Nástroje umělé inteligence, které skutečně pomáhají se systematickými recenzemi literatury

Systematická revize publikovaná v BMJ Open v loňském roce trvala 14 měsíců od registrace protokolu po předložení. Tým pěti výzkumníků strávil na projektu dohromady přes 800 hodin. Zhruba 60 % tohoto času připadlo na prověřování, extrakci dat a hodnocení kvality – nikoli na analýzu, nikoli na psaní, ani na intelektuální práci, která ospravedlňuje existenci systematické revize.

Chtěli jsme vědět, které nástroje umělé inteligence pro systematickou kontrolu skutečně snižují tuto časovou zátěž. Ne teoreticky. Ne v ukázce dodavatele. V praxi na skutečných revizních protokolech se skutečnými kritérii zařazení a skutečnými dokumenty.

Provedli jsme tedy tři paralelní testy. Stejné výsledky vyhledávání na 1200 papírech. Stejná kritéria pro zařazení. Jeden tým použil tradiční metody. Jeden používal nástroje pro screening AI. Jeden použil smíšený přístup – umělá inteligence pro počáteční screening, ověření na lidech pro hraniční případy. Výsledky nás překvapily.

Problém doby systematické kontroly

Systematické kontroly se z dobrého důvodu řídí přísnou metodikou. Strukturovaný přístup – předem definovaná vyhledávací strategie, explicitní kritéria pro zařazení, duální screening, standardizovaná extrakce dat – je odlišuje od narativních recenzí a dává jejich závěrům autoritu.

Ale tato přísnost přichází s brutální časovou cenou.

Typický systematický přehled ve zdravotnických vědách obsahuje 2 000–5 000 titulů a abstraktů. Každé rozhodnutí o screeningu trvá 30–60 sekund. To je 17–83 hodin samotného promítání – obvykle prováděné nezávisle dvěma recenzenty, takže dvojnásobek. Poté následuje fulltextová recenze 100–300 příspěvků. Poté extrakce dat z 30–80, které to prošlo. Poté hodnocení kvality každé zahrnuté studie.

Celé potrubí trvá 6–18 měsíců. To není udržitelné, zejména pro výzkumné pracovníky, kteří potřebují publikovat systematické přehledy, aby mohli pokročit ve své kariéře, ale mají také učitelské, supervizní a další výzkumné závazky.

AI nenahradí metodiku. Ale může komprimovat konkrétní fáze.

Nástroje umělé inteligence pro screening a výběr

Screening je časově nejnáročnější fází a ve které nástroje AI dosáhly největšího pokroku.

Jak funguje screening umělé inteligence. Vycvičíte si nástroj na svých kritériích pro zařazení a na malém souboru již prověřených dokumentů – možná 50–100, které jste ručně klasifikovali jako „zahrnout“ nebo „vyloučit“. Umělá inteligence se naučí vzor a aplikuje jej na zbývající papíry a seřadí je podle pravděpodobnosti zahrnutí.

V našem testu tým podporovaný umělou inteligencí promítl 1200 titulů a abstraktů za 4 hodiny. Tradiční tým trval 26 hodin. Smíšenému týmu – první průchod AI, lidské ověření hraničních případů – trvalo 9 hodin.

Kritickou otázkou byla přesnost. Přístup pouze AI měl citlivost 94 % – což znamená, že správně identifikoval 94 % dokumentů, které měly být zahrnuty. Chybělo 6 %. Z hlediska systematického přehledu je těch 6% chybovosti znepokojivých. Systematický přehled, který postrádá relevantní studie, podkopává svůj vlastní účel.

Smíšený přístup tyto chyby zachytil. AI označila dokumenty jako „pravděpodobně zahrnují“, „pravděpodobně vylučují“ nebo „nejisté“. Lidé kontrolovali „nejistou“ hromadu ručně. Kombinovaná citlivost: 99 %. Kombinovaný čas: 9 hodin versus 26. To je přístup, který doporučujeme.

Na co se zaměřit ve screeningovém nástroji. Nástroj musí akceptovat vaše konkrétní kritéria pro zařazení a vyloučení – nejen klíčová slova, ale i koncepční kritéria jako „studie zahrnující dospělou populaci“ nebo „návrh randomizované kontrolované studie“. Měl by poskytovat skóre spolehlivosti pro každé rozhodnutí a umožnit vám nastavit práh pro kategorii „nejisté“. Nižší práh znamená, že k lidské kontrole půjde více dokumentů, ale méně jich bude vynecháno.

AI sumarizace pro extrakci dat

Extrakce dat je místo, kde jsme zjistili, že nástroje umělé inteligence pro systematickou kontrolu skutečně svítí – a kde jsou nedostatečně využívány.

