Jak se měřila kvalita zdravotních informací

Vědci pod vedením doktorky Kavity Jain porovnali tři zdroje informací: klasické vyhledávání na Googlu, volně dostupný ChatGPT-4 Omni od OpenAI a OpenEvidence, specializovaný lékařský LLM s omezeným přístupem, určený výhradně pro zdravotníky. Pro každý ze 13 benigních, prekancerózních i maligních patologií prsu — od cyst po invazivní karcinom — položili hodnotitelé standardizované dotazy a odpovědi vyhodnotili nástrojem DISCERN. DISCERN je mezinárodně validovaný nástroj vyvinutý Oxfordskou univerzitou, který hodnotí kvalitu a spolehlivost zdravotních informací na škále 0–80 bodů. Používají ho regulační orgány, pacientské organizace i knihovny po celém světě. Zkoumá například, zda jsou zdroje citované, zda text neobsahuje zkreslení, zda popisuje rizika léčby a zda je jazyk vyvážený — bez přehnaných slibů. Tedy přesně to, co pacient v ordinaci nepozná, ale co může zásadně ovlivnit jeho rozhodnutí.

Co našli: Google na dně

Průměrné celkové skóre DISCERN u Googlu dosáhlo 35,9 bodu z 80. ChatGPT získal 62,2 bodu a OpenEvidence 64,8 bodu. Statistická významnost byla nesporná — jednocestná ANOVA ukázala p 0,0001 a Tukeyho post hoc test potvrdil, že oba LLM modely překonaly Google s p 0,001. Nejzajímavější zjištění? Mezi ChatGPT a OpenEvidence nebyl statisticky významný rozdíl. To znamená, že volně dostupný chatbot podává zdravotní informace o patologii prsu na srovnatelné úrovni se specializovaným lékařským modelem, ke kterému má běžný pacient omezený přístup. Samostatně hodnotili i dílčí složky: - Spolehlivost (reliability): Google 19,9 / ChatGPT 28,4 / OpenEvidence 28,3 - Kvalita (quality): Google 13,2 / ChatGPT 30,5 / OpenEvidence 31,1 V obou dimenzích LLM modely drtivě zvítězily. Google podle autorů selhával zejména v uvádění zdrojů, vyváženosti informací a jasném oddělení ověřených faktů od názorů.

Proč má Google s medicínou problém

Klasické vyhledávání na Googlu trpí zásadním limitem: algoritmus netřídí výsledky podle odborné kvality, ale podle relevance, autority domény a mnoha dalších signálů, které s medicínskou přesností nemají nic společného. První dvě stránky výsledků na dotaz "breast lump" dnes obsahují mix nemocničních webů, blogů alternativní medicíny, PR článků klinik a reklam na doplňky stravy. Pro laika je prakticky nemožné odlišit, kterému zdroji důvěřovat. Velké jazykové modely fungují jinak. ChatGPT ani OpenEvidence nevybírají ze stávajících webů — generují odpověď na základě vzorců naučených z obrovského množství textu, včetně lékařských publikací. Výsledkem je souvislý, srozumitelný text, který navíc dokáže odbornou terminologii přeložit do běžného jazyka — což je pro pacienty klíčové. Autoři studie výslovně uvádějí, že LLM modely poskytují informace, které jsou "přesnější, kvalitnější a nezahlcují pacienta zbytečným medicínským žargonem."

Google nezahálí — AI Overviews mění hru

Je fér dodat, že Google na tento trend reaguje. Od poloviny roku 2025 postupně rozšiřuje funkci AI Overviews — souhrny generované umělou inteligencí, které se zobrazují nad klasickými výsledky vyhledávání. Tyto souhrny už netrpí problémem nesourodých zdrojů, protože syntetizují odpověď z více důvěryhodných webů současně. Studie z CancerNetwork však porovnávala klasické vyhledávání bez AI prvků — tedy přesně tu verzi, kterou většina pacientů stále používá. Z pohledu českého uživatele je situace specifická: Google AI Overviews jsou v Česku dostupné od jara 2026, ale pouze v češtině a s omezenou kvalitou oproti anglické verzi. Naproti tomu ChatGPT zvládá češtinu velmi dobře — GPT-4 Omni i novější modely rozumí českým dotazům a generují odpovědi, které obstojí i v porovnání s anglickým originálem.

