Podcast

Dobrý den, jmenuji se Jirka Vešerek a vítám vás u dalšího dílu podcastu Datatalk. Dnes zde mám dva vzácné hosty, Ninu Formánek-Jaganjacovou a Michala Trse, kteří jsou zakladateli Auris One, a zároveň zastávají pozice CEO a CTO. Dnes se budeme bavit o Auris One.

Auris One je startup – původně projekt, dnes už technologický startup – který se zaměřuje na zdravotnictví a medicínu. Řeší pro praktické lékaře lékařské poznámky a záznamy rozhovorů s pacienty. Podíváme se tedy, jak se staví startup založený na umělé inteligenci ve zdravotnictví, jak to v tomto odvětví vypadá s daty a technologickou připraveností, a jak vlastně vytvářet digitální projekt v takovém prostředí.

Než se pustíme do Auris One, není náhoda, že jste se dali dohromady, a vaše předchozí kariéra napovídá, že Auris One bude pecka. Začneme tedy u vás. Nino, jak ses stala zakladatelkou medtech startupu?

Nina: Děkuji za pozvání. Mě to formovalo už odmala, jsem dítě dvou doktorů, takže mě zdravotnictví táhlo, chtě nechtě. První krok k tomu, že je potřeba něco měnit a upravovat ve fungování systému, jsem udělala už na škole, kde jsem studovala mezinárodní rozvoj. V rámci toho jsem se zaměřila na zdravotnictví, konkrétně reprodukční zdraví, a na to, jaký dopad má nefunkční zdravotnický systém na reprodukční zdraví.

Už tehdy mě začaly zajímat otázky, co by šlo změnit, co by mohly řešit technologie, a co ne. To vše se začalo vyvíjet a posouvat dál. Běžně takové mezinárodní školy posílají studenty na stáže do různých mezinárodních organizací, tedy i mě to dovedlo k různým kratším stáží po světě, vždy kolem zdravotnictví. Významnou zkušeností pro mě byla na Evropské komisi, kde jsem pracovala na zdravotních determinantech.

Tam mě zaujalo, kolik informací vlastně ve světě existuje, kolik z nich je dokonce dobře dohledatelných, a přitom je nikdo neřeší. Často jsem viděla politické kampaně, které využívají zdravotní strašení, přitom data existují, jen je někdo neumí správně číst, nebo je úplně ignoruje.

Když jsem se pak vrátila do Prahy, založila jsem organizaci Sifty, která zdravotní informace podává takovým způsobem, aby jim lidé rozuměli intuitivně a lidsky. Postupně se to vyvinulo do projektu „Příběhy o rakovině“, kde jsme i napsali knížku a spolupracovali s onkologickými odděleními.

Celé Sifty jsem dělala v době, kdy jsem měla tři děti, takže jsem to dělala spíše na koleni. Když mi končil rodičovský dovolená, řekla jsem si, že je čas jít do něčeho většího na plný úvazek, a hodila jsem to na LinkedIn, že jsem připravená dělat něco většího s větší časovou dotací.

Tehdy se mi mimo jiné ozval Ondra Vlček, a to bylo moje první setkání s myšlenkou Auris One.

Jirka: A co tvoje cesta do té chvíle, než se ti ozval Ondra Vlček?

Michal: Moje cesta byla také dlouhá, i když asi ne tak zajímavá jako Niny. Studoval jsem ČVUT a v roce 2006 jsem dokončil orientované jazyky. Na výzvu vyučujícího, abych napsal diplomovou práci, jsem nejdříve odolával, ale pak jsem se rozhodl do toho jít pořádně.

V té době jsem dělal různé věci, nerad utíkám z jedné činnosti, ale pak se všechno začalo skládat dohromady. Nastoupil jsem jako brigádník do VirusLab, kde jsme víceméně ručně analyzovali počítačové hrozby – bylo to v roce 2006. To byla má první zkušenost s podobnou prací.

Před tím jsem uměl psát v Assembleru, ale jen jsem jej četl a učil se, jak funguje, takže to byla pro mě nová zkušenost. V roce 2012 se Ondra Vlček rozhodl, že VirusLab má rozdělit, a dal mi šanci vést svůj první tým.

Neměl jsem žádné manažerské vzdělání, ale dostal jsem moment, kdy jsem si říkal, že když vím, co mám dělat, stále to jsem já, ale když dokážu správně nastavit ostatní, můžeme spolu udělat mnohem víc. A s tímto přístupem jsem do toho šel.

Od té doby jsem každý rok dostával další příležitosti. Pomáhal jsem dotáhnout VirusLab, a později jsem vedl vývoj kolem e-commerce platformy, která distribuovala obsah salesu a marketingu do instalací antivirového softwaru – to byl hlavní příjmový kanál.

Pak jsem pracoval kolem roku 2015–2016, kdy Avast kupoval firmu AVG, a vedl jsem vývoj řešení pro firemní zákazníky, spravované instalace Avastu, aby ajťáci ve firmách mohli antiviry ovládat. Tam jsem strávil dva tři roky.

Dále jsem měl na starosti interní systémy – licensing, billing. Krátce jsem se věnoval BI engineeringu, což bylo skvělé, protože já v datech nebyl expert. Dostával jsem hromady počítačových dat a vyráběl s kolegy detekce, což bylo hodně zajímavé, spojující moje inženýrské srdce s datovým přístupem.

Ke konci působení v Avastu jsem se v roce 2023 rozhodl odejít, bylo tam několik reorganizací. V té době jsem byl CIO pro pražskou pobočku se zhruba 600 lidmi. Bylo to po covidu, tak to bylo těžké motivovat lidi, aby chodili do kanceláře. Já mám přístup, že lidi musí chtít přijít sami, musí to dávat smysl a bavit je to.

Chtěl jsem, aby můj odchod proběhl co nejsnadněji, protože tam mám spoustu přátel a vážím si zakladatelů. Od ledna už jsem nepracoval a opravdu jsem si chtěl odpočinout.

Jirka: Takže zde vidíme spojení s Ondrou Vlčkem. Vykopala jsi LinkedInový příspěvek a Michal poslal zprávu, když skončil v Avastu. Bavili jste se s Ondrou o tom, že byste mohli něco dělat. Ondra je úžasný člověk, který přináší spoustu nápadů, někdy i řešení.

