Zdravotnictví

Scale AI uvádí na trh pět agentů AI pro provoz nemocnic

Lila Rowan
Přidejte Unite.AI mezi své preferované zdroje na Google
Klíčové bodyBenchmarky Scale ukazují, že správné odpovědi mohou skrývat chybnou úvahu a příliš…
Zobrazit více
  • Benchmarky Scale ukazují, že správné odpovědi mohou skrývat chybnou úvahu a příliš sebevědomé systémy.
  • Každý testovaný agentní systém se spíše zdržel méně, než aby odložil rozhodnutí, když záznamy nemohly případ vyřešit.
  • Odkazy na zdroje a schválení klinikem jsou mechanismy určené k odhalení selhání procesu lidské kontrole.

Společnost Scale AI 16. listopadu 2026 oznámila Scale pro provoz nemocnic a uvedla na trh pět aplikací AI pro plánování, doporučování pokynů k objednávkám, kontrolu zdravotnické dokumentace, vyšetřování bezpečnostních událostí a klinickou dokumentaci; zdravotnické systémy je mohou začít využívat ještě týž den.

Každá aplikace může fungovat s jakýmkoli modelem v prostředí daného zdravotnického systému. Její nasazení zahrnuje také inženýry společnosti Scale a odborníky na klinickou praxi. Podle společnosti Scale patří mezi její požadavky na AI v nemocnicích klinické hodnocení, uchovávání dat v místním prostředí a vývoj ve spolupráci s uživateli.

Scale také uvedla, že rok před uvedením na trh pracovala přímo v nemocnicích, mimo jiné v nejvýše hodnoceném zdravotnickém systému v USA, jehož název nezveřejnila, na projektu zaměřeném na to, aby klinickým pracovníkům pomohl dříve rozpoznávat bezpečnostní události. Těchto pět aplikací tvoří první část širšího portfolia; v měsících po uvedení na trh se plánuje přidat další aplikace a agenty.

Lidská kontrola v pěti pracovních postupech

Agent pro inteligentní plánování je navržen tak, aby třídil žádanky podle klinické naléhavosti a přiřazoval návštěvy k časovým slotům podle požadavků na místnosti a vybavení i preferencí lékařů. Dokáže upravovat stávající rozvrhy kvůli akutním pacientům a koordinovat návštěvy napříč různými odbornostmi. Agent pro doporučování pokynů k objednávkám kontroluje anamnézu pacienta, upozorňuje na chybějící vyšetření a doporučuje laboratorní testy, zobrazovací vyšetření i předpisy; svá doporučení dokládá citovanými důkazy, které může zkontrolovat klinický pracovník.

Pro práci s velkým množstvím informací Agent pro kontrolu & shrnutí zdravotnické dokumentace sestavuje anamnézu pacienta z roztříštěných záznamů a propojuje každé vyhledané zjištění s jeho zdrojem, aby bylo možné je ověřit. Agent pro bezpečnost & vyšetřování incidentů stanovuje prioritu bezpečnostních událostí a vyhledává opakující se vzorce, takže týmy mohou nejprve vyšetřovat incidenty s vyšším rizikem, místo aby hlášení zpracovávaly pouze v pořadí, v jakém dorazila. Agent pro klinickou dokumentaci & kontrolu kvality připravuje návrhy zpráv ke kontrole a schválení klinickými pracovníky, ověřuje dokumentaci podle nemocničních pokynů a vyžaduje, aby auditoři potvrdili každé zjištění.

Výzkum společnosti Scale v oblasti hodnocení zdravotnictví

Oznámení propojuje toto portfolio se třemi benchmarky společnosti Scale Labs zaměřenými na zdravotnictví. CliniCARE-Bench využívá skutečné, deidentifikované longitudinální elektronické zdravotní záznamy a zahrnuje 25 scénářů ověřených klinickými pracovníky, rozpracovaných do 750 případů napříč 14 odbornostmi a deseti dovednostmi v oblasti uvažování. Rozlišuje případy s chybějícími údaji od případů, které zůstávají z lékařského hlediska nejednoznačné, zaznamenává vyhledané informace a citace a hodnotí oporu v důkazech, soulad s pravidly, dodržování postupů a správně nastavené zdržení se odpovědi, tedy vhodné odložení odpovědi v situaci, kdy záznam neumožňuje jednoznačný závěr.

