Zdravotnictví
Scale AI uvádí na trh pět agentů AI pro provoz nemocnic

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.