Mluvili jsme o jeho bezpečnostním projektu, který mě jistým způsobem lákal, ale říkal jsem si, že už jsem to dělal 18 let a bylo by skvělé zkusit něco jiného. Když přišel s nápadem a řekl: „Pojď, seznámím tě s někým,“ netušil jsem, že se jedná o Ninu, výjimečnou osobu s množstvím skvělých nápadů a zkušeností.

Chtěl jsem spolupracovat s Ondrou, je to inspirující člověk. Koketovali jsme s myšlenkou něco rozjet, ale když přišel s tím, že to bude ve zdravotnictví a že byste něco vyřešili, hned mi to dalo smysl.

Pro mě byl důvod připojit se k Auris One takový, že někdy kolem roku 2012 začaly jezdit po Praze tramvaje s kampaní Movember. Všichni jsme se ptali, co to je. Nechal jsem se jí inspirovat, bylo to skvělé.

Pak jsme se několik let stali asi nejštědřejší firmou na podporu Movemberu. To jsme dělali podle příkladu našich zakladatelů, kteří jsou sami velmi štědří. Říkali: „Co vyberete, to my zdvojnásobíme.“ Díky tomu jsme za několik let vybrali 6 milionů korun.

Dnes jsem rád, že v Auris One v tomto směru pokračujeme.

Nina: Naše zakladatelství nám dalo takový příklad, že když jedeme, tak jedeme naplno. Takže Movember a ten přístup mi vyhovuje. Líbí se mi, že Auris spojuje technologie a pomoc reálným lidem v jejich fyzickém životě.

Je to pro mě naplňující. Každý den mě baví jít do práce a řešit problémy či výzvy.

Jirka: Přesně, výzvy jsou příležitosti.

Tak pojďme ještě k momentu, kdy proběhlo to „founderské rande naslepo“, domluvené třetím zakladatelem Ondrou Vlčkem. Píšeme rok 2024, že?

Nina: Ano, byl to konec roku, možná září či říjen, kdy jsme se potkali poprvé. Přiznám se, že nejsem technologický člověk, zaměřuji se na zdravotnictví, mám jen krátkou zkušenost se startupy. Žiji také s manželem, který je věčný startupista a podnikatel, takže to mám trochu načichlé.

Neváhala jsem, že mi Ondra přivede někoho technologicky skvělého. Šlo mi hlavně o to, abychom si rozuměli a viděla, že máme stejnou motivaci – já, Ondra a samozřejmě i Michal.

Na začátku jsme řešili, jak moc startupově firmu vést, jak ji pojmout.

Když přišel Michal, který přišel s energií a přátelským přístupem – rovnou mi tykal, objal mě – řekla jsem si, to bude dobré.

Měl dotazy nikoli ohledně struktury firmy nebo maximalizace zisku, ale zaměřoval se na to, komu a jak můžeme pomoci, co lidé potřebují, co chceme, aby firma byla a jaké má mít hodnoty.

Pro mě je zásadní hodnota, kterou jsme si dali dohromady my tři s Ondrou – „impact over profit“, tedy dopad nad zisk. Často si to připomínáme při rozhodování, protože ve světě startupů je tlak najít rychleho jednorožce, dostat články, ale my chceme dělat věci kvalitně a dobře pro lidi – třeba to trvá déle, ale budeme z toho žít kvalitněji.

To nám zatím pomáhá nevzdat se pod tlakem prostředí.

Další specifikum je, že jeden ze zakladatelů je zároveň investor a poradce, takže není plně angažovaný, což nám umožňuje soustředit se a chvíli neřešit investiční kola.

To, co jste mi mohli říci i před natáčením, je, že na začátku nebylo jisté, že to bude typický startup. Mohlo to být spíše CSR projektem nebo nějakou menší aktivitou. Až později došlo ke změně cílové skupiny atd.

Na začátku Ondra chtěl pomoci své ženě, která je paliativní lékařka. Má toho hodně, nejen práci paliativní lékařky v domácí péči, ale i mnoho projektů a nadací. Veškerý její volný čas doma často tráví psaním zpráv. To nechtěl Ondra ani ona ani žádný lékař či jejich rodina.

Ještě vnímám to u našich lékařů, kteří si často po práci opisují nebo sedí déle, než by museli, protože musejí udělat dokumentaci.

Takže na začátku bylo jasné: paliativní péče funguje takto. Ondra v ní má dlouholetý vhled, ví, že mobilní hospice fungují tak, že nejprve přijede lékař a sestra, zkontaktují se s rodinou, aby získali všechny důležité informace o pacientovi.

Nejde jen o zdravotní stav, ale také o sociální možnosti – jestli má pacient lehátko, kdo o něj bude pečovat a podobně. Zpráva, kterou píší, je komplexní a zdaleka to není běžná „lékařská zpráva“ za deset minut praktika.

Tím začalo naše společné úsilí.

Ondra nám dal za úkol vyřešit tento problém.

Dostali jsme tedy jasný zadání: nehledat peníze na nějaký hi-tech projekt, ale vyřešit konkrétní potřebu. Museli jsme se naučit, jak paliativní péče funguje, co všechno je třeba vědět, jaké informace jsou důležité, kdo pacienty navštěvuje a v jakých podmínkách.

Bylo to specifické, a i Ondra zdůrazňoval, že musíme jasně vydefinovat, co chceme a jak to pojmeme.

Pro mě to mělo velký potenciál – můj otec je traumatolog v Motole, četla jsem spoustu papírových zápisů – on sice používá papírový diář, na který nedá dopustit, a jeho sestra je jediná, kdo jeho rukopis přečte. Byla jsem zároveň trochu mladá a snažila jsem se rodit změny.

Viděla jsem podobnou potřebu i jinde a říkala jsem si, že to nemůžeme dělat jen pro ně, musíme myslet dál. Potenciál je obrovský.

Učila jsem se o konkurenci i o tom, co je ve světě, například jak to funguje v Americe.

Ale začali jsme od paliativy.

Jakmile jsme projekt zveřejnili, ozývali se nám další lékaři mimo oblast paliativy, kteří říkali: „My to chceme také!“

Říkali jsme jim, že je to stále zaměřené na zprávy pro paliativu, například o pomůckách, podle nějakých šablon. Přesto si to chtěli vyzkoušet.