Tradiční extrakce dat znamená čtení každého obsaženého papíru a ruční zadávání informací do tabulkového procesoru: velikost vzorku, charakteristiky populace, podrobnosti o intervencích, měření výsledků, klíčová zjištění, indikátory rizika zkreslení. Pro 50 zahrnutých papírů to trvá 50–100 hodin.

Testovali jsme extrakci dat za pomoci AI pomocí AI sumarizátoru nakonfigurovaného pro strukturovanou extrakci. Naplnili jsme každý obsažený papír a požádali jsme o specifické datové body odpovídající našemu extrakčnímu formuláři: design studie, velikost vzorku, demografie účastníků, popis intervence, primární měřítko výsledku, hlavní zjištění s velikostí účinku a omezení uváděná autory.

Výsledky byly poučné. Pro jasně hlášená data – velikost vzorku, design studie, primární výsledek – AI extrahovala přesně 92 % času. Pro nuanční data – přesně které podskupiny byly analyzovány, jak se zacházelo s otěrem, jaké analýzy citlivosti byly provedeny – přesnost klesla na 71 %.

Náš doporučený pracovní postup: použijte AI pro počáteční extrakci a poté nechejte lidského kontrolora ověřit každý extrahovaný datový bod oproti původnímu papíru. Tento ověřovací krok trvá asi 10 minut na papír ve srovnání s 60–120 minutami při plné ruční extrakci. Celková úspora času: zhruba 70 %.

O kroku ověření nelze vyjednávat. Systematická kontrola s nepřesnými extrahovanými daty je horší než žádná kontrola.

Co AI nedokáže v systematických recenzích (zatím)

Chceme být přímí ohledně omezení, protože přehnané sliby jsou v tomto prostoru skutečným problémem.

Hodnocení kvality vyžaduje úsudek. Hodnocení rizika zkreslení – pomocí nástrojů jako Cochrane RoB 2 nebo Newcastle-Ottawa Scale – vyžaduje vyhodnocení, zda je návrh studie a podávání zpráv adekvátní. Umělá inteligence může upozornit na potenciální obavy („žádná zmínka o oslepování“ nebo „míra opotřebení nad 20 %), ale konečný úsudek o tom, zda tyto problémy představují vážné riziko zkreslení, vyžaduje metodologické znalosti, které současná umělá inteligence postrádá.

Syntéza je v zásadě lidská. Rozhodování, zda jsou studie dostatečně podobné, aby je bylo možné kombinovat v metaanalýze, výběr mezi modely s fixními a náhodnými efekty, interpretace heterogenity – tato rozhodnutí vyžadují statistické odborné znalosti a znalost domény. AI dokáže uspořádat vaše data. Nemůže provádět tyto hovory.

Vývoj protokolu vyžaduje vaši odbornost. Definování výzkumné otázky, výběr databází, vývoj vyhledávacích strategií, stanovení kritérií pro zařazení – základ systematické kontroly je postaven na vašich znalostech oboru. Žádný nástroj umělé inteligence vám neřekne, jakou otázku stojí za to si položit.

Předávání zpráv PRISMA stále vyžaduje vaši pozornost. Vývojový diagram PRISMA, podrobné zprávy o vašem procesu vyhledávání a prověřování – ty vyžadují přesnou dokumentaci toho, co se skutečně stalo během vaší kontroly, včetně toho, jak jste používali nástroje umělé inteligence. Stále více se očekává transparentnost kroků podporovaných umělou inteligencí.

Nejlepší nástroje pro systematickou kontrolu v roce 2026

Na základě našich testů a rozhovorů s kontrolními týmy v šesti výzkumných institucích jsme zjistili, že toto funguje.

Pro screening: Rayyan a ASReview zůstávají nejsilnějšími specializovanými screeningovými nástroji. Oba podporují poloautomatický screening s aktivním učením. ASReview je open source a má silnou podporu pro podávání zpráv o procesu screeningu s pomocí AI v souladu s PRISMA. Rayyan nabízí vylepšené rozhraní a lepší funkce spolupráce pro týmy s více recenzenty.

Pro extrakci dat: Zde všeobecné nástroje umělé inteligence – včetně našeho sumarizátoru – ve skutečnosti překonávají specializované nástroje pro systematickou kontrolu. Důvodem je flexibilita. Vyhrazené nástroje vás uzamknou do předdefinovaných extrakčních polí. Dobrý sumátor AI vám umožní přesně určit, jaké datové body se mají extrahovat, a to v souladu s vaším vlastním extrakčním formulářem. Zjistili jsme, že to je zvláště cenné pro mezioborové recenze, kde standardní extrakční šablony nevyhovují.

