Co získáte studiem a absolvováním tohoto předmětu
Moderní zdravotnictví prochází největší technologickou revolucí v historii a klíčem k ní nejsou četboti, ale umělá inteligence řízená exaktní vědou. Tento předmět je speciálně navržen pro manažery ve zdravotnictví, lékaře, lékárníky a zdravotnické odborníky, kteří potřebují oddělit mediální šum od skutečných medicínských inovací.
Cílem není naučit vás programovat modely umělé inteligence, ale pochopit jejich principy a naučit se je strategicky řídit a implementovat do lékařské praxe, výzkumu a řízení nemocnic. Ukážeme si, proč generativní AI a masově dostupné jazykové modely (LLM) nepatří do rukou pacientů pro účely samodiagnostiky a proč je skutečná lékařská AI založena na nekompromisní matematické přesnosti, algoritmech strojového učení a analýze reálných dat.
Studiem tohoto předmětu získáte hluboký přehled o tom, jak systémy počítačového vidění (Computer Vision) dokážou s neuvěřitelnou přesností detekovat anomálie na radiologických snímcích, MRI, CT či mamografiích, často dříve než lidské oko. Osvojíte si znalosti o hlubokém učení (Deep Learning) a jeho revolučním přínosu pro personalizovanou medicínu, predikci epidemiologických hrozeb, analýzu genomických dat a zrychlení klinických zkoušek či vývoje nových léčiv. Společně nahlédneme do světa lékařské robotiky a autonomních asistenčních systémů, které posouvají přesnost chirurgických zákroků na novou úroveň. Dozvíte se také, jak strojové učení optimalizuje řízení nemocnic – od třídění pacientů přes předpovídání délky hospitalizace až po logistiku materiálu.
Po absolvování předmětu se budete suverénně orientovat v nástrojích lékařské umělé inteligence a budete schopni posoudit jejich klinický přínos, spolehlivost a bezpečnost. Získáte kompetence lídra, který dokáže řídit digitalizaci zdravotnických zařízení, rozumí etickým výzvám, validaci algoritmů a ochraně citlivých údajů pacientů. Tento předmět z vás udělá vizionářského manažera ve zdravotnictví, který ví, jak pomocí přesné umělé inteligence zachraňovat životy, zefektivňovat léčbu a posouvat lékařskou vědu vpřed.
Studiem tohoto předmětu dále získáte především možnost průběžně konzultovat reálné problémy, případy a situace z vaší praxe s lektorem – expertem na danou problematiku, a v rámci těchto konzultací pod jeho odborným vedením zpracovat jejich řešení formou prakticky orientované případové studie (seminární práce). Díky tomu, že konzultace neprobíhají skupinově, ale pouze přímo mezi vámi a lektorem, můžete konzultovat i citlivé firemní záležitosti, včetně konkrétních dat atd., bez obav ze sdílení těchto údajů s dalšími studenty.
Výstupem po absolvování tohoto předmětu je tedy cenný dokument ihned dále použitelný ve vaší firmě či zaměstnání, s vysokou přidanou hodnotou díky individuálním konzultacím s odborníkem.
Oblasti a témata, v nichž můžete konzultovat
- Návrh strategie pro zavádění diagnostických systémů umělé inteligence
- Optimalizace procesů a řízení toku pacientů v nemocnici pomocí prediktivních algoritmů.
- Analýza nasazení automatizovaných systémů v nemocniční lékárně nebo při distribuci léčiv.
- Příprava interních postupů pro hodnocení bezpečnosti, etiky a legislativních norem při zavádění technologií umělé inteligence.
- Další témata v rámci odborné působnosti lektora, po vzájemné dohodě
Způsob absolvování předmětu
Předmět je zakončen zpracováním seminární práce, v níž student řeší konkrétní téma ze své praxe, týkající se daného předmětu, případně některé z modelových témat připravených lektorem (viz níže). Seminární práce je zpracovávána v rozsahu 7-10 stran formátu A4, z toho se musí jednat alespoň o 8 normostran textu. Seminární práce je lektorem ohodnocena procentuálně, přičemž 50 % a více znamená úspěšné absolvování daného předmětu.
Modelová témata a seminární práce
- Zavedení AI asistenta pro přepis lékařských zpráv: Návrh implementace certifikovaného hlasového softwaru (Voice-to-Text) pro tvorbu zdravotní dokumentace s cílem omezit byrokracii a získat více času na pacienta.
- Přínos počítačového vidění na konkrétním oddělení: Analýza možností využití softwaru s umělou inteligencí na podporu diagnostiky (např. automatické předběžné třídění snímků v radiologii, mamografii nebo detekce lézí v dermatologii) ve vašem zdravotnick
- Zefektivnění objednávání a řízení pacientů: Návrh využití inteligentního plánovacího systému (strojové učení) k minimalizaci prostojů, předpovídání neúčasti pacientů (no-shows) a zkrácení čekacích dob
- Analýza připravenosti pracoviště na integraci AI: Zhodnocení technického stavu a digitálních dovedností personálu ve vaší ambulanci, lékárně či oddělení před plánovaným zavedením moderních technologických řešení
- Rizika „diagnostiky přes Google“ a modelů LLM pro pacienty v praxi: Návrh vzdělávacího postupu nebo pokynů pro lékaře, jak komunikovat s pacienty, kteří přicházejí s nesprávnými diagnózami vygenerovanými volně dostupnými chatboty.
Studijní literatura a další zdroje
Podpůrné studijní materiály zpracované lektorem (k dispozici online ve studijním systému)
Elektronické knihy z online knihovny Bookport a další užitečné zdroje:
- Vladimír Mařík, Michal Trčka, David Černý a kol. ,Proč se nebát umělé inteligence? Jota, 2024, ISBN 978-80-7689-459-4 (Online ZDE)
- Knihová Ladislava, AI Marketing Playbook, Grada, 2024, ISBN 978-80-271-5226-1 (Online ZDE)
- Chollet François, Deep learning v jazyku Python - 2., rozšířené vydání, Grada, 2023, ISBN 978-80-271-5133-2 (Online ZDE)
- Dvořák Tomáš, Umělá inteligence jako (nové) médium, Karolinum, 2025 ISBN 978-80-246-6037-0 (Online ZDE)
Ostatní studijní literatura (Autoři: Název, Vydavatelství, Rok vydání, ISBN):
TANG, Daolu, et al. Regulatory approaches towards AI medical devices: a comparative study of the United States, the European Union and China. Health Policy, 2025, 153: 105260.
RAO, Vishwanatha M., et al. Multimodal generative AI for medical image interpretation. Nature, 2025, 639.8056: 888-896.
SAMI, Abdul, et al. Medical students’ attitudes toward AI in education: perception, effectiveness, and its credibility. BMC medical education, 2025, 25.1: 82.
https://aimi.stanford.edu/blog
https://www.linkedin.com/groups/1814785/
https://www.sciltp.com/journals/aim