Tak jsme řekli: Dobře, pojďme to vyřešit i pro vás.

Jirka: Michale, z tvého pohledu – co byla ta příležitost? Co jsi viděl na straně technologie, že to je řešitelné? Jak jsi na problém nahlížel, jaký jsi měl research a začal jsi vidět vzory? Co pro tebe bylo klíčové?

Z produktového pohledu vyskakovalo? My vlastně ještě nenapsali první čárku kódu, tak jsme říkali: super, AI boom, toho musíme využít. Všechno vypadá řešitelně. Otázka je jenom, jak se dostat na co nejvyšší kvalitu těch jednotlivých dílčích kroků a jak to poskládat.

Vlastně já s Ondrou jsme si na začátku říkali, že to musíme udělat tak, že využijeme všechny ty miliardy, které tečou do AI a investují je Microsoft, Google a další firmy. Chceme se na tom svezst. Nechceme si najít trénovat vlastní modely, to udělají jiní, my chceme jen využít to know-how a peníze, co už do toho natečou.

Já jsem vlastně v Avastu byl ke konci zodpovědný za projekt cloudifikace. Přesouvali jsme veškerý náš on-prem hardware, velká datacentra, právě do Google. Díky tomu jsem se s Google dříve seznámil, takže když jsem pak hledal řešení pro nás, bylo jednoduché se s nimi domluvit a bylo to vlastně hodně snadné.

My jsme trochu byli nespecifičtí, trochu jsme se vymykali tím, že ta první investice byla relativně velká, kterou nám dal Ondra Vlček. Do tabulek jsme nezapadli, jestli jsme přesít síť, kolik máme, a teď to nějak nešlo. Ale díky lidem, kteří tady s tím pomohli, to pak všechno bylo smooth. Prostě napiš tohle, tady jsem tě propletl, je to super, pokud chcete dělat nějaké společné akce, budeme rádi – a už to fungovalo.

Takže na G-sleepku jsi viděl, že tam bude stavět díky té zkušenosti, že to umí?

Přesně, věděl jsem, že to bude fungovat, už jsme to nějak dokázali. Od začátku jsem k němu přijel – čtyři lidi z Avastu vlastně do toho produktově technologického týmu. Já jsem na začátku člověk na NLP, to mám vystudované na Karlovce a opravdu tím žiju. Ne, ne, vždycky to dělal, ale prostě je to něco, čím se zabývá a baví ho to. Měl jsem tam backendistu a „vomeno“ – takový prostě univerzál, který…

…že my přežijeme i s řešením několika problémů.

Tak si myslím o všech.

Jako furt, jasně, chmusejt,

ale od toho, že to kvalitně,

architekturálně rozmyslí, prostě jak to má vypadat, tak to naimplementuje ten víkend,

udělá k tomu monitory a nějaký datový pipeline,

prostě super, jo.

To je sakra člověk.

Podobného, ale já mám mnohem radši frontend,

tak ten za chvíli udělal nějaký prototyp aplikace,

abychom viděli, že to jde.

Co byl vlastně velký problém,

takže v té době nebyly moc multimodální jazykové modely.

A vlastně jediný Google to měl.

Gemini už vlastně ta verze 1.5 už nějak uměla.

My jsme to tedy stavěli tak, že jsme udělali několik vrstev.

Nastudovali jsme, že je technologie, která se jmenuje STT – Speech-to-Text,

která nám z mluveného slova udělá transcript.

A na ten transcript pak zjednodušeně pustíme nějaké prompty

a vypadnou nám podkazy pro tu zprávu.

A přesně tak to fungovalo.

Potom jsme začali řešit kvalitu.

Řekli jsme si, že to už nějak máme, ale potřebujeme, aby ta zpráva nebo podkazy byly co nejkvalitnější.

Tak jsme to začali měřit.

Ještě jinak: když jsme to začali měřit, když jsme říkali, že jsou nové modely – už je dnešní verze 2.0, tak ta subday už je venku.

A nám to najednou přestalo fungovat.

Najednou ty prompty, které byly vyladěné na něco,

už nefungovaly, tak jsme říkali, že tam musí existovat něco, co jsou testy pro AI.

Tak jsme si nastudovali, jak fungoval Evals, a všechno jsme to, v poslední době, stavěli okolo něj.

Díky Evals jsme dokázali zjistit kvalitu,

a měřit každou změnu, každou úpravu.

Vlastně jsme podobný nástroj udělali i pro STT,

kde jsme porovnávali různé verze STT a multimodální modely,

které překvapivě vyšly nejlépe.

Takže s každým dalším updatem máme nástroj, jak to testovat.

Nedávno jsme třeba pomocí tohoto nástroje testovali jednotlivá zařízení nebo mikrofony.

Je to pořád totéž – máme goal dataset,

proti kterému můžeme pustit cokoliv.

No, já teď nechci jít do jednotlivých detailů, protože mám víc poznámek.

To první: expert na NLP,

to je obecně potřeba,

protože NLP bylo ta magie v tom celém.

Mám pocit, že právě modely a multimodální

a vlastně ta vlna AI,

tedy za mě NLP a přirozený jazyk

zaznamenala největší randál,

protože najednou máš nové modely out-of-the-box,

které to umí určitým způsobem.

To je výborná otázka.

Myslím, že mít člověka,

který do toho interně vidí,

je neskutečně moc pomáhá.

Jinak je to takové, jakoby jsi měl zvířátko,

černou krabičku, která se učí, jak na to mluvit,

co s tím dělat, co z toho padá.

A ten člověk ví, jak to zatím funguje,

jak tam funguje ta matematika.

Takže je to obrovská přidaná hodnota.

Protože takových lidí moc není.

Proto je dobré mít vlastní IP v NLP,

že tuto černou krabičku nemusíte stavět sami.

To je jedna z těch věcí,

kde využíváte investice těch velkých společností.

Přesně tak.

Co my se snažíme dělat,

co ještě nezaznělo,

je to, že v žádném případě nechceme nahradit lékaře.

Chceme být jejich pravá ruka,

pomocník, aby nemuseli řešit administrativu.

Prostě vedeme takový rozhovor,

jako my si teď pěkně povídáme.

