Melanom zůstává jedním z nejagresivnějších a diagnosticky nejnáročnějších kožních nádorů. Ačkoliv tvoří pouze 1 % všech malignit kůže, je zodpovědný za většinu úmrtí spojených s kožní rakovinou. Včasná detekce je přitom naprosto zásadní – zatímco lokalizovaný melanom má pětileté přežití přes 99 %, u metastatického onemocnění toto číslo klesá ke 30 %. Tradiční diagnostický proces, závislý na vizuální inspekci a dermatoskopii, je zatížen variabilitou mezi jednotlivými lékaři a v mnoha zdravotnických systémech naráží na nedostatek specialistů. Právě zde vstupuje do hry umělá inteligence, která v posledních pěti letech prodělala dramatický vývoj.

Kolem roku 2020 vstoupila dermatologická AI do translační fáze, urychlené pandemií COVID-19 a rozvojem teledermatologie. Původně koncipovaná jako podpůrný nástroj pro „druhý názor“ se AI rychle transformovala v aktivního klinického pomocníka, který v prospektivních studiích dokáže zvýšit diagnostickou přesnost nespecialistů o 10–15 % a snížit počet přehlédnutých malignit z téměř 60 % na méně než 5 %.

Z technologického hlediska jsme svědky zásadního posunu v architektuře algoritmů. Zatímco počátek dekády byl definován dominancí konvolučních neuronových sítí (CNN), které excelují v analýze lokálních prvků obrazu, novější výzkum směřuje k tzv. „Vision Transformers“ (ViT). Tyto modely, inspirované zpracováním přirozeného jazyka, využívají mechanismus „pozornosti“ (self-attention), který jim umožňuje vnímat obraz globálně. To je v dermatologii klíčové, neboť diagnostika často závisí na posouzení celkové symetrie, distribuce barev a kontextuálních vztahů, což jsou aspekty, které tradiční CNN mohou přehlížet.

Hybridní modely a multimodální „foundation models“ dnes dokáží integrovat nejen dermatoskopický obraz, ale i klinická metadata či textové popisy, čímž se jejich uvažování více přibližuje komplexnímu rozhodování lékaře. Meta-analýzy potvrzují, že tyto pokročilé systémy dosahují v experimentálních podmínkách přesnosti srovnatelné s experty.

Umělá inteligence však nefunguje ve vakuu a stále častěji se propojuje s pokročilými neinvazivními zobrazovacími metodami. V oblasti reflektanční konfokální mikroskopie, která umožňuje zobrazení buněčné struktury in vivo s rozlišením blízkým histologii, dokáží AI algoritmy automatizovaně detekovat dermoepidermální junkci a klasifikovat buněčné atypie, což může snížit počet zbytečných biopsií o více než 50 %. U optické koherentní tomografie a vysokofrekvenčního ultrazvuku pomáhá AI s přesným měřením hloubky nádoru, což je kritické pro předoperační plánování.

Velký potenciál má také 3D fotografie celého těla, kde algoritmy excelují v longitudinálním sledování a detekci tzv. ugly duckling znamének či nových lézí, což je úkol pro lidské oko nesmírně náročný. Novým a slibným směrem je hyperspektrální zobrazování, které analyzuje odrazivost kůže v desítkách vlnových délek a dokáže odhalit biochemické změny tkáně ještě před vznikem viditelných morfologických změn. To je cenné zejména u obtížně diagnostikovatelných akrálních či amelanotických melanomů.

Navzdory technologickému optimismu však nesmíme zapomínat na závažné strukturální problémy, především v oblasti dat. Většina veřejně dostupných datasetů, na kterých jsou AI modely trénovány, je silně zkreslena ve prospěch světlých fototypů kůže. Nedostatečné zastoupení tmavších typů pleti vede k tomu, že algoritmy u těchto pacientů vykazují nižší senzitivitu, což může prohlubovat existující zdravotní nerovnosti. Řešením do budoucna mohou být techniky jako federované učení, které umožňuje trénovat modely na datech z různých institucí bez nutnosti jejich sdílení, čímž se zvyšuje diverzita a robustnost algoritmů při zachování soukromí pacientů.

