Disclaimer:
Tento článek vychází z mého vlastního praktického testování na malém vzorku fiktivních rozhovorů s podobným vstupem. Scénáře pokrývaly akutní potíže, kontrolnívyšetření a komplexnější anamnézu. Výstupy jsem hodnotila z pohledu použitelnosti v praxi, nikoli podle formální klinické validace, nejde tedy o formální klinickou studii.
Testování vzniklo z praktické potřeby rozhodnout se, kterou z nabídek spolupráce v rámci tohoto segmentu přijmu. Než jsem se rozhodla, chtěla jsem si udělat vlastní obrázek nazákladě reálného testování. Výsledky a pozorování sdílím co nejobjektivněji s maximálně nezávislým pohledem i pro své kolegy, včetně chyb a omezení.
Pohybuji se v oblasti eHealth, telemedicíny a digitalizace zdravotnictví, testuji nástroje jakosoučást své práce.
Administrativní zátěž patří dlouhodobě mezi největší slabiny zdravotní péče. Papírů přibývá, energie ubývá. Lékaři i další zdravotníci tráví významnou část pracovního dne vypisováním dokumentace – a to má přímý vliv na prostor pro péči o pacienty i na míru pracovníhovyčerpání.
I proto narůstá zájem o AI scribe nástroje – systémy, které převádějí mluvené slovo na strukturovanou lékařskou dokumentaci. Dostupná odborná literatura je ve svých závěrech zatím střízlivá. Některé studie ukazují nižší čas strávený v EHR (Electronic Health Record) a menší dokumentační zátěž, přehledové práce ale upozorňují, že důkazy jsou metodologicky omezené a ne zcela homogenní. (1–4)
Tento článek nevychází z marketingových materiálů ani izolovaných ukázek. Je postaven na kombinaci dostupných zdrojů, odborné literatury a vlastního praktického testování pěti komerčních řešení, která se pohybují v konkurenční roli na českém trhu:
mAIdoc, Auris One,Mirek AI, Emmy Scribe a Medivox.
Jak jsem hodnotila
Při testování jsem si stanovila šest praktických kritérií, která rozhodují o reálném nasazení nástroje do praxe – ne o jeho technické nebo legislativní stránce:
- Rychlost registrace a zprovoznění
- Jednoduchost a intuitivnost ovládání
- Možnost kontroly a editace výstupu
- Přizpůsobitelnost (šablony, sekce)
- Export do dokumentace
- Bezpečnost a věrohodnost výstupu
Rychlost registrace
mAIdoc, Auris One i Mirek AI umožnily registraci a první test v řádu minut. U Emmy Scribe a Medivox jsem čekala na přístup více hodin.
Jednoduchost a intuitivnost
Subjektivní kritérium – pohybuji se v IT, takže mám zkreslený pohled na to, co je a není intuitivní.
mAIdoc nevyžadoval rodné číslo pacienta, záznamy se řadí přímo k osobě, lze jich přidat víc, je k dispozici přehledné filtrování a instruktážní video. Pro zdravotníky to vidím jakopravděpodobně nejnižší práh.
Medivox také působil přehledně, návod má přímo na webu.
Mirek AI – při zadávání pacienta jsem se zorientovala obtížněji a nechtěně jsem si přepsala záznamy. To je v reálném provozu nepříjemné riziko.
Auris One nevyžadoval jméno pacienta – výstupy lze pojmenovávat ručně, ale bez filtrace a vyhledávání je orientace v množství záznamů problematická. Stejný případ u Medivox a EmmyScribe.
Emmy Scribe – při prvním pokusu mi nefungoval mikrofon a bylo nutné restartovat celou stránku. Pro méně zkušeného uživatele pravděpodobný konec testování.
Možnost editace výstupu
Všechny nástroje umožnily určitou formu editace, což považuju za základní, klíčový a nutnýpožadavek kvalitního výstupu.
mAIdoc umožňoval upravovat jednotlivé sekce, mazat nebo přidávat části celkové zprávy.
U většiny ostatních nástrojů byly sekce (např. anamnéza) buď pevně dané nebo jsem dopředu nevěděla, co obsahují (Emmy Scribe), nebo naopak zcela volné bez struktury (Medivox) – a to mi vyvolává otázky ohledně strojové čitelnosti a správné interpretace.
Přizpůsobitelnost a šablony
Toto kritérium bylo pro mě velmi významné. Šablony umožňují rutinní zrychlení a opakovatelnost.
Auris One – výběr z dostupných možností, ale tvorba vlastní šablony nebyla možná.
mAIdoc umožnil konfiguraci šablony z předem připravených bloků, ty pokrývaly moje potřeby a vidím v tom lépe strojově čitelné výstupy.
Emmy Scribe – volba typu záznamu před nahráváním, výsledek ale nebylo snadné předvídat.
Medivox – volná konfigurace bez omezení, ale to vidím jako dvousečné z hlediska standardizace.
Mirek AI – vlastní šablony pouze v Business plánu, v základní verzi omezeno.