Takto si povídá doktor se svým pacientem

a ono se z toho nějak stane zápis.

Ale musí to být hlavně přesné,

nesmí si to vůbec vymýšlet.

My jsme v úvozovkách zakázali dělat jakékoliv závěry, hodnocení či dedukce.

Z velkých jazykových modelů používáme jen strukturu jazyka,

transformery.

Potřebujeme převést hovorový jazyk do lékařského,

buď česky nebo latinsky v některých případech.

Správně identifikovat léky,

to je další věc, kterou řešíme.

Ale žádné dohady o příčinách bolesti nebo diagnózách.

Jde o…

Technický předpis, jasně, a to je ta doména.

Moje otázka je ještě, jak je to teď řešené.

Jak to lékaři řeší?

Protože nemusíš být dítě lékařů, aby viděl, jak je administrativa a digitalizace ve zdravotnictví dost špatná.

Tak nám, Nino, nebo ty, myšáku, povězte něco o tom landscapeu, jak to vlastně vypadá.

V praxi mají lékaři čím dál větší zátěž v tom, co musí psát.

Dokumentace být musí.

A přesně jak jsi říkal, že to není digitalizované,

tak si většinou sedí a všechno píší ručně.

Mnoho z nich má vlastní šablony,

které si po večerech napsali sami na nejčastější situace nebo pacienty.

Ty mají někde vyplněné, kopírují to a přepisují.

To je jejich největší zkratka.

Potom jsou různé nástroje, kde lze přímo diktovat a dostat doslovný přepis.

Některé systémy to mají integrované, jiné ne,

tak si to pak někde nadiktují, aby to nemuseli psát.

To platí zejména v nemocnicích,

kde například popisují rentgeny a podobně.

Dnes už existuje spousta firem, co to zjednodušuje.

Dřív to byla jednoduchá diktování nebo lidský scribe,

což může být třeba někdo jako sestřička nebo mladý medik, který píše za hlavního lékaře.

V Anglii je to běžné, že mladí lékaři píší za starší,

aby se naučili psát správně, protože musí dodržovat požadavky na dokumentaci

a zároveň kodování, které ve zdravotnictví platí.

Protože se to trochu liší i mezi odděleními nebo zařízeními.

Je to všechno samozřejmě nakódované správně.

Jsou věci, které my nevyřešíme,

pokud se tam kóduje v nějakém speciálním systému pro pojišťovnu – to ano.

Ale psaní při vyšetření, kdy lékař sedí u pacienta a baví se s ním,

a pacient něco řekne,

tam už nám přišlo zbytečné, aby všechno psal ručně.

Všichni hledají zkratky,

protože je toho prostě moc,

aby to po každém celý psali.

Viděli jsme stovky šablon v Wordu,

které si lékaři vytvářeli za roky praxe.

To je největší zkratka, kterou mají.

Nízká úroveň digitalizace se často přikládá legislativě,

protože je to velmi sledovaný obor,

a který obor by měl být víc sledovaný než zdraví lidí.

To je pochopitelné.

Na druhou stranu, když v tom děláte,

může nějaký praktik od nuly používat Auris One?

Nebo jaká je cesta?

Jak to vypadá v landscape?

Když dnes vymyslím startup, zítra jej může praktik používat,

nebo je to tak svázané, že ne?

Z našich zkušeností jsme měli produkt dříve, než jsme vyřešili smlouvy.

Byla to dlouhá cesta,

protože pacient vlastní svá data, přijde do zařízení,

a lékař, který by chtěl používat Auris, musí mít smlouvu s tím zařízením,

protože pacient nechodí za lékařem, ale do zařízení.

A zda tam sedíš ty jako lékař, nebo myšák – to je jedno.

Lékař si to může vyzkoušet, ale nesmí to s pacientem používat.

To jsou věci, které se snažíme urychlit, zautomatizovat, domluvit se s kým a jak.

Je to velmi složité.

A je to zbytečně složité, když se všichni snažíme digitalizovat.

Všichni o tom vědí.

My neděláme něco, kde lidi musíme přesvědčovat, že to je dobré.

Všichni vědí, že je potřeba něco takového.

Ať už jde o zkrácení čekání v čekárně, všichni to znají z nějaké strany.

Jo, to naprosto chápu.

Ale to je něco, co nás brzdí.

V menších ordinacích je rozhodování jednodušší,

protože tam jsou 2–3 lidé,

ale zároveň vlastník to taky čte.

Přijde mi, že se rychleji domluvím s nemocnicí,

kde jsou proaktivní.

Některá zařízení to mají jako konkurenční výhodu oproti jiným zaměstnavatelům,

že chtějí lékařům dávat dobré nástroje.

Ale vzhledem k tomu, jak náročný je proces,

nemůžeme se hýbat tak rychle, jak bychom chtěli,

protože smlouvy procházejí právníky, GDPR, někdo něco chce,

žádají, abychom byli zdravotnické zařízení.

Což my nemůžeme být, ani z toho, jak jsme postavení.

Máme už razítko od ČUKRu,

říkali jsme, že budeme cokoliv, jen ať to můžeme dát lidem.

Ale nejsme zdravotnické zařízení, a proto máme i razítko, že takové být nemůžeme.

To je pro nás snadnější cesta.

Musím říct, že náročnost se tam dostat je velká

a náročnost používání ovlivňuje celý proces.

Nemůžeme udělat rychlý onboarding přes tři kliknutí na webu,

musí to schválit někdo jinde.

Ale teď s novou vládou, která nastoupila,

když jsem se koukala na poradce u ministerstva,

základní tým, který tam býval, byl super.

Byli otevření digitalizaci,

a noví poradci jsou také velmi aktivní.

Doufám, že se to zlepší a zjednoduší,

protože všichni chtějí změnu.

Mám trochu zkušenosti z jiných medtech startupů,

ta urgence celého systému je obrovská.

Všeobecná společenská situace je taková,

že sestřičky odcházejí do Německa,

a je dobře, že máme ukrajinské sestřičky a doktory.

V praxi, když narazím na situaci jako v Mělníku,

když je pět let bez nájmu a plat 20 tisíc pro praktika,

situace je tragická.

Průměrný věk praktického lékaře v Česku je přes 55 let.

Lékaři i sestřičky stárnou,

a stárne celá populace.

