Proč GPT-5 a Claude v nemocnici tápou

Mozkové snímky z magnetické rezonance a počítačové tomografie na veřejném internetu prakticky neexistují. Důvod je jednoduchý — obsahují identifikovatelné obličejové rysy pacientů, a proto podléhají přísné právní ochraně. GPT-5, Claude Sonnet 4.5 i další hraniční modely se tak trénovaly na miliardách dokumentů, obrázků a konverzací z webu — ale nikoliv na tom, jak vypadá skutečný mozkový nádor, krvácení nebo ischemie v reálných klinických datech.

„Frontier modely znají mapu, ale ne terén," shrnují autoři studie z University of Michigan. Velké jazykové modely si přečetly učebnice anatomie a odborné články, ale nikdy neviděly 566 915 po sobě jdoucích klinických studií napříč traumatem, nádory, infekcemi a záněty, které nashromáždí fungující akademická nemocnice za 20 let.

Vol-JEPA: Jak naučit AI vidět mozek bez jediného popisku

Klíčovou inovací týmu je architektura Vol-JEPA (Volumetric Joint-Embedding Predictive Architecture). Jde o rozšíření rodiny JEPA, kterou původně navrhl šéf AI výzkumu Mety Yann LeCun pro běžné obrázky a videa. Michiganský tým ji poprvé adaptoval na plné trojrozměrné medicínské objemy.

Princip je elegantní: model dostane malý viditelný výřez 3D skenu a musí předpovědět, co se nachází v zakryté části — ne v pixelech, ale v abstraktním latentním prostoru. To znamená, že se učí rozpoznávat anatomicky smysluplné struktury, nikoliv texturu nebo šum. Metoda je zcela samo-učící (self-supervised) — nepotřebuje žádné ruční popisky, žádné radiologické zprávy, žádné párování s textem.

Trénink celého modelu spotřeboval méně než 1 000 GPU hodin na kartách NVIDIA L40S — výpočetně to zvládne každé větší akademické lékařské centrum. Znamená to, že české fakultní nemocnice, například Motol nebo FN Brno, by teoreticky mohly natrénovat vlastní verzi na svých archívech.

O 21 bodů přesnější, polovina chyb

V laboratorním testu na 300 expertně ověřených studiích dosáhl NeuroVFM v rozpoznávání závažnosti nálezů (normální, rutinní, urgentní) skóre o 11 bodů vyšší než GPT-5 a o 20,3 bodu vyšší než Claude Sonnet 4.5.

Ještě důležitější je ale chybovost. U generovaných radiologických zpráv byla míra zásadních chyb poloviční oproti GPT-5 (10 % vs. 20 %). NeuroVFM také výrazně méně často zaměňoval levou a pravou hemisféru — takzvané laterální chyby, které patří mezi nejnebezpečnější selhání v radiologii, protože mohou vést k operaci na špatné straně mozku.

Tři zaslepení kliničtí experti preferovali zprávy od NeuroVFM nad GPT-5 v poměru více než 2:1.

Týden v ostrém provozu na 1 155 pacientech

Nejcennější částí studie byl prospektivní test v reálném nemocničním provozu. Od 18. do 25. ledna 2026 prošlo NeuroVFM-LLaVA — systém propojující NeuroVFM s open-source jazykovým modelem Qwen3-14B — celkem 1 155 studiemi (601 MRI, 544 CT), které v té době vznikly v rámci běžné klinické péče. Model běžel tiše na pozadí, bez vlivu na skutečnou léčbu pacientů.

Výsledky ukázaly 92,6% vyváženou přesnost v detekci urgentních nálezů podle definice Americké společnosti neuroradiologie, zatímco GPT-5 dosáhl jen 71,2 % (P < 0,0001). Ze 134 pacientů se skutečně urgentním nálezem, které model označil, byli všichni označeni správně.