Pro správu referencí a deduplikaci: Covidence zpracovává celý pracovní postup od screeningu až po extrakci a integruje se s hlavními manažery referencí. Je to drahé pro jednotlivé výzkumníky, ale stojí to za to pro týmy provádějící více recenzí.

Pro překlad: Pokud vaše recenze obsahuje neanglické články – což je stále častější, protože systematické recenze se rozšiřují mimo anglofonní literaturu – nástroje pro překlad AI vám mohou pomoci prohlížet a extrahovat články v jiných jazycích. Testovali jsme to se 40 papíry v němčině, španělštině a mandarínštině a kvalita překladu byla dostatečná pro přesné vyhledávání a extrakci ve všech třech jazycích.

Pro fázi psaní: Po extrakci a syntéze dat je stále potřeba napsat recenzi. U procesu shrnutí recenze literatury, který je součástí vaší prózy, jsme podrobně popsali pracovní postup samostatně.

Nástroje systematického přezkumu v roce 2026 jsou skutečně lepší než ty, které byly k dispozici ještě před dvěma lety. Ale – a to je důležité – žádné z nich není řešením na klíč. Všechny vyžadují čas na nastavení, tréninková data a lidský dohled. Rozpočet na to při plánování časového plánu kontroly.

Realistická časová osa s pomocí AI

Na základě našeho testování takto vypadá časová osa systematické kontroly s nástroji AI integrovanými ve vhodných fázích.

Vytvoření protokolu: 2–4 týdny. Nejsou zde žádné zkratky AI.

Provedení vyhledávání: 1–2 dny. Databáze se příliš nezměnily.

Screening (za pomoci AI): 1–2 týdny místo 4–8 týdnů. AI provede první průchod. Ověřujete hraniční případy a řešíte neshody.

Úplný text recenze: 2–3 týdny. Stále manuální. Umělá inteligence vám může pomoci najít konkrétní sekce v dokumentech, ale rozhodnutí o zařazení vyžaduje lidský úsudek.

Extrakce dat (za pomoci AI): 2–3 týdny místo 6–10 týdnů. AI provádí počáteční extrakci. Ověřujete podle originálních dokladů.

Hodnocení kvality: 2–3 týdny. Stále primárně manuální.

Syntéza a psaní: 4–8 týdnů. Tuto fázi řídí vaše odbornost.

Celkem: 3–6 měsíců místo 8–18 měsíců. To je významný rozdíl pro výzkumníky, kteří řídí více projektů a kariérních plánů.

AI Summarizer for Research Extraction

Structured data extraction from academic papers. Customizable extraction fields for systematic review protocols.

Další čtení

• Condense Academic Text with AI
• Tipy pro recenze literatury: Jak syntetizovat zdroje

Často kladené otázky

Otázka: Lze nástroje umělé inteligence používat v systematických recenzích literatury?

Ano – a stále více jsou. Průzkum z roku 2025 v Journal of Clinical Epidemiology zjistil, že 34 % publikovaných systematických recenzí uvádí použití alespoň jednoho nástroje podporovaného umělou inteligencí, oproti 8 % v roce 2023. Klíčem je transparentnost: uveďte, které nástroje jste použili, ve kterých fázích a jak jste ověřili výstupy umělé inteligence. Pokyny PRISMA 2020 nezakazují asistenci AI a připravované rozšíření PRISMA-AI poskytne konkrétní pokyny pro podávání zpráv pro recenze s pomocí AI.

Otázka: Povolují pokyny PRISMA screening za pomoci umělé inteligence?

Současné pokyny PRISMA 2020 se konkrétně nezabývají screeningem za pomoci umělé inteligence, ale vyžadují transparentní podávání zpráv o procesu screeningu. Pokud jste pro počáteční screening použili umělou inteligenci, nahlaste to: popište nástroj, použitá trénovací data, nastavený práh citlivosti a proces ověření člověkem pro nejisté případy. Komunita systematických kontrol se posouvá směrem k explicitnímu vedení – pracovní skupina PRISMA-AI vyvíjí standardy pro podávání zpráv od roku 2024 – ale mezitím je transparentnost vaší zárukou.

Otázka: Který nástroj umělé inteligence je nejlepší pro systematické kontroly?

Neexistuje jediný nejlepší nástroj, protože systematické kontroly zahrnují více různých úkolů. Pro screening nabízí ASReview (open-source) a Rayyan nejlepší screening podporovaný umělou inteligencí. Pro extrakci dat poskytují univerzální sumátory umělé inteligence se strukturovanými možnostmi extrakce – jako jsou ty naše – větší flexibilitu než vyhrazené nástroje. Pro plný pracovní postup nabízí Covidence nejintegrovanější prostředí. Doporučujeme kombinovat nástroje na základě konkrétních potřeb vaší recenze, spíše než nutit jednu platformu, aby vše zvládla.