, který by sepisoval přesně to, co je potřeba vykázat těm zdravním pojišťovám. A to je samozřejmě také obrovský win-win minimalizace administrativy, efektivnější proces. asi nějaký lepší struktura potenciální toho samotného vykazování, rychlejší úhrada pojišťoven, tudí samozřejmě efektivnější zdravotnictví. A myslím si, že tohle už je něco, já se teď nezpomnu, kde jsem o tom četl, ale v rámci přípavy právě jsem četl, že tohle už je use case, se kterým taky už jako dnešní zdravotnictví experimentuje.

Filip: To je super, že to jsou prostě takový ty krásný uskysy, které jsou vlastně přenositelné z toho klasického biznisu, že mimo to zdravotnictví, kde už je to vlastně jako desetkrát objeřený postup a prostě dělají to ty firmy, tak ty už to vlastně jenom aplikuješ na ty problémy, které se týkají těch pojišťoven toho jako zdravotnictví obecně a můžeš to jako krásně zapojit. A ještě mě napadla teďka, jak se jako povídal trošku jako off topic myšlenka, ale Vlastně by mi přišlo strašně krásný a je to asi jako, teď s tím jedu v topě, ale vlastně AI jako nemusí spát, že jo, nemá pracovní dobu a tak dál a bylo by vlastně strašně super, když už by se nám podařilo dostat všechny ty zdravotnické data na jednu hromadu. takže by si vlastně mohl mít nějakýho agenta, který ty data jako periodicky pořád jako prochází, hledá ty souvislosti a vlastně jako bez nějaký iniciativy tvojí nebo toho lékaře, který vlastně jako přijde a řekne, tady je problém, teď chci jako vyhodnocení, tak jako hledá nějaký potenciální jako problémy a je schopnej tě třeba jako proaktivně upozornit, to by bylo za mě úplně jako dokonalý.

Jindřich: No tak uvidíme, kde budeme zase za nějakou dobu. Jsem tak extrémně zvědavý a myslím si, že nás čeká hezká budoucnost.

Filip: Souhlasím, buďme optimističní.

Jindřich: Přesně tak a starejme se o naše zdraví ideálně, ať tyto nástroje vlastně Ať

Filip: se dožijem toho, kdy ty nástroje budou tak dobrý, že už jako nebudeme tak stárnout a tak rychle jako umírat. Takže teď vlastně jako následujících třeba 10-15 let jako ideálně neumřít.

Jindřich: Jo, tak uvidíme, co se nás čeká. Každopádně díky Filipe za příjemný pokrec, bylo to fajn a vidíme se příště.

Filip: Díky, taky se budu těšit. Tak ahoj.