Nedávno jsem četla, že letos vystudovalo víc mediků než v posledních letech,

takže je mírná naděje.

Ale mnoho sestřiček půjde do důchodu a bude obrovský nedostatek.

Mám pocit, že COVID pomohl,

že šlo dělat věci online,

telefonické konzultace se rozšířily,

a pojišťovny se trochu otevřely k vzdáleným službám.

Takže i v posledních letech vzniklo víc startupů

a více peněz od investorů plyne do healthtechu.

Věřím, že legislativně to trvá déle než interně,

protože vyžaduje fázi nebo proces.

Ale věřím, že to půjde.

Já jsem tak trochu optimista.

Když vidím, kdo je teď ve vedení a dělá rozhodnutí,

jsou to lidé, kteří chtějí změnu,

chtějí to usnadnit,

chtějí dát mladým lékařům nástroje,

aby jim usnadnili vstup od otevření ordinace.

To jsou skvělí lidé, kteří dělají skvělé věci

a věřím, že nám to všem pomůže.

Ještě prosím, proč jste chtěli být odlišní od zdravotnického zařízení?

Jaký je tam rozdíl?

Zdravotnické zařízení může například pojištění platit.

Ano, ale některá nemocnice nebo zařízení mají interní pravidla,

že pokud nejste zdravotnické zařízení, nesmí to nabízet.

Některé nemocniční informační systémy mají pravidla,

že nemohou integrovat software, který není certifikovaný zdravotnický prostředek.

Existují úrovně certifikací,

a my nespadáme do žádné.

Super.

Museli jste řešit GDPR a zdravotnická data

protože jde o intimní data?

Už jste měnili právníky a ti sehráli v tom klíčovou roli?

My jsme hledali tým, nechtěli jsme interní právníky,

ale zkušený tým,

který zvládne problematiku AI a zdravotnictví.

Takže jsme právě…

Den, Čecha, a ty nás tady tím vlastně cenem provedli, což bylo úžasné. Zmiňovala, že jsme měli dříve produkt než pak smlouvy, ale byl to tak nějak proces, který společně vznikal. Říkala, že nás se ptali, jak to chceme, jak to chceme podávat. Nevěděli jsme to, tak jsme se chtěli poradit. A Pěrák pomohl navrhnout, my to dále revidovali. Pro mě bylo tady osobně největší učení to, že já nejsem políbený právně, zdrojově taky moc ne, a teď jsem to musel dát nějak dohromady.

Co bys poslal zpátky v čase? Jaké byly aha momenty ohledně práva a medicíny jako uživatel? Myslím, že jsme začali včas. Rozhodně začít včas, nestačí postavit technologii bez vědomí toho, jak funguje právní systém. To je důležité, chceme to dělat správně, nechceme věci obcházet. Ti lidé jsou tam potřeba, aby proces provedli, pokud sám danou znalost nemáš. Dal bych jim lepší zadání. To jo, za nás, protože se s tím taky docela prali. Nevěděli přesně, jak to budeme používat, prodávat a jak to bude vypadat. Měli jsme hodně široké a dlouhé smlouvy, které měly ochránit a zabezpečit všechny potenciální vztahy mezi námi, zařízeními a pacienty.

Co jsme věděli, bylo, že data nechceme držet, nechceme je mít u sebe, nechceme mít nic, co nepotřebujeme. Chceme, aby to rychle zapsali, aby si data každý dali tam, kam potřebují, do svých systémů, kde je musí mít. My ideálně ne. Myslím si, že kdybychom jim to uměli líp zadat na začátku, ušetřili bychom spoustu peněz a času.

Co znamená průtokáč? Chápu to asi jako CCTV kamery, tedy dělat maximum na API, co nejméně držet osobní data. Je to vůbec možné? Co to znamená tak udělat? Rád bych se na to podíval z technické i právní stránky. Moje představa byla, že data prolezou, uděláme z rozhovoru transkript, případně přidáme poznámky, diktujeme, nahráváme fotky, a vždy dostaneme mezivýstup, ze kterého vybereme fakta, která známkováním označíme, a vznikne podklad pro lékařskou zprávu. Tu lékař autorizuje, potvrdí, že je přesná, a pak ji vloží do svého ambulantního nebo nemocničního informačního systému evidujícího lékařské zprávy. Už tam jsou jméno, rodné číslo pacienta a veškeré náležitosti. My s žádným jménem a rodným číslem nepracujeme. Ideálně by zpráva v našem systému po nahrání zmizela, prostě by se smazala.

Z právního hlediska nám právníci poradili, že data bychom měli chvíli držet, abychom se na ně mohli zpětně podívat, například kdyby nás někdo zažaloval kvůli údajnému problému. Data musíme někde uchovávat. Snažíme se vše anonymizovat co nejrychleji, ale například nahrávky držíme. Ty jsou segmentované na malé kousky, ne celá nahrávka rozhovoru, aby v případě potřeby mohly být rekonstruovány. Snažíme se držet data na minimum, ale právo nás zavazuje nastavovat retenci například na rok, s možností ji snížit na nulu. Je to dvousečné – učíme se z toho.

Učení je další otázka – učící data jsou nejcennější. Řešíme to různě, je to svatý grál. Nyní přichází GDPR omnibus, který definuje, co jsou osobní data, a umožňuje mnohem jednodušší anonymizaci. Od té doby jsou data anonymní a můžeme s nimi dělat, co chceme, protože už nejsou osobním údajem. Na to spoléháme a tvoříme první prototypy bez anonymizačního pipeline.

Máme teď dva typy smluv a jsme s nimi naprosto transparentní. Máme partnery – nemocnice či lékaře – kteří podepsali testovací smlouvy. Bohužel s každým pacientem musí podepsat souhlas, že jim data dává. Překvapivě máme nazbíraný opravdu velké množství papírů. Musí to být papír? Nemusí, ale musí to být nějak zaznamenané. Nyní to je papírově, mohlo by to být i v aplikaci, ale pacient musí mít právo souhlas odvolat. Bylo jednodušší udělat to na papíře, protože náš use case byl takový, že paní lékařka přijíždí do rodiny, kde někdo vážně či snadno umírá, a podepsat souhlas na tabletu či něco pro nás přišlo jako nesmysl. Bavili jsme se o tom s nimi, říkali, že oni stejně podepisují sedm papírů o postupech – oživovat, ne oživovat a podobně, takže jeden další jako GDPR nic nevadí. Proto jsme šli touto cestou.

