Proč české zdravotnictví potřebuje AI agenty (a ne další chatboty)

⚡ TL;DR: Většina "AI ve zdravotnictví" projektů je ve skutečnosti chatbot s hezkou landing page. České zdravotnictví potřebuje něco jiného — AI agenty, kteří rozumí kontextu, pracují s reálnými daty a dělají užitečnou práci. Tady vysvětluju rozdíl a proč na tom záleží.

Chatbot není agent

Začnu provokativním tvrzením: 90 % toho, co se dnes prodává jako "AI ve zdravotnictví", je glorifikovaný chatbot. Napojíte GPT na prompt, přidáte lékařský disclaimer a máte produkt. Funguje to? Technicky ano. Je to užitečné? Sotva.

Problém není v tom, že by LLM neuměly odpovídat na zdravotní otázky. Problém je v tom, co jim chybí:

• Přístup k aktuálním datům — trénovací data mají cutoff, české lékové databáze se mění měsíčně
• Kontext zdravotního systému — české klinické postupy, MKN-11 kódy, úhradové mechanismy
• Schopnost akce — chatbot odpovídá, agent dělá. Vyplní formulář, vyhledá v databázi, zkontroluje interakce
• Traceabilita — v medicíně musíte vědět, odkud informace pochází. "AI mi to řekla" nestačí

Co je vlastně AI agent?

Agent je AI systém, který umí plánovat, rozhodovat a jednat. Ne jen odpovídat na otázky, ale aktivně řešit problémy. Když se lékaře zeptáte na lékovou interakci:

🤖 CHATBOT:
"Ibuprofen a warfarin mohou mít interakce. Konzultujte s lékařem."

→ Generická odpověď
→ Žádný zdroj
→ Potenciálně zastaralé info

🧠 AI AGENT:

1. Vyhledá oba léky v SÚKL
2. Zkontroluje ATC skupiny
3. Najde dokumentované interakce
4. Vrátí konkrétní rizika + SPC odkaz

→ Aktuální data, traceabilní zdroj

Proč je to relevantní právě pro Česko

České zdravotnictví má unikátní kombinaci vlastností, která ho dělá ideálním kandidátem pro AI agenty:

1. Data existují, ale jsou fragmentovaná

SÚKL má kompletní databázi léků. ÚZIS spravuje MKN-11 kódy. VZP publikuje úhradové seznamy. Problém není absence dat — je to jejich roztříštěnost. Každá instituce má svůj formát, svůj přístup, svou logiku. AI agent může být tím, kdo to propojí.

2. Lékaři jsou přetížení administrativou

Tohle vím z první ruky — oba moji rodiče jsou praktičtí lékaři. Vidím, kolik času tráví papírováním místo péče o pacienty. Když otec potřebuje ověřit lékovou interakci, otevře SÚKL web, hledá ručně, proklikává se SPC dokumenty. To je práce pro stroj, ne pro člověka s medicínským vzděláním.

3. Regulatorní prostředí je specifické

GDPR, zákon o zdravotních službách, eHealth legislativa — české zdravotnictví má specifická pravidla, která globální AI produkty neřeší. Potřebujeme řešení, která rozumí českému kontextu. Ne americký produkt s českým překladem.

Jak vypadá architektura healthcare AI agenta

Na projektu Czech MedAI používám LangGraph — framework pro stavbu AI agentů s explicitním řízením stavů. Proč ne jen řetězení promptů? Protože v healthcare potřebujete:

1. Determinismus — stejný vstup musí vést k předvídatelnému chování. Žádné "někdy to funguje, někdy ne".
2. Human-in-the-loop — agent navrhuje, lékař rozhoduje. Nikdy ne naopak.
3. Audit trail — každý krok je zalogovaný. Kdo se ptal, co agent udělal, jaká data použil, jaký byl výsledek.
4. Modulární datové zdroje — MCP servery pro léky, diagnózy, guidelines. Každý zdroj nezávisle aktualizovatelný.