Je tu ale zásadní „ale": model minul 21 ze 155 pacientů s kritickým nálezem — celková senzitivita je 86,5 %. To je výrazně lepší než GPT-5, ale pro autonomní screening bez dohledu radiologa zdaleka nedostačující. Vynechání jednoho ze sedmi urgentních pacientů by bylo klinicky nepřijatelné. Autoři to otevřeně přiznávají: NeuroVFM je výzkumný nástroj a není schválen FDA pro klinické použití.

Anatomie se vynořila sama od sebe

Jeden z nejzajímavějších objevů studie se týká toho, co se model naučil bez explicitního učení. Když výzkumníci vizualizovali vnitřní reprezentace NeuroVFM, zjistili, že se spontánně uspořádaly do neuroanatomicky smysluplných shluků — šedá hmota odděleně od bílé, mozeček odděleně od kůry. A to vše bez jediné segmentační masky nebo anatomického popisku během tréninku.

Model se také ukázal jako modalitně agnostický — diagnostický klasifikátor natrénovaný na CT skenech fungoval téměř stejně dobře na MRI, přestože jde o fyzikálně zcela odlišné zobrazovací metody (jedna měří rentgenovou absorpci, druhá magnetickou rezonanci vodíkových jader). Tato schopnost se neobjevila u žádné z alternativních tréninkových metod.

„Health system learning": Nový přístup ke klinické AI

Tým z Michiganu přichází s konceptem, který nazývá „health system learning" — učení se přímo z dat, která nemocnice generují při běžném provozu. Jde o zásadně odlišný přístup od trénování modelů na internetových datech.

„Zdravotní systémy jsou znalostní báze a datové motory," píší autoři. Místo aby se AI učila z popisů klinického světa na internetu, měla by se učit přímo ze surových dat, která klinický provoz produkuje. A tato data už leží v obrazových archivech (PACS) každé větší nemocnice.

Pokud se koncept „health system learning" potvrdí nezávislou replikací na jiných pracovištích, mohlo by to znamenat škálovatelnou cestu k budování specializovaných AI modelů napříč medicínou — bez nutnosti mimořádně nákladné ruční anotace dat.

Co to znamená pro Evropu a Česko

Z evropského pohledu je klíčové, že NeuroVFM je plně open-source. Kód je dostupný pod MIT licencí na GitHubu a natrénované váhy modelu pod licencí CC-BY-NC-SA 4.0 na Hugging Face.

Pro české nemocnice to znamená možnost lokalizovat a adaptovat model na vlastní data a vlastní pracovní postupy — bez závislosti na amerických komerčních poskytovatelích. Vzhledem k tomu, že evropský AI Act klasifikuje medicínskou AI jako vysoce rizikovou, je transparentní architektura s veřejně dostupným kódem výraznou výhodou pro certifikační proces. České fakultní nemocnice disponují rozsáhlými obrazovými archivy, které sahají mnoho let zpět — přesně ten typ dat, na kterém NeuroVFM prokazuje své schopnosti.

Je však nutné zdůraznit, že jakékoliv klinické nasazení by vyžadovalo prospektivní validaci pod dohledem lokálních regulačních orgánů — v českém kontextu Státního ústavu pro kontrolu léčiv. Model je zatím čistě výzkumným nástrojem.

Specialista versus generalista

Studie z Michiganu ukazuje obecnější princip, který má dopad daleko za hranice radiologie: univerzální modely mají strukturální slepá místa tam, kde jim chybí tréninková data. GPT-5 umí perfektně diskutovat o mozkové anatomii, protože o ní přečetl stovky učebnic a článků. Ale když má poznat krvácení na rozmazaném CT snímku z noční pohotovosti, selhává — protože taková data na internetu prostě nejsou.

Autoři to formulují pregnantně: „Frontier modely znají mapu; health system learners znají terén."

Dlouhodobou vizí týmu není nahradit GPT-5 a podobné modely, ale propojit je: NeuroVFM jako specializovaný percepční modul, který poskytuje klinicky podloženou interpretaci obrazových dat, a GPT-5 jako obecný usuzovací modul, který nad těmito daty přemýšlí. Ve studii to tak už fungovalo — GPT-5 sloužil jako komponenta pro posouzení závažnosti nálezů vygenerovaných NeuroVFM.