Tyto testovací smlouvy jsou režim, ve kterém sami fungujeme. Spolupracujeme s pěti lékaři, kteří fungují stejným způsobem. Když je poptávka po lékařské zprávě, máme doktory interně, píšeme pravidla, jak má zpráva vypadat a evaluujeme ji. Vytváříme testovací dataset a testujeme interně. Když jsme spokojení, dáváme výstupy prvním uživatelům, kterým říkáme Orys One Pioneers, kteří to testují a dávají zpětnou vazbu.

V aplikaci máme dvě možnosti zpětné vazby: anonymní hodnocení zprávy s poznámkami a strukturovanou zpětnou vazbu, kdy lze měnit konkrétní sekce zprávy. Nejdůležitější je na naší straně udělat triáž feedbacků, vytvořit produktovou mapu, stanovit validní a nevalidní, závažnost. Triáž je v produktovém vývoji klíčová, protože bez ní se neposuneme. V týmu sedí i lékař a technický člověk, faciltátor.

Laicky řečeno, pokud jsou nějaké změny, například u prunhlat, je to důležité, ale kosmetické preference lékařky se nepromítnou. Pro nás je klíčové pochopit, jak změny ovlivní výslednou zprávu. Zní to jako triáž požadavků, ale je to nezbytné pro rozvoj produktu.

Souhlasím s tím. To, že jste velmi blízko klientovi a díváte se mu pod ruce, je výhoda. Líbilo se mi, jak jsi začínala, že Ondra přišel a chtěl vyřešit problém. Častou chybou startupů je, že jsou zamilovaní do produktu a nemají produkt market fit – neřeší problém, nikdo nechce zaplatit. Být zamilovaný do problému a hledat nějaké řešení i když třeba není škálovatelné, je správná cesta. To oceňuji.

Na legislativní straně máte bulletproof smlouvy a dva módy spolupráce s zařízeními a lékaři. Jeden režim, kdy máte smlouvu s pacientem a můžete jeho data využívat, a druhý, anonymizovaný, kde data patří pacientovi, spravuje je on a vy jste správce bez práva nahlížet. Data jsou uložena bezpečně na backendu a přístup je zakázán.

Kolik lidí nyní používá AORIS-1 a v jaké jste fázi jako startup? Nyní nás je třináct, z toho tři lékaři a dva medici – jeden programující medicín, druhá medička končí a brzy bude lékařkou. Oba jsou velmi zapojení do všech částí startupu. Pro ně je to skvělé, že jsou zvyklí na medicínu, ale zároveň pracují na něčem novém. Máme tři lékaře z různých oborů, vývojový tým čítá pět lidí. Pak já na marketingu a chybí nám sales.

Z pohledu marketingu máme přehlednější poznámky. Začali jsme v paliativní péči, kde jsou příjmové zprávy a sesterské zápisy, které jsou trochu jiné. Museli jsme se naučit dělat různé výstupy. Máme hospice, sestřičky, lékaře, v kombinaci podle toho, jak jsou otevření technologiím. Toto je k tématu změny návyků lékařů. V létě jsme začali přetvářet aplikaci směrem k obecnějším poznámkám, ambulantním zprávám a návštěvám. Tyto mají jasně specifikované části zápisu, které jsou napříč stejné.

Začali jsme diskutovat s praktiky a nemocnicemi. Máme přes 200 aktivních uživatelů a několik nemocnic, například nemocnici Havířov, která byla první, která nám otevřela dveře. Pan ředitel Šilónky je velkým podporovatelem a nemocnice nám pomáhá dál. Ohlasy máme také od dalších nemocnic. Zaměřili jsme se nejdříve na praktiky, ale nyní máme několik podepsaných i předpodepsaných nemocnic. Havířov je příklad inovací, který nás inspiroval i z pohledu Trnkové.

Moravskoslezský kraj je regionem, kde inovace ve zdravotnictví opravdu běží. Pokud chcete inovace, stěhujte se tam – to je zkušenost. Moravskoslezský kraj a hlavně Havířov jsou velmi vstřícní a plní inovací. V Ostravě už byla první MHD s platbou kartou, i exoskelety se tam vyvíjely. Mnohé zdravotnické inovace odtud vycházejí.

Já jsem z Ostravy a mám k tomu vztah, víc než Pražáci, kteří možná Havířov moc neznají. Pro Ostraváky je Havířov něco jako Kolín pro Pražáky. Ale Ostrava taky jede.

Je to můj oblíbený díl. Havířov byl první pro nás. V Ostravě byla první MHD s platbou kartou. Je tam hodně zdravotnických inovací.

Mluvili jsme také s lidmi z různých nemocnic, kteří žijí soužitím s doktorským světem. Pan ředitel Zavížova na konferenci řekl, jestli nechceme přijít se podívat. Měli jsme pět slidů a on řekl, že CEO od EHR systému tam sedí a chce spolupráci. Tak jsem večer šla popovídat se Zbytkem. Díky tomu se nám ozývají i pražské nemocnice, že jim to hodně pomohlo. Z toho mám velkou radost a zdravím Havířov.

Takže jste udělali pivot z velmi specifického paliativního řešení na obecnější aplikaci pro praktiky s více než 200 uživateli a vás je přes 10. Jak to tedy vypadá na stacku? Máte front-end, back-end na GCP? Vezmu to z boku.

Udělali jsme několik rozhodnutí na začátku, která jsme zatím neměnili. Celý stack je napsán v JavaScriptu. Uvažovali jsme o Pythonu na backend a JavaScriptu na front-end, ale kluk s front-endovými zkušenostmi říkal, že když píše všechno v jednom, jde mu to rychleji. Navíc čím více logiky na front-endu, tím API endpointy jen doručují data bez nutnosti dalších výpočtů – ekosystém je opravdu velký.

Na front-endu máme React. Díky zvuku používáme WebAssembly pro binárku – včetně voice activity detection – což se ukázalo jako klíčová věc pro fungování celého systému. Zjistili jsme, že multimodální modely…

[text končí zde]

Když pošlete ticho nebo větší množství ticha, tak se všechno zhorší, protože systém vám v tom šumu řekne cokoli. Ukázalo se to právě při měření kvality toho, jak jsme schopni převádět hlas nebo zvuk na přepis, tedy na text, že je to klíčové.

