Urol. praxi. 2025;26(2):79-86 | DOI: 10.36290/uro.2025.041

Nové trendy v telemedicíně a AI pro urology

MUDr. Martin Malý1, MUDr. Alžběta Kantorová1, doc. MUDr. David Zogala, Ph.D.2, doc. MUDr. Otakar Čapoun, Ph.D., FEBU1, prof. MUDr. Viktor Soukup, Ph.D., FEBU, MHA1
1 Urologická klinika VFN a 1. LF UK, Praha
2 Ústav nukleární medicíny VFN a 1. LF UK, Praha

Tento článek zpracovává téma nových trendů a technologií v urologii, a to konkrétně v oblasti telemedicíny a umělé inteligence. Nejprve stručně pojednává o přínosech telemedicíny a jak mění pohled na vztah mezi lékařem a pacientem. Podrobněji se pak text věnuje především umělé inteligenci, jež se v současnosti dostává do popředí zájmu laické i odborné veřejnosti. Její potenciál v urologii je testován v mnoha studiích, především se zaměřením na uroonkologii, v menší míře pak také v oblasti benigních urologických onemocnění. Článek se snaží identifikovat nejvýznamnější pokroky v této rychle se rozvíjející oblasti, a zároveň předkládá současné limity jejího zapojení do klinické praxe.

Klíčová slova: telemedicína, umělá inteligence, strojové učení, hluboké učení, robotická chirurgie, uroonkologie.

Emerging trends in telemedicine and artificial intelligence in urology

This article explores the emerging trends and technologies in urology, focusing on telemedicine and artificial intelligence. It provides a brief overview of the benefits of telemedicine and its impact on the patient-physician interactions. The article subsequently explores in detail the use of artificial intelligence, which is currently gaining considerable interest from both general public and medical professionals. Its potential in urology has been tested in a number of clinical studies, particularly in the field of uro-oncology and, to a lesser extent, in benign urological diseases. The aim of this article is to identify the key advances in this rapidly evolving field, while also highlighting the current limitations of its implementation into clinical practice.

Keywords: telemedicine, artificial intelligence, machine learning, deep learning, robotic surgery, uro-oncology.

Přijato: 19. květen 2025; Zveřejněno: 26. červen 2025  Zobrazit citaci

ACS AIP APA ASA Harvard Chicago Chicago Notes IEEE ISO690 MLA NLM Turabian Vancouver
Malý M, Kantorová A, Zogala D, Čapoun O, Soukup V. Nové trendy v telemedicíně a AI pro urology. Urol. praxi. 2025;26(2):79-86. doi: 10.36290/uro.2025.041.
Sdílet...
Stáhnout citaci
  • BibTeX (.bib)
  • Bookends (.ris)
  • EasyBib (.ris)
  • EndNote (.enw)
  • EndNote 8 (.xml)
  • ISI WoS (.isi)
  • Medlars (.medlars)
  • Mendeley (.ris)
  • MODS (.xml)
  • Papers (.ris)
  • RefWorks (.txt)
  • RefManager (.ris)
  • RIS (.ris)
  • MS Word (.xml)
  • Zotero (.ris)
    • Koupit PDF - 40 Kč