// Zjednodušený flow AI agenta v LangGraph

const workflow = new StateGraph(AgentState)
  .addNode('classify', classifyIntent)     // Co chce lékař?
  .addNode('search_drugs', searchSUKL)      // MCP: lékové data
  .addNode('check_codes', checkMKN11)       // MCP: diagnózy  
  .addNode('synthesize', generateResponse)  // Odpověď s citacemi
  .addNode('review', humanReview)           // Lékař potvrdí
  
  .addEdge('classify', routeToAgent)        // Dynamický routing
  .addEdge('synthesize', 'review')          // Vždy přes review
  .compile();

"Ale nebude to nahrazovat lékaře?"

Tahle otázka padne vždycky. A odpověď je jednoduchá: ne.

AI agent v healthcare není náhrada lékaře. Je to nástroj, který lékaři ušetří čas na věcech, které ho zdržují od toho, co umí nejlíp — péče o pacienta. Ověření lékové interakce za 3 sekundy místo 3 minut. Automatické zakódování diagnózy. Shrnutí anamnézy z nestrukturovaného textu.

Metafora, kterou používám: AI agent je jako chytrý asistent, který sedí vedle lékaře a má okamžitý přístup ke všem databázím, guidelinům a formulářům. Lékař se zeptá, agent dodá data, lékař rozhodne. Rozhodovací pravomoc zůstává vždy na člověku.

🎯 Klíčový princip: AI navrhuje, člověk rozhoduje. V healthcare to není volba — je to nutnost. A architektura agenta to musí reflektovat od prvního řádku kódu.

Reálné čísla z českého trhu

Abych nebyl jen teoretický, pojďme se podívat na data:

Metrika	Hodnota
Praktických lékařů v ČR	~5 500
Průměrný čas na admin/den	~2-3 hodiny
Registrovaných léků (SÚKL)	68 248
MKN-11 kódů	~17 000
Healthcare AI CAGR (global)	37.66 %
Lékařů používajících digit. nástroje	4 000+ (jen Medevio)

Když 5 500 praktických lékařů stráví 2 hodiny denně administrativou, je to 11 000 hodin kvalifikované práce denně, které se "spalují" na papírování. I kdyby AI agent ušetřil 30 minut denně (konzervativní odhad), mluvíme o 2 750 hodinách lékařské péče navíc. Každý den.

Co je potřeba, aby to fungovalo

Technologie je ready. LangGraph, MCP, vektorové databáze — to vše existuje a funguje. Co chybí:

1. Otevřená data. SÚKL udělal krok správným směrem, ale potřebujeme API, ne XML dumpy. ÚZIS, VZP a další instituce musí následovat.
2. Důvěra lékařů. Což znamená transparentnost, traceabilitu a postupné budování track recordu. Žádné black-box řešení.
3. Lokální expertise. Globální AI firmy nebudou řešit české MKN-11 kódy nebo specifika českého pojistného systému. Tohle musí přijít zevnitř.
4. Regulatorní jasnost. EU AI Act je tu, EHDS se blíží. Potřebujeme vědět, co můžeme a co ne — a stavět podle toho od začátku.

Závěr: Stavíme to

České zdravotnictví stojí na prahu transformace. Ne "AI revoluce" — ten buzzword nesnáším — ale postupné, promyšlené integrace inteligentních nástrojů do každodenní praxe. AI agenti, ne chatboti. Data-driven rozhodování, ne generické odpovědi. Český kontext, ne americký překlad.

Na projektu Czech MedAI pracuju, protože věřím, že tohle je problém, který stojí za řešení. A protože mám unikátní kombinaci — technické znalosti v AI + roky v healthcare IT + rodiče lékaře, kteří mi řeknou, kdy je to blbost a kdy to dává smysl.

Pokud vás tohle téma zajímá — ať už jste vývojář, lékař, nebo někdo, kdo chce posunout české zdravotnictví dopředu — ozvěte se. Rád si popovídám.

---

🔗 Relevantní odkazy

• SÚKL MCP Server: sukl-mcp-ts.vercel.app
• LangGraph docs: langchain-ai.github.io/langgraph
• MCP specifikace: modelcontextprotocol.io
• EU AI Act: artificialintelligenceact.eu

📬 Petr Sovadina — AI Engineer se zaměřením na healthcare. LinkedIn: linkedin.com/in/petrsovadina | GitHub: github.com/petrsovadina