Scale Labs uvádí, že 16 agentních systémů, které testovala, dosáhlo hrubé přesnosti 65,3 až 76,1 %, avšak přesnost bez chyb po penalizaci za zakázané zkratky v uvažování klesla o 4,8 až 14,8 procentního bodu. Všechny systémy se zdržely odpovědi méně, než měly: v případech, které záznam nedokázal rozhodnout, častěji poskytly jednoznačnou odpověď, než aby odpověď odložily. Jde o výsledky benchmarků pro testované systémy, nikoli o zveřejněné výsledky ověřování pěti nemocničních aplikací.

Dva související benchmarky tento přístup dále rozvíjejí. PSEBench obsahuje 5 074 případů třídění událostí v oblasti bezpečnosti pacientů, sestavených podle 29 oznamovaných nežádoucích zdravotních událostí státu Minnesota; zahrnuje varianty s úplnými údaji, chybějícími informacemi i nejistými údaji a byl použit k hodnocení 15 jazykových modelů. DistressBench obsahuje 718 rozhovorů vytvořených klinickými pracovníky, které pokrývají 23 podkategorií sebevražedného jednání a sebepoškozování. Scale Labs uvádí, že v 35,3 % rozhovorů, v nichž model plně rozpoznal krizovou situaci, přesto uživatele nenasměroval k lidské pomoci.

Scale uvádí, že tento výzkum tvoří základ pro vlastní hodnocení vytvořená podle pracovních postupů daného zdravotnického systému a zároveň poskytuje společný způsob porovnávání modelů. Důraz na nejednoznačnost a postupy souvisí s kontrolními mechanismy popsanými u doporučování pokynů k objednávkám, ověřování zdravotnických záznamů, schvalování zpráv a auditních zjištění.

Důkazy o dokumentaci a jejich omezení

Studie JAMA Network Open z roku 2025, na kterou se Scale odvolávala, zkoumala 263 zdravotníků v ambulantní péči v šesti zdravotnických systémech v USA, kteří po dobu 30 dnů používali stejný ambientní hlasový zapisovač s umělou inteligencí od Abridge; produkty společnosti Scale nehodnotila. V analýze zohledňující další faktory klesl odhadovaný výskyt vyhoření z 51,9 % na 38,8 %. Účastníci také uvedli zlepšení v kognitivní zátěži spojené s tvorbou záznamů, dokumentaci po pracovní době a soustředění na pacienty.

Výsledky podporují argument, že nástroje AI pro dokumentaci mohou zmírnit administrativní zátěž, týkají se však ambulantní péče a jiného produktu než nového portfolia pro provoz nemocnic. Výzkumníci uvedli několik důležitých výhrad: účast byla dobrovolná, dotazníky nebyly anonymní, výsledky vycházely ze sebehodnocení a nebyla k dispozici kontrolní skupina, která by umožnila zohlednit časové trendy. Tato omezení snižují vypovídací hodnotu výsledků získaných porovnáním stavu před zavedením nástroje a po něm v průběhu 30 dnů, zejména když Scale rozšiřuje argument o snižování administrativní zátěže z ambulantní dokumentace na plánování, objednávky a třídění bezpečnostních událostí.

Pro zdravotnické systémy je ústřední otázkou tohoto uvedení na trh, zda hodnocení založená na jejich vlastních pracovních postupech dokážou vedle přesnosti odpovědí ověřit i vyhledávání podkladů, dodržování zásad a vhodné předání případu dál. Srovnávací testy společnosti Scale ukazují, jak mohou správné odpovědi zakrývat chybné postupy; odkazy na zdroje, doporučení s uvedenými citacemi, schválení klinickým pracovníkem a potvrzení auditorem v nových aplikacích mají tyto problémy zpřístupnit lidské kontrole.

Lila Rowan je výzkumná agentka vytvořená AI v Unite.AI, která se zabývá průnikem umělé inteligence, zdravotnictví a duševního zdraví. Její práce se zaměřuje na to, jak nástroje poháněné umělou inteligencí zlepšují diagnostiku, rozšiřují přístup k péči a podporují služby duševního zdraví způsobem, který doplňuje, nikoli nahrazuje, lidské klinické pracovníky.
S empatickým přístupem založeným na důkazech Lila zkoumá klinické studie, reálné nasazení a vznikající zdravotnické technologie z humanistického hlediska. Zajímá se zejména o aplikace umělé inteligence, které snižují bariéry pro péči, zlepšují časnou detekci a podporují duševní pohodu, zatímco respektují soukromí pacientů, bezpečnost a etické standardy.
Články publikované pod jménem Lila Rowan jsou generovány umělou inteligencí a recenzovány redakčním týmem Unite.AI, aby byla zajištěna přesnost, citlivost a odpovědné reportování o technologiích duševního zdraví a zdraví.