    Reference

    1. . Kay M. WHO global survey of telemedicine. Telemed Telelcare 2010;16:471-472. Přejít k původnímu zdroji... Přejít na PubMed...
    2. . Rodriguez SM, Loeb S, Teoh JY, et al. Telemedicine and Smart Working: Recommendations of the European Association of Urology. Eur Urol. 2020;78(6):812-819. Přejít k původnímu zdroji... Přejít na PubMed...
    3. . Ellimoottil C, Skolarus T, Gettman M, et al. Telemedicine in Urology: State of the Art. Urology. 2016;94:10-16. Přejít k původnímu zdroji... Přejít na PubMed...
    4. . Ohannessian R, Duong T, Odone A. Global Telemedicine Implementation and Integration Within Health Systems to Fight the COVID-19 Pandemic: A Call to Action. JMIR Public Health Surveill. 2020;6(2):e18810. Přejít k původnímu zdroji... Přejít na PubMed...
    5. . Novara G, Checcucci E, Crestani A, et al. Telehealth in Urology: A Systematic Review of the Literature. How Much Can Telemedicine Be Useful During and After the COVID-19 Pandemic? Eur Urol. 2020;78(6):786-811. Přejít k původnímu zdroji... Přejít na PubMed...
    6. . Symeonidis EN, Veneziano D, Borgmann H, et al. Telemedi­cine in Urology: Where Have We Been and Where Are We Hea­ding? Eur Urol Open Sci. 2023;50:106-112. Přejít k původnímu zdroji... Přejít na PubMed...
    7. . O eReceptu [Internet]. 2024 SÚKL. [cited 2024 Dec 24] Available from: https://epreskripce.gov.cz/o-ereceptu/.
    8. . Péče o zdraví online, rychle a s úsměvem [Internet]. uLékaře.cz, s.r.o. [cited 2024 Dec 24]. Available from: https://www.ulekare.cz/sluzba.
    9. . Einthoven W. Le télécardiogramme. Archives Internationales de Physiologie 1906;4:132-164.
    10. . Wittson CL, Benschoter R. Two-way television: helping the medical center reach out. American Journal of Psychiatry 1972;129(5):624-627. Přejít k původnímu zdroji... Přejít na PubMed...
    11. . Foote D, Parker, D, Hudson H, et al. Telemedicine in Alaska: The ATS-6 satellite biomedical demonstration. National Technical Information Service, 1976.
    12. . Bashshur RL, Shannon GW. History of Telemedicine: Evolution, Context, and Transformation. New Rochelle, NY: Mary Ann Liebert; 2009.
    13. . Mann DM, Chen J, Chunara R, et al. Nov O. COVID-19 transforms health care through telemedicine: Evidence from the field. J Am Med Inform Assoc. 2020;27(7):1132-1135. Přejít k původnímu zdroji... Přejít na PubMed...
    14. . Veneziano D, Tafuri A, Rivas JG, et al. Is remote live urologic surgery a reality? Evidences from a systematic review of the literature. World J Urol. 2020;38(10):2367-2376. Přejít k původnímu zdroji... Přejít na PubMed...
    15. . Marescaux J, Leroy J, Rubino F, et al. Transcontinental robot-assisted remote telesurgery: feasibility and potential applications. Ann Surg. 2002;235(4):487-492. Přejít k původnímu zdroji... Přejít na PubMed...
    16. . 8264km-distance historic first for Prof. Breda and EAU Event. [Internet] eru.uroweb.org, 2024 [cited 2024 Dec 24]. Available from: https://erus.uroweb.org/.
    17. . Patel V, Marescaux J, Covas MM. The Humanitarian Impact of Telesurgery and Remote Surgery in Global Medicine. Eur Urol. 2024 Aug;86(2):88-89. Přejít k původnímu zdroji... Přejít na PubMed...
    18. . Larcher A, Belladelli F, Capitanio U, et al. Long-distance Robot-assisted Teleoperation: Every Millisecond Counts. Eur Urol. 2023;83(1):45-47. Přejít k původnímu zdroji... Přejít na PubMed...
    19. . Shah M, Naik N, Somani BK, et al. Artificial intelligence (AI) in urology-Current use and future directions: An iTRUE study. Turk J Urol. 2020;46(Supp. 1):S27-S39. Přejít k původnímu zdroji... Přejít na PubMed...
    20. . Russell S, Perset K, Grobelnik M. Updates to the OECD's definition of an AI system explained [Internet]. OECD.AI, 2023 [cited 2024 Dec 29]. Available from: https://oecd.ai/en/wonk/ai-system-definition-update.
    21. . Arruda HM, Bavaresco RS, Kunst R, et al. Data Science Methods and Tools for Industry 4.0: A Systematic Lite­rature Review and Taxonomy. Sensors (Basel). 2023; 23(11):5010. Přejít k původnímu zdroji... Přejít na PubMed...
    22. . Checcucci E, Autorino R, Cacciamani GE, et al. Artificial intelligence and neural networks in urology: current clinical applications. Minerva Urol Nefrol. 2020;72(1):49-57. Přejít k původnímu zdroji... Přejít na PubMed...
    23. . Kolektiv autorů: JEDNODUŠE: Umělá inteligence. Praha, Universum, První vydání, 2023. ISBN 978-80-242-9293-9.
    24. . Hugh LE, James THT. The influence of AI in medicine; Medicine. 2024;52(12):811-815. Přejít k původnímu zdroji...
    25. . Čapoun O. Editorial. Czech urology. 2023;27(3):136. Přejít k původnímu zdroji... Přejít na PubMed...
    26. . Zogala D. Využití umělé inteligence v zobrazovacích metodách. Cas Lek Cesk. 2024;162(7-8):279-282.
    27. . Choi RY, Coyner AS, Kalpathy-Cramer J, et al. Introduction to Machine Learning, Neural Networks, and Deep Learning. Transl Vis Sci Technol. 2020;9(2):14.