Aha, to je skvělý postřeh, že ve chvíli, kdy z inputu odstraníte nějakou část ticha nebo ticho samotné, tak vlastně dostanete lepší výstup.

Přesně tak. To drasticky zvýší kvalitu a navíc řeší fakt, že ten stream, který si posíláme, má velmi kvalitní hlavičky a bude se s ním jednodušeji pracovat.

Takže se ukázalo, když jsme měřili kvalitu toho, jak velké ty části, ty zvukové záznamy, musí být, že nejkvalitnější je to kolem jedné minuty nebo 30 sekund až 50 vteřin. Takže pokud spolu mluvíme, po každé pauze se odešle jeden takový chunk a my je tam nějak spojujeme na frontendu a cachujeme.

Máme jen webovou aplikaci, která byla takto koncipována. To nechci měnit a zatím jsem nechtěl ani do telefonů. Pořád tam možnost je, ale říkal jsem si, že jsme malý tým, chci se soustředit na jednu kódovou bázi a nechci to rozdrobit. Jasně, že to asi časem bude potřeba, ale některé věci by nám aplikace vyřešily.

Třeba jsme bojovali s tím, že když běží nahrávání, potřebujeme, aby se nám aplikace neuspala. Jak to zařídit? Nechat zapnutý displej, což ovšem zase vybíjí telefon. Hodně ordinací používá notebook nebo počítač, tam to není problém, ale to bylo něco specifického, co jsme potřebovali vyřešit.

Ano, tedy transportujeme audio v nějakých minutových chuncích?

Přesně tak. Máme asynchronní pipeline, tedy proces, kde voláme API. Teď například voláme Gemini, který nám z toho sype už ty jednoduché přepisy. Ty pak testujeme, jestli mají potřebnou kvalitu.

A znovu, když tady zastavím, tak používáte tedy ten multimodální Gemini, který rovnou dělá?

Zkoušeli jsme Google i jiné modely, ale Google měl model Chirp, což je zvukový model, který umí podobné věci jako Vysper.

A prostě jsme je testovali několik. A náš úzký profil je medicínské prostředí a čeština. Pak nás napadlo zkusit multimodální model od Gemini. Google byl jediný, kdo to uměl. Nevím, jaká je situace nyní.

Překvapilo nás, že z toho padly lepší výsledky než z čistě zvukových modelů. Ještě jsme dostali možnost otestovat model od Newton Technology, což je úžasná firma, ale přiznám se, že jsme to ještě nestihli pořádně otestovat. Vypadalo to ale velmi slibně.

Řekněme, že když jsme koukali na budoucnost, jak to dělat, tak jsme potřebovali posun z češtiny ještě dál. Některé jiné firmy to umí, ale my už jsme měli od Google slušný výsledky, které fungují dobře, takže zatím u toho zůstáváme.

A proč to nefungovalo out of the box, ale musela tam být další práce? Je to doména čeština, nebo něco jiného?

Je to trochu obojí. Není to ještě stoprocentní. V angličtině je to vlastně jednodušší. Občas se tam objeví chyba nebo špatný tvar, protože se to překládá mezi latinou a angličtinou, a tam může být například tvrdý nebo měkký přízvuk.

Je to málo, ale když se to objeví, tak se na to díváme. Říkáme si: aha, v angličtině je to s tvrdým a v češtině je to jinak. Takže systém si s jazykem zatím trochu ještě „hraje“.

Pro mě je ale úplně zásadní, když se podívám, jak to používají lékaři: Já jsem z Bosny, k našim chodí hodně cizinců, ať už ze zemí bývalé Jugoslávie, Ukrajinci, Rusové, všichni mají slovanské jazyky, takže se tam rukama nohama domluví.

Moje maminka nemá takovou gramatiku jako já, která jsem tady chodila do školy, takže je pro ně velký přínos, že jim vlastně jedno, v jakém jazyce mluví. Stále s někým mluví anglicky, a výstup je zapsán v češtině, takže nemusí přemýšlet ve víc jazycích.

Myslím si, že to pak značně snižuje kognitivní zátěž pro lékaře. Pro mě je skvělé, že je to vícejazyčné. To byla jen taková odbočka, pardon.

V pořádku, já bych se vrátil k back-endu, protože frontend jsme myslím popsali.

Posíláme tedy asynchronně a zpracováváme, ukládáme jednotlivé zvukové „chunky“ na Google Storage a zbytek dat ukládáme do databáze, používáme Google Cloud SQL, což je jednoduché.

Potřebujeme nějakou analytiku, abychom věděli, jak to funguje, kolik je tam tokenů, slov a dalších statistik. Ty posíláme do BigQuery, kde je agregujeme.

Většinu věcí pak vizualizujeme v Grafaně, kterou jsme používali z Avostu a líbí se nám.

Celou extrakci a vkládání dat pro zprávu dělají modely Gemini, máme to zabezpečené přes Vertex AI, což je od Google Enterprise řešení.

Zpočátku jsme si to skládali sami, ale minulý týden jsme vydali novou verzi, kde používáme Mistra AI, tedy framework na orchestraci AI nástrojů. Funguje to a ušetřilo nám to spoustu práce.

Dřív jsme si museli mnoho věcí psát sami.

Mluvil jsi o změně modelů a jejich prompt knihovně, verzování, jako Git pro prompty. To je jedna věc.

Druhá je sizing těch jobů, tedy úkolů a automatizací, kde se to špatně určuje.

Na začátku bylo nejlepší dělat co nejmenší, jednodušší joby jako microservices za sebou.

Teď, jak se modely zlepšily, mají delší kontext a jsou spíš jako agenti se svým popisem práce, mohou udělat několik kroků sebevědomě a efektivněji s méně chybami.

Jaký máte k tomu přístup vy?

Začali jsme tak, že celý proces udělají modely najednou na jeden průchod, protože u palaty (paliativní péče) to nevadí – když rozhovor trvá dvě hodiny, minutu čekat na zprávu je v pořádku.

Ale u praktika na pětiminutové návštěvě je čekání minutu na zprávu nepřijatelné.