Měli byste ChatGPT používat jako doktora?

Krátká odpověď zní: ne. Dlouhá odpověď: jako pomůcka pro základní orientaci ano — ale vždy s ověřením. Studie ukazuje, že LLM modely dokážou velmi dobře vysvětlit, co daná diagnóza znamená, jaké jsou možnosti léčby a na co se připravit. Co ale neumí — a co nikdy nahradit nemohou — je individuální diagnostika. ChatGPT nevidí vaše snímky, nezná vaši anamnézu a nemá kontext vašeho celkového zdravotního stavu. I při DISCERN skóre 62 z 80 stále existuje prostor pro nepřesnosti. V českých podmínkách je důležité vědět, že žádný AI chatbot aktuálně nemá certifikaci jako zdravotnický prostředek v EU. Podle evropského AI Act (účinnost od února 2025, s postupným náběhem do srpna 2026) spadají AI systémy používané pro diagnostiku a třídění pacientů do kategorie "vysokého rizika". ChatGPT ani OpenEvidence takové certifikace nemají — a to je dobře, protože pacientské dotazování chatbota nesplňuje definici regulované zdravotnické AI. Na co si dát pozor: - Halucinace — LLM modely občas generují přesvědčivě znějící, ale fakticky chybné informace - Zastaralé znalosti — trénovací data končí k určitému datu, nové léčebné postupy nemusí model znát - Chybějící kontext — každý případ rakoviny prsu je individuální, model pracuje s obecnými informacemi

Širší kontext: AI jako nástroj pro zdravotní gramotnost

Tato studie není ojedinělá. V květnu 2026 zveřejnil prestižní časopis Nature studii ukazující, že obecné velké jazykové modely (GPT-5, Claude) překonávají specializované klinické AI nástroje na lékařských benchmarcích. V červenci 2025 zase Radiology Business referoval o tom, že LLM pomohly pacientům lépe porozumět radiologickým zprávám — textům, které jsou pro laika tradičně nesrozumitelné. Trend je zřejmý: AI chatboti se stávají mostem mezi odbornou medicínou a pacientskou realitou. Ne proto, že by nahrazovali lékaře, ale protože dokážou přeložit "ductal carcinoma in situ" do věty "jedná se o neinvazivní formu rakoviny prsu, která zůstává uvnitř mlékovodů a nepřesahuje do okolní tkáně." V Česku i v celé EU se otevírá otázka, zda by zdravotnické autority — například SÚKL — neměly vydat doporučení pro pacienty, jak bezpečně používat AI nástroje pro zdravotní informace. V USA už některé nemocnice (včetně těch, jejichž lékaři se na studii podíleli) aktivně integrují LLM do pacientských portálů jako vrstvu pro vysvětlování diagnóz. V Evropě zatím podobné iniciativy chybí — s výjimkou pilotních projektů v Německu a Nizozemsku.

Co si z toho odnést

Nejde o to, jestli AI chatboti nahradí Google — ten souboj už v oblasti zdravotních informací prohrávají. Otázka zní: jak rychle a jak bezpečně integrovat LLM do pacientské edukace, aby pacienti dostávali přesné informace a zároveň nepodléhali dojmu, že chatbot nahradí návštěvu mamologa. Výzkumníci závěrem doporučují propojení AI nástrojů s validovanými hodnotícími rámci, jako je DISCERN, a vytvoření přístupných edukačních materiálů, které pacientům pomohou diagnóze porozumět bez zbytečného strachu — ale také bez falešné jistoty.