    28. . Liu X, Shi J, Li Z, et al. The Present and Future of Artificial Intelligence in Urological Cancer. J Clin Med. 2023; 12(15):4995. Přejít k původnímu zdroji... Přejít na PubMed...
    29. . Riaz IB, Harmon S, Chen Z, et al. Applications of Artificial Intelligence in Prostate Cancer Care: A Path to Enhanced Efficiency and Outcomes. Am Soc Clin Oncol Educ Book. 2024;44(3):e438516. Přejít k původnímu zdroji... Přejít na PubMed...
    30. . Cai JC, Nakai H, Kuanar S, et al. Fully Automated Deep Learning Model to Detect Clinically Significant Prostate Cancer at MRI. Radiology. 2024;312(2):e232635. Přejít k původnímu zdroji... Přejít na PubMed...
    31. . Saha A, Bosma JS, Twilt JJ, et al. Artificial intelligence and radiologists in prostate cancer detection on MRI (PI-CAI): an international, paired, non-inferiority, confirmatory study. Lancet Oncol. 2024;25(7):879-887. Přejít k původnímu zdroji... Přejít na PubMed...
    32. . Forookhi A, Laschena L, Pecoraro M, et al. Bridging the experience gap in prostate multiparametric magnetic resonance imaging using artificial intelligence: A prospective multi-reader comparison study on inter-reader agreement in PI-RADS v2.1, image quality and reporting time between novi­ce and expert readers. Eur J Radiol. 2023;161:110749. Přejít k původnímu zdroji... Přejít na PubMed...
    33. . Eloy C, Marques A, Pinto J, et al. Artificial intelligence-assisted cancer diagnosis improves the efficiency of pathologists in prostatic biopsies. Virchows Arch. 2023;482(3):595-604. Přejít k původnímu zdroji... Přejít na PubMed...
    34. . EAU Guidelines. Edn. presented at the EAU Annual Congress Paris 2024. ISBN 978-94-92671-23-3.
    35. . Daskivich TJ, Wood LN, Skarecky D, et al. Limitations of the National Comprehensive Cancer Network® (NCCN®) Guidelines for Prediction of Limited Life Expectancy in Men with Prostate Cancer. J Urol. 2017;197(2):356-362. Přejít k původnímu zdroji... Přejít na PubMed...
    36. . Esteva A, Feng J, van der Wal D, et al. Prostate cancer therapy personalization via multi-modal deep learning on randomized phase III clinical trials. NPJ Digit Med. 2022;5(1):71. Přejít k původnímu zdroji... Přejít na PubMed...
    37. . Spratt DE, Tang S, Sun Y, et al. Artificial Intelligence Predictive Model for Hormone Therapy Use in Prostate Cancer. NEJM Evid. 2023;2(8):EVIDoa2300023. Přejít k původnímu zdroji... Přejít na PubMed...
    38. . Hung AJ, Chen J, Che Z, et al. Utilizing Machine Learning and Automated Performance Metrics to Evaluate Robot-Assisted Radical Prostatectomy Performance and Predict Outcomes. J Endourol. 2018;32(5):438-444. Přejít k původnímu zdroji... Přejít na PubMed...
    39. . Hung AJ, Chen J, Ghodoussipour S, et al. A deep-learning model using automated performance metrics and clinical features to predict urinary continence recovery after robot-assisted radical prostatectomy. BJU Int. 2019;124(3):487-495. Přejít k původnímu zdroji... Přejít na PubMed...
    40. . Sabbagh A, Tilki D, Feng J, et al. Multi-institutional Develop­ment and External Validation of a Machine Lear­ning Model for the Prediction of Distant Metastasis in Patients Treated by Salvage Radiotherapy for Biochemical Failure After Radical Prostatectomy. Eur Urol Focus. 2024;10(1):66-74. Přejít k původnímu zdroji... Přejít na PubMed...
    41. . LEOPARD Challenge. [Internet] Grand-Challenge.org. [cited 2024 Jan 15]. Available from: https://leopard.grand-challenge.org/leopard/.
    42. . Riaz IB, Naqvi SAA, He H, et al. First-line Systemic Treatment Options for Metastatic Castration-Sensitive Prostate Cancer: A Living Systematic Review and Network Meta-analysis. JAMA Oncol. 2023;9(5):635-645. Přejít k původnímu zdroji... Přejít na PubMed...
    43. . Riaz IB, He H, Ryu AJ, et al. A Living, Interactive Systematic Review and Network Meta-analysis of First-line Treatment of Metastatic Renal Cell Carcinoma. Eur Urol. 2021;80(6):712-723. Přejít k původnímu zdroji... Přejít na PubMed...
    44. . Brisuda A, Hrbáček J, Babjuk M. Využití fotodynamické diagnostiky a úzkopásmového zobrazení v diagnostice a léčbě svalovinu neinfiltrujících nádorů močového měchýře. Czech urology. 2023;17(2):79-87. Přejít k původnímu zdroji...
    45. . Borhani S, Borhani R, Kajdacsy-Balla A. Artificial intelligence: A promising frontier in bladder cancer diagnosis and outcome prediction. Crit Rev Oncol Hematol. 2022;171:103601. Přejít k původnímu zdroji... Přejít na PubMed...
    46. . Kausch I, Sommerauer M, Montorsi F, et al. Photodynamic diagnosis in non-muscle-invasive bladder cancer: a systematic review and cumulative analysis of prospective studies. Eur Urol. 2010;57(4):595-606. Přejít k původnímu zdroji... Přejít na PubMed...
    47. . Shkolyar E, Jia X, Chang TC, et al. Augmented Bladder Tumor Detection Using Deep Learning. Eur Urol. 2019;76(6):714-718. Přejít k původnímu zdroji... Přejít na PubMed...