Jak říkáš, všechno se zrychluje, je to levnější, tak jdeme teď směrem agentů.

Máme třeba agenta, který validuje léčiva. Detekujeme, kde to vypadá jako léčivo, porovnáváme s databází, sledujeme změny v názvu či balení.

Funguje to rychle a zvládneme vyhotovit zprávu během několika vteřin.

Kde vlastně šetříme čas, je v tom, že v reálném čase překládáme mluvené slovo na přepis.

Zlepšujete tedy kvalitu vstupu a dbáte na kvalitu dat, se kterými pracujete během automatizací a čištění?

Ano, shift in, shift out. Chceme filtraci, opravu, pokud jsou rozbité dostupné data, například pomalý název léku opravíme co nejdřív, aby dál už bylo vše správné.

A celý to pak…

Druhá otázka, pokud si ji dobře pamatuji, zněla, zda databáze evaluačních testů, promptů a dalších jsou interní nebo externí?

Rozhodovali jsme se. Před rokem jsme zkoušeli nástroj od Erajzu, byl zajímavý, ale nesplnil naše potřeby. Neměli jsme framework na orchestraci LLM promptů a vše bylo v aplikaci.

Teď jsme si to napsali sami s UI a databází promptů používáme Nofnu.

To možná zní kuriózně, ale integrace byla jednoduchá.

Chtěli jsme otevřít prompty lékařům, aby si mohli prohlédnout, co tam je a validovat je.

S Nofnou, která je naší interní knowledge base, to dovedeme.

Specializované nástroje bývají hodně technické.

Verzujeme prompty také v Gitu.

Jak jste stavěli evaly, když to není jednoznačné? Máte human in the loop, experty, kteří hodnotí kvalitu a rozhodují.

Například pokud třicet procent kolegů nesouhlasí, může být problém.

Jak jste s tím pracovali?

Technicky jsme si vytvořili nástroj, kterému říkáme Eval Sváto, tedy vlastní technologie.

Celý systém vstupuje nad dataset, kde máme přepisy jednotlivých chunků a k nim správné zprávy. Validace vznikla s několika lékaři.

Vytvořili jsme čistý validační soubor.

Evaluátor bere výsledky aplikace, porovnává je a vyhodnocuje jako splněné či nesplněné.

Může to být cokoliv, například matice.

Pak vyhodí číslo, které umožňuje porovnat, jestli je něco lepší nebo horší.

S každým novým feedbackem testujeme stávající evaly a hledáme problémy.

Zda je chyba ve vstupu, nebo zda chybí konkrétní fakt v rámci zprávy, který nebyl uveden.

Máme možnost přiřazovat evaly, zvyšovat jejich prioritu či přidávat nové.

Na triáži, jak už zmínila Nina, sedí vždy někdo s lékařským vzděláním a někdo s technickým.

Snažíme se to optimalizovat.

Ideálně nechceme, aby lidé viděli vše, protože je to drahé a náročné, ale kvalitní data chceme zlepšovat co nejrychleji.

Jsou ale věci, které bez lékaře nelze vyřešit, například zda je určitá zkratka správná.

Co se evaluací týče, těší mě, že jste to postavili dobře, protože vidím, že trendem je uzavřít feedback loop: automatizovat učení a posouvání se, tím se produkt rychleji vyvíjí.

Proto nelze vzít GPT a dát ho doktorce do prohlížeče a jen říct: „Diktujte, jsi lékař a děláš lékařskou zprávu“, protože know-how jde do interního datasetu a IP.

Mimochodem doporučuji, škoda, že tu není Šimon Podhajský, který zakládá meetupy o evaluacích a jejich přístupu.

Zdravíme Šimona.

Mně se líbí, jak k tomu přistupujete, a fandím vaší misi i zakladatelskému týmu.

Co plánujete na rok 2026? Rok 2025 byl plný startupového nasazení, s trochou pivotu z paliativní péče do širší medicíny.

Ještě jste v rané fázi hledání product market fit.

Když budeme koukat na příští rok, co plánujete?

Rok 2025 byl pro nás spíš učící.

Teď už máme pocit, že budeme růst různými směry.

Potřebujeme k tomu i kapitál, takže projdeme investičním kolem.

Popravdě mé přání je, že někdo z nás přijde k lékaři, který řekne: „S vaším svolením zapnu nahrávání,“ a já se na ten moment hrozně těším.

Pro mě, u mamky, kam všichni chodíme, by to bylo skvělé.

Mám pocit, že letos nastane velký rychlý skok do různých míst, protože zájem je.

Jsme připraveni, naučili jsme se rychle vyhovět potřebám různých lékařů ze specializací.

Kluci, omlouvám se, ale rok ohnivého koně – znám to a bude to velmi dobrý rok.

Těším se.

Rok ohnivého koně, jaký bude tvůj, Michale?

Asi taky rok ohnivého koně, ale já to vezmu technicky.

Vidím to v integracích s ambulantními nebo nemocničními systémy.

Chceme zbavit lékaře i zdravotní pracovníky administrativy.

Dosud jsme to znovu museli zadávat, což může nést IP otázky nebo frustrace.

Rád bych to vyřešil.

Zároveň chci jasně říct, že nestavíme konkurenci informačním systémům, ale chceme řešit vznik podkladů pro lékařskou zprávu.

Ideálně pro všechny lékaře, s expanzí mimo Českou republiku.

To je naše zaměření, nechceme vyvíjet další informační systémy.

To se mi líbí, že na malém trhu health techu nebo med techu je více vlastníků, kterým fandím.

Líbí se mi, že jste jiní, specializovaní na jeden úkol, komplementární k ostatním.

Držím palce, děkuji moc, že jste se tady zastavili a pověděli, jak by zdravotnictví mohlo vypadat za pár let.

Posluchačům doporučujeme doporučit Auris One svým praktickým lékařům, aby měli více času na pacienty.

Děkujeme.

Děkujeme, že jste doposlouchali až sem a díky také našim stálým partnerům a členům datatalk klubu.

Těmi jsou: Saska, TV Nova, Direct Technologies, Good Data, Myton, Colors of Data, Bystreet, Flow, Carl Data Company a Intex.

Děkujeme za podporu a nechť vás provází data.