Vnitr Lek 2025, 71(5):284-288

Umělá inteligence v primární péči: Od redukce dimenzionality po klinické rozhodování a časovou úsporu

Michal Mačák
Všeobecný praktický lékař, Medikatze, s. r. o., Litovel

Přehledový článek shrnuje principy umělé inteligence a jejího využití v primární péči se zaměřením na redukci dimenzionality dat a implementaci velkých jazykových modelů v klinickém rozhodování z pohledu všeobecného praktického lékaře. Článek demonstruje, jak moderní algoritmy založené na latentních reprezentacích a hlubokém učení napomáhají zefektivnit diagnostiku, upřesnit diagnózu a usnadnit administrativní úkony, přičemž respektují klinickou zkušenost praktického lékaře.

Klíčová slova: umělá inteligence, jazykové modely, LLM, prompt, transformer, primární péče.

Artificial intelligence in primary care: From dimensionality reduction to clinical decision­‑making and time efficiency

This review summarizes the principles of applying artificial intelligence (in primary care, focusing on dimensionality reduction and the integration of large language models in clinical decision-making. The article demonstrates how modern algorithms based on latent representations and deep learning contribute to more efficient diagnostics, refined diagnosis, and streamlined administrative processes, all while complementing the clinical expertise of practicing physicians.

Keywords: artificial intelligence, language models, LLM, prompt, transformer, primary care.

Přijato: 25. srpen 2025; Zveřejněno: 18. září 2025  Zobrazit citaci

ACS AIP APA ASA Harvard Chicago Chicago Notes IEEE ISO690 MLA NLM Turabian Vancouver
Mačák M. Umělá inteligence v primární péči: Od redukce dimenzionality po klinické rozhodování a časovou úsporu. Vnitr Lek. 2025;71(5):284-288.
Stáhnout citaci

Reference

  1. Lee P, Goldberg HS, Kohane IS. Integrating artificial intelligence into primary care: perspectives, challenges, and opportunities. NPJ Digit Med. 2023;6(1):45.
  2. Silver D, Schrittwieser J, Simonyan K, et al. Mastering the game of Go without human knowledge. Nature. 2017;550(7676):354-359. Přejít k původnímu zdroji... Přejít na PubMed...
  3. Mikolov T, Sutskever I, Chen K, Corrado GS, Dean J. Efficient Estimation of Word Representations in Vector Space. arXiv preprint. 2013; arXiv:1301.3781.
  4. Friston K. The free-energy principle: a unified brain theory? Nat Rev Neurosci. 2010;11(2):127-138. Přejít k původnímu zdroji... Přejít na PubMed...
  5. Beam AL, Kohane IS. Big Data and Machine Learning in Health Care. JAMA. 2018;319(13):1317-1318. Přejít k původnímu zdroji... Přejít na PubMed...
  6. Goh E, Gallo R, Hom J, et al. Large Language Model Influence on Diagnostic Reasoning: A Randomized Clinical Trial. JAMA Netw Open. 2024;7(10):e2440969. Přejít k původnímu zdroji... Přejít na PubMed...
  7. Mahale N. GPT-4.5 vs GPT-4o: Testing The AI Models Using Seven Prompts. Writesonic Blog. 2025 Mar 11. Dostupné z: https://writesonic.com/blog/gpt-4-5-vs-gpt-4o.
  8. Rajpurkar P, Chen E, Banerjee O, Topol EJ. AI in health and medicine. Nat Med. 2022;28(1):31-38. Přejít k původnímu zdroji... Přejít na PubMed...
  9. HL7 Czech Republic. HL7 Czech Base & Core Implementation Guide. Version 0.3.0ballot, Continuous build. HL7 Czech Republic 2025. [cit. 20250802]. Available from: https://build.fhir.org/ig/HL7-cz/czcore.
  10. European Parliament and Council of the European Union. Regulation (EU) 2017/745 of the European Parliament and of the Council on medical devices. Official Journal of the European Union. 2017;60(L 117):1-175. [cit. 2024-08-02]. Available from: https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX%3A32017R0745.
  11. OpenAI. ChatGPT General FAQ: Is ChatGPT suitable for medical use? OpenAI Support. [cit. 2024-08-02]. Available from: https://help.openai.com/en/articles/6783459-chatgpt-general-faq.
  12. Ministerstvo zdravotnictví ČR. Metodický pokyn pro poskytovatele zdravotních služeb k využívání umělé inteligence. Věstník Ministerstva zdravotnictví ČR. 2025;(9):1-12. [cit. 2024-08-02]. Available from: https://mzd.gov.cz/wp-content/uploads/2025/06/Vestnik-MZD-09-2025.pdf.
  13. Davenport T, Kalakota R. The potential for artificial intelligence in healthcare. Future Healthc J. 2019;6(2):94-98. Přejít k původnímu zdroji... Přejít na PubMed...
  14. Hannun AY, Rajpurkar P, Haghpanahi M, et al. Cardiologist-level arrhythmia detection and classification in ambulatory electrocardiograms using a deep neural network. Nat Med. 2019;25(1):65-69. Přejít k původnímu zdroji... Přejít na PubMed...
  15. Esteva A, Robicquet A, Ramsundar B, et al. A guide to deep learning in healthcare. Nat Med. 2019;25(1):24-29. Přejít k původnímu zdroji... Přejít na PubMed...




Vnitřní lékařství

Vážená paní, pane,
upozorňujeme Vás, že webové stránky, na které hodláte vstoupit, nejsou určeny široké veřejnosti, neboť obsahují odborné informace o léčivých přípravcích, včetně reklamních sdělení, vztahující se k léčivým přípravkům. Tyto informace a sdělení jsou určena výhradně odborníkům dle §2a zákona č.40/1995 Sb., tedy osobám oprávněným léčivé přípravky předepisovat nebo vydávat (dále jen odborník).
Vezměte v potaz, že nejste-li odborník, vystavujete se riziku ohrožení svého zdraví, popřípadě i zdraví dalších osob, pokud byste získané informace nesprávně pochopil(a) či interpretoval(a), a to zejména reklamní sdělení, která mohou být součástí těchto stránek, či je využil(a) pro stanovení vlastní diagnózy nebo léčebného postupu, ať už ve vztahu k sobě osobně nebo ve vztahu k dalším osobám.

Prohlašuji:

  1. že jsem se s výše uvedeným poučením seznámil(a),
  2. že jsem odborníkem ve smyslu zákona č.40/1995 Sb. o regulaci reklamy v platném znění a jsem si vědom(a) rizik, kterým by se jiná osoba než odborník vstupem na tyto stránky vystavovala.


Ne

Ano

Pokud vaše prohlášení není pravdivé, upozorňujeme Vás,
že se vystavujete riziku ohrožení svého zdraví, popřípadě i zdraví dalších osob.