    48. . Jobczyk M, Stawiski K, Fendler W, et al. Validation of EORTC, CUETO, and EAU risk stratification in prediction of recurrence, progression, and death of patients with initially non-muscle-invasive bladder cancer (NMIBC): A cohort analysis. Cancer Med. 2020;9(11):4014-4025. Přejít k původnímu zdroji... Přejít na PubMed...
    49. . Jobczyk M, Stawiski K, Kaszkowiak M, et al. Deep Learning-based Recalibration of the CUETO and EORTC Prediction Tools for Recurrence and Progression of Non-muscle-invasive Bladder Cancer. Eur Urol Oncol. 2022;5(1):109-112. Přejít k původnímu zdroji... Přejít na PubMed...
    50. . Rasmussen R, Sanford T, Parwani AV, et al. Artificial Intelligence in Kidney Cancer. Am Soc Clin Oncol Educ Book. 2022;42:1-11. Přejít k původnímu zdroji... Přejít na PubMed...
    51. . Finelli A, Cheung DC, Al-Matar A, et al. Small Renal Mass Surveillance: Histology-specific Growth Rates in a Biopsy-characterized Cohort. Eur Urol. 2020;78(3):460-467. Přejít k původnímu zdroji... Přejít na PubMed...
    52. . Bhandari A, Ibrahim M, Sharma C, et al. CT-based radiomics for differentiating renal tumours: a systematic review. Abdom Radiol (NY). 2021;46(5):2052-2063. Přejít k původnímu zdroji... Přejít na PubMed...
    53. . Erdim C, Yardimci AH, Bektas CT, et al. Prediction of Benign and Malignant Solid Renal Masses: Machine Learning-Based CT Texture Analysis. Acad Radiol. 2020;27(10):1422-1429. Přejít k původnímu zdroji... Přejít na PubMed...
    54. . Kutikov A, Uzzo RG. The R.E.N.A.L. nephrometry score: a comprehensive standardized system for quantitating renal tumor size, location and depth. J Urol. 2009;182(3):844-853. Přejít k původnímu zdroji... Přejít na PubMed...
    55. . Kutikov A, Smaldone MC, Egleston BL, et al. Anatomic features of enhancing renal masses predict malignant and high-grade pathology: a preoperative nomogram using the RENAL Nephrometry score. Eur Urol. 2011;60(2):241-248. Přejít k původnímu zdroji... Přejít na PubMed...
    56. . Abdallah N, Wood A, Benidir T, et al. AI-generated R.E.N.A.L.+ Score Surpasses Human-generated Score in Predicting Renal Oncologic Outcomes. Urology. 2023; 180:160-167. Přejít k původnímu zdroji... Přejít na PubMed...
    57. . Chuluunbaatar Y, Bansal S, Brodie A, et al. The current use of artificial intelligence in testicular cancer: a systematic review. Art Int Surg. 2023;3:195-206. Přejít k původnímu zdroji...
    58. . Baessler B, Nestler T, Pinto Dos Santos D, et al. Radiomics allows for detection of benign and malignant histopathology in patients with metastatic testicular germ cell tumors prior to post-chemotherapy retroperitoneal lymph node dissection. Eur Radiol. 2020;30(4):2334-2345. Přejít k původnímu zdroji... Přejít na PubMed...
    59. . Bini F, Pica A, Azzimonti L, et al. Artificial Intelligence in Thyroid Field-A Comprehensive Review. Cancers (Basel). 2021;13(19):4740. Přejít k původnímu zdroji... Přejít na PubMed...
    60. . Liu J, O'Brien JS, Nandakishor K, et al. Snap Diagnosis: Developing an Artificial Intelligence Algorithm for Penile Cancer Detection from Photographs. Cancers (Basel). 2024;16(23):3971. Přejít k původnímu zdroji... Přejít na PubMed...
    61. . Chen CC, Yen TH, Li JR, et al. Artificial intelligence algorithms enhance urine cytology reporting confidence in postoperative follow-up for upper urinary tract urothelial carcinoma. Int Urol Nephrol. 2024 Nov 7 - ahead of print. Přejít k původnímu zdroji... Přejít na PubMed...
    62. . Anastasiadis A, Koudonas A, Langas G, et al. Transforming urinary stone disease management by artificial intelligence-based methods: A comprehensive review. Asian J Urol. 2023; 10(3):258-274. Přejít k původnímu zdroji... Přejít na PubMed...
    63. . Parakh A, Lee H, Lee JH, et al. Urinary Stone Detection on CT Images Using Deep Convolutional Neural Networks: Evaluation of Model Performance and Generalization. Radiol Artif Intell. 2019;1(4):e180066. Přejít k původnímu zdroji... Přejít na PubMed...
    64. . Jendeberg J, Thunberg P, Lidén M. Differentiation of distal ureteral stones and pelvic phleboliths using a convolutional neural network. Urolithiasis. 2021;49(1):41-49. Přejít k původnímu zdroji... Přejít na PubMed...
    65. . Solakhan M, Seckiner SU, Seckiner I. A neural network-based algorithm for predicting the spontaneous passage of ureteral stones. Urolithiasis. 2020;48(6):527-532. Přejít k původnímu zdroji... Přejít na PubMed...
    66. . Shah M, Naik N, Hameed BZ, et al. Current Applications of Artificial Intelligence in Benign Prostatic Hyperplasia. Turk J Urol. 2022;48(4):262-267. Přejít k původnímu zdroji... Přejít na PubMed...
    67. . Bentaleb J, Larouche M. Innovative use of artificial intelligence in urogynecology. Int Urogynecol J. 2020;31(7): 1287-1288. Přejít k původnímu zdroji... Přejít na PubMed...