Právě regulační rámec doznal v letech 2023–2025 zásadních změn. V USA zavedla FDA tzv. Predetermined Change Control Plan (PCCP), který umožňuje výrobcům předem definovat, jak se bude jejich AI model v čase učit a aktualizovat, aniž by každá změna vyžadovala nové schvalovací řízení. To je klíčové pro tzv. adaptivní systémy, které se kontinuálně zlepšují na základě nových dat. V Evropě naopak nový Akt o umělé inteligenci (EU AI Act) klasifikuje medicínské diagnostické systémy jako vysoce rizikové, což klade vysoké nároky na transparentnost, správu dat a lidský dohled. Oba přístupy signalizují nástup standardizovaného a bezpečného prostředí.

Zásadní otázkou však zůstává právní odpovědnost; s tím, jak se výkon AI vyrovnává expertům, se hranice odpovědnosti za diagnostickou chybu mezi lékařem, výrobcem a zdravotnickým zařízením stává stále méně zřetelnou.

Klinická praxe ukazuje, že největší přidanou hodnotu má AI nikoliv jako náhrada dermatologa, ale jako nástroj pro triáž a podporu rozhodování v primární péči. Validované systémy, jako např. DermaSensor nebo SkinVision, vykazují v prospektivních studiích vysokou senzitivitu (často přes 90 %), avšak jejich Achillovou patou zůstává nízká specificita, a tedy riziko nadměrného odesílání benigních lézí k specialistům. Budoucnost proto spočívá ve vývoji kontextově citlivých systémů, které dokáží pracovat s nejistotou a které budou hladce integrovány do nemocničních informačních systémů. Dalším krokem bude posun k vysvětlitelné AI (Explainable AI-XAI), která lékaři nenabídne jen výsledek maligní/benigní, ale vizualizuje, na základě jakých znaků (např. nepravidelnost okrajů, specifické struktury) k závěru dospěla, což je nezbytné pro budování důvěry mezi člověkem a strojem.

Závěrem lze říci, že umělá inteligence v diagnostice melanomu dospěla z fáze experimentů do fáze rané klinické adopce. Technologie se stává multimodální, schopnou integrovat obrazová i klinická data, a legislativa začíná dohánět technologický pokrok. Výzvou pro nejbližší roky již není dokázat, že AI umí diagnostikovat melanom, ale zajistit, aby to dělala bezpečně, spravedlivě pro všechny typy pacientů a způsobem, který reálně zefektivní práci lékařů, místo aby ji komplikoval falešnými poplachy. Cesta vpřed nevede k nahrazení lékařů, ale k vytvoření symbiózy, kde algoritmická preciznost podporuje klinický úsudek.

V kontextu rostoucího výskytu melanomu a současného nedostatku dermatologů se umělá inteligence stává nezbytným infrastrukturním prvkem, který pomáhá zachovat udržitelnost celého zdravotního systému. V praxi funguje jako efektivní digitální filtr v rámci primární péče a teledermatologie. Validované systémy dnes vykazují senzitivitu přesahující 90 %, což umožňuje spolehlivou triáž: algoritmus dokáže rychle identifikovat rizikové pacienty, kteří vyžadují okamžitou pozornost experta, zatímco u benigních nálezů snižuje tlak na přeplněné ambulance. Tento model zásadně zvyšuje dostupnost péče v odlehlých regionech a specialistům uvolňuje ruce pro komplikované případy. AI tak už není jen technologickou zajímavostí, ale nástrojem, který vrací odbornou kapacitu tam, kde je jí nejvíce potřeba, a zkracuje kritickou cestu pacienta ke včasné diagnóze.

KLÍČOVÁ SLOVA: melanom – umělá inteligence – dermatoskopie
 
ZDROJ: Górecki, S.; Tatka, A.; Brusey, J. Artificial Intelligence and New Technologies
in Melanoma Diagnosis: A Narrative Review. Cancers, 2025, roč. 17, č. 24, s. 3896.
doi: 10.3390/cancers17243896.

Dostupné z:
https://pubmed.ncbi.nlm.nih.gov/41463145/
[cit. 2026-01-05]