| 27 / Čes. slov. Farm. 2026;75(1):24-29 / ČESKÁ A SLOVENSKÁ FARMACIE www.csfarmacie.cz SOCIÁLNÍ FARMACIE A LÉKÁRENSTVÍ Umělá inteligence ve službách farmacie – možnosti využití v praxi testů a hodnocení lze sestavit žebříček nejúspěšnějších modelů (Tab. 1). Platforma lmarena.ai využívá Elo rating, systém vyvinutý původně pro hodnocení závodních šachistů (9). Za zmínku stojí model glm-4.6 od společnosti Z.ai s Elo ratingem 1422. Jedná se o nejlépe hodnocený model publikovaný pod MIT licencí. Tento model lze tedy svobodně šířit a upravovat i pro komerční účely za podmínky uvedení původního autora. MT-bench Též Multi-turn Benchmark. Na rozdíl od klasických testů, které hodnotí konkrétní dovednosti jako znalosti, logiku nebo programování, MT-Bench se zaměřuje na reálné konverzační chování modelu – tedy to, jak se chová v běžné lidské interakci. Benchmark vyvinul tým z UC Berkeley (LMSYS Org) – stejná skupina, která provozuje známou platformu Chatbot Arena. Test obsahuje sadu konverzačních otázek – typicky 80 až 100 scénářů pokrývajících různé oblasti. Model odpovídá na více po sobě jdoucích dotazů v rámci jednoho rozhovoru, odpovědi jsou následně hodnoceny pomocí jiného modelu nebo lidskými hodnotiteli. Výsledek je skóre, přičemž vyšší skóre znamená lepší kvalitu a konzistenci odpovědí (10). Základní legislativní rámec v EU AI act Artificial Intelligence Act je nařízení Evropské unie, které představuje první komplexní právní rámec pro umělou inteligenci (AI) na světě. Jeho cílem je zajistit bezpečné, transparentní a etické používání AI v rámci EU, aniž by brzdil inovace (11). Akt o umělé inteligenci kategorizuje AI podle míry rizika, od kterého se odvíjejí i podmínky regulace (Tab. 2) (12). NIS2 NIS2 je zkratka pro Směrnici o bezpečnosti sítí a informací 2 (Network and Information Security Directive 2) a jedná se o klíčový evropský právní předpis (směrnici EU), který má za cíl zásadně posílit kybernetickou bezpečnost v celé Evropské unii. V České republice se NIS2 implementuje do národního práva prostřednictvím nového zákona o kybernetické bezpečnosti (264/2025 Sb.). Tento zákon neupravuje přímo vývoj AI, má ale zásadní vliv na to, jak budou AI systémy provozovány, zabezpečeny a začleněny do kritických procesů organizací, které spadají do regulace kybernetické bezpečnosti. Podle Národního centra elektronického zdravotnictví u AI, registrované jako zdravotnický prostředek, zodpovídá za bezpečnost produktu jeho výrobce, nikoliv uživatel (13). Praktická ukázka 1 – jednoduché otázky pro praxi Stále platí, že výstup umělé inteligence je potřeba ověřovat a kontrolovat chyby. Zvláště ve zdravotnictví je žádoucí, aby její rady kontroloval odborník. U odborných tvrzení je nutné vyžadovat zdroj informací, o který se model opírá. U vzorových otázek, položených modelu GPT4o na otázku „Mohou těhotné ženy užívat doplňky stravy se zinkem?” a „Mohou těhotné ženy užívat doplňky stravy se zinkem? Uveď zdroje pro svá tvrzení.” Rozšíření promptu o druhou větu, která požaduje uvedení zdrojů, poskytne detailnější odpověď s odkazy. Nejčastěji cituje americkou Office of Dietary Supplements, ale také český Státní zdravotní ústav.. Jednotlivé odpovědi se liší doporučeným dávkovacím rozmezím, vzhledem k povaze technologie nelze vyloučit, že tvrzení AI nebude odpovídat původnímu zdroji, ze kterého cituje. Praktická ukázka 2 – zpracování statistických dat Dostatek informací a jejich kvalitní zpracování je podmínkou úspěšného rozhodování ve většině oblastí, farmacii nevyjímaje. Poskytování zdravotních rad je z důvodů popsaných výše (AI act) poměrně složitou oblastí. Naopak získávání přesných informací ve farmakoekonomice je v současnosti citelně rychlejší a levnější, jak demonstruje následující příklad. Zadání: Zjistit 10 ATC skupin nejčastěji vydávaných v lékárnách, vyjádřených jako počet balení léčivých přípravků. Pro tento úkol lze využít informace veřejně poskytované Státním ústavem pro kontrolu léčiv (SÚKL), jmenovitě přehled hlášení lékáren podle nařízení LEK-13 – v našem případě jde o report za září 2025. Pro řešení použijeme výchozí nastavení všeobecného jazykového modelu GPT-5. Prompt: Následující CSV soubor používá kódování Windows-1250 a středník jako separátor. Smaž sloupce s názvem Období, Držitel registrace, Země, Nákupní cena bez DPH, Konečná prodejní cena s DPH, Způsob výdeje a Hrazeno. Následně smaž řádky, které mají v prvním sloupci (Typ hlášení) jinou hodnotu než ‘recept’. Následně nahraď desetinné čárky ve sloupci Počet balení na desetinné tečky. Poté sečti sloupce Počet balení u řádků, kde se shodují hodnoty v sloupci ATC7, Tab. 1. Seřazení modelů podle portálu lmarena.ai. k 16. 10. 2025, hodnocení podle textové odpovědi Pořadí Označení Rating Autor 1. gemini-2.5-pro 1 451 Google 2. claude-opus-4-1-20250805-thinking-16k 1 447 Anthropic 3. claude-sonnet-4-5-20250929-thinking-32k 1 445 Anthropic 4. gpt-4.5-preview-2025-02-27 1 441 OpenAI 5. chatgpt-4o-latest-20250326 1 440 OpenAI Tab. 2. AI systémy podle míry rizika Úroveň Příklady Omezení Zakázané systémy Sociální hodnocení lidí státem, manipulace chování, rozpoznávání emocí na pracovišti Úplný zákaz Vysoké riziko AI ve zdravotnictví, dopravě, vzdělávání, HR, bankovnictví nebo v bezpečnostních systémech Musí splňovat přísné požadavky na kvalitu dat, transparentnost, lidský dohled a bezpečnost Omezené riziko Chatboti, asistenční systémy, generativní AI jako ChatGPT, Claude Povinnost oznámit uživateli, že komunikuje s AI, a uvádět informace o tréninku a obsahu Zavádí povinnost upozornit uživatele, že komunikuje s AI Minimální riziko AI v hrách, filtrování spamu Nejsou zavedena žádná nová pravidla
RkJQdWJsaXNoZXIy NDA4Mjc=