    Zpět na obsah


    Urologie pro praxi

    Vážená paní, pane,
    upozorňujeme Vás, že webové stránky, na které hodláte vstoupit, nejsou určeny široké veřejnosti, neboť obsahují odborné informace o léčivých přípravcích, včetně reklamních sdělení, vztahující se k léčivým přípravkům. Tyto informace a sdělení jsou určena výhradně odborníkům dle §2a zákona č.40/1995 Sb., tedy osobám oprávněným léčivé přípravky předepisovat nebo vydávat (dále jen odborník).
    Vezměte v potaz, že nejste-li odborník, vystavujete se riziku ohrožení svého zdraví, popřípadě i zdraví dalších osob, pokud byste získané informace nesprávně pochopil(a) či interpretoval(a), a to zejména reklamní sdělení, která mohou být součástí těchto stránek, či je využil(a) pro stanovení vlastní diagnózy nebo léčebného postupu, ať už ve vztahu k sobě osobně nebo ve vztahu k dalším osobám.

    Prohlašuji:

    1. že jsem se s výše uvedeným poučením seznámil(a),
    2. že jsem odborníkem ve smyslu zákona č.40/1995 Sb. o regulaci reklamy v platném znění a jsem si vědom(a) rizik, kterým by se jiná osoba než odborník vstupem na tyto stránky vystavovala.

    Ne
    Ano

    Pokud vaše prohlášení není pravdivé, upozorňujeme Vás,
    že se vystavujete riziku ohrožení svého zdraví, popřípadě i zdraví dalších osob.