Export do dokumentace
Kopírování výstupu umožňují všechny nástroje, někdy jen části textu. mAIdoc nabídl ze všech testovaných nástrojů nejširší možnosti exportu a tisku, i ze staršíchzáznamů.
Věrohodnost a bezpečnost výstupu
Toto je pro medicínský kontext nejkritičtější bod. A právě tady se nástroje nejvíce lišily.
Auris One – v jednom z testovaných příkladů jsem dostala více verzí výstupu, přičemž jedna z nich byla fakticky zcela vymyšlená. Zbytek generovaných zpráv vypadal dobře, ale zaznamenala jsem tendenci doplňovat detaily bez opory ve slovech pacienta – například konkrétní název léku tam, kde byl zmíněn jen obecný přípravek. Tuto tendenci osobně hodnotím negativně.
mAIdoc dělal krátký, strukturovaný zápis, filtroval opakující se a lékařsky irelevantní informace, dobře pracoval s latinskou terminologií. Během testování jsem nenarazila na žádnou informaci, která by nebyla opravdu řečena. Kompletní přepis hovoru k dispozici nebyl.
Emmy Scribe – zajímavá funkce zjednodušení laboratorních výsledků, ale nepodařilo se mi spolehlivě zkombinovat hlasový projev s nahranou laboratoří.
Medivox – při testování jsem dostala shrnutí s opačnými příznaky než ty, které pacient popisoval – konkrétně obrácené výpadky zorného pole. Rozumím, že moje testovací konverzace nebyly jednoduché, ale tuto chybu nelze bagatelizovat. Navíc výstup přidal latinskou terminologii, kterou pacient nepoužíval.
Důležité upozornění:
Testovala jsem na malém vzorku fiktivních rozhovorů s různými diagnózami. I přesto, že jsem se snažila vést stejné rozhovory, odrážejí výsledky konkrétní testovací podmínky, ne celkový výkon nástroje ve všech situacích. Komerční AI scribes nejsou konzistentně bezchybné – to potvrzují i nezávislé odborné práce. (5)
Co jsem si všimla navíc
mAIdoc je součástí komplexního operačního systému pro lékaře HealthPro, společně sportálem navstevavalekare.cz.
Emmy Scribe je součástí širšího ekosystému virtuální sestry Emmy – propojení s pacientempřes aplikaci, což rozšiřuje možnosti využití nad rámec samotného přepisu.
Oba nástroje lze přitom používat i samostatně, bez nutnosti adoptovat celý ekosystém. Tato kontextuální informace může hrát roli při rozhodování o nasazení – ale nezahrnula jsem jido samotného hodnocení, protože jde o jinou kategorii kritérií.
Závěr
Žádný z testovaných nástrojů nepřekračoval roli administrativní podpory, nedával diagnózy ani nedoporučoval léčebné postupy.
Všechny sloužily jako pomoc s dokumentací, nikoliv jako zdravotnický prostředek.
Článek záměrně poukazuje na identifikované možné bariéry, prostory pro zlepšení a nepřesnosti. Proč? Protože mluvíme o medicíně. Místu, kde je prostor pro chyby minimální.
Nezapomínejme, že se jedná o nástroje, které představují pomocnou ruku v nadmíře zdravotnické administrativy. Výstup je za každých okolností a se všemi nástroji nutné zkontrolovat a editovat.
MUDr. Tereza Ettlerová, MBA
Literatura
1. Holmgren AJ, Hendrix N, Maisel N, et al. Electronic Health Record Usability, Satisfaction, and Burnout for Family Physicians.
JAMA Netw Open. 2024;7(8):e2426956.doi:10.1001/jamanetworkopen.2024.26956
2. Pearlman K, Wan W, Shah S, Laiteerapong N. Use of an AI Scribe and Electronic Health Record Efficiency.
JAMA Netw Open. 2025;8(10):e2537000.doi:10.1001/jamanetworkopen.2025.37000
3. Hassan H, Zipursky AR, Rabbani N, et al. Clinical Implementation of Artificial IntelligenceScribes in Health Care: A Systematic Review. Appl Clin Inform. 2025;16(4):1121–1135.doi:10.1055/a-2597-2017
4. Sasseville M, Yousefi F, Ouellet S, Naye F, Stefan T, Carnovale V, et al. The Impact of AIScribes on Streamlining Clinical Documentation: A Systematic Review. Healthcare (Basel). 2025;13(12):1447. doi:10.3390/healthcare13121447
5. Ha E, Choon-Kon-Yune I, Murray L, Luan S, Montague E, Bhattacharyya O, Agarwal P. Evaluating the Usability, Technical Performance, and Accuracy of Artificial Intelligence Scribes for Primary Care: Competitive Analysis.
JMIR Hum Factors . 2025;12:e71434.doi:10.2196/71434
6. Meskó B, Topol EJ. The imperative for regulatory oversight of large language models (or generative AI) in healthcare.
npj Digit Med . 2023;6:120. doi:10.1038/s41746-023-00873-0