Jak se učí Longev AI: pravidla, data a ověřené předpovědi
Jádro Longev AI tvoří srozumitelná klinická pravidla postavená na osobní základní linii hosta. Nad nimi platforma sbírá dvojice «podnět → odezva» a otevřeně měří odchylku vlastních předpovědí.
Komu je stránka určena. Pro technický audit, lékaře i investory – pro každého, kdo se ptá: «Jde o strojové učení, nebo pevná pravidla?» Odpověď je přímočará a lze ji ověřit přímo v portálu.
Jádrem jsou pravidla, a to záměrně. Každé doporučení vychází z konkrétního prahu a lze ho vysvětlit jednou větou; placené procedury mění výhradně lékař. V medicínském prostředí nikdo neschvaluje černou skříňku.
Personalizace staví na osobní základně. Upozornění se neodvozují od obecného průměru populace, ale z vlastního průměru hosta za pobyt: klidový tep 62 nic neříká, dokud nevíte, že celý týden měl 54.
Dvě datové sady. Deník rozhodnutí – «hodnoty hosta → co udělal lékař»; deník výsledků – «včerejší procedury a zátěž → co hodinky naměřily ráno». Obě sady jsou z principu anonymní a dají se exportovat jako řádky JSONL.
Předpovědi pod kontrolou. Platforma odhaduje zítřejší klidový tep, variabilitu, Body Battery a skóre spánku pomocí tří modelů a uvádí průměrnou odchylku každého z nich – v přehledné tabulce, ne jako pouhý slib.
Hranice systému. Wellness & Lifestyle Intelligence slouží k podpoře životního stylu, nejde o zdravotnický prostředek; poslední slovo má vždy lékař. Aktualizováno 25.08.2026.
Pravidla místo černé skříňky – a proč tomu tak je
Longev AI funguje jako deterministický systém: tatáž noc při stejných prahových hodnotách vygeneruje vždy stejný přehled. Nejde o omezení, které by platforma tajila, ale o promyšlené technické rozhodnutí ze tří důvodů.
Prvním je podpis lékaře. Ranní přehled lékař podepisuje a každý řádek musí jasně odpovědět na otázku «proč»: «klidový tep 68 oproti vašemu průměru 61 – doporučujeme nahradit náročnou proceduru». Doporučení, které nelze doložit konkrétním číslem, systém nikdy nevytiskne.
Druhým je legislativní rámec. Systém, který by sám měnil lékařské předpisy na základě neprůhledného modelu, spadá do kategorie zdravotnických prostředků a vysoce rizikových systémů podle evropského nařízení o umělé inteligenci (EU AI Act). Platforma vědomě zůstává nástrojem pro podporu životního stylu: navrhuje, vysvětluje a čeká na rozhodnutí lékaře (právní rámec).
Třetím důvodem je studený start. Trénovatelný model bez dat funguje hůře než pravidla: v hotelu, který se připojil včera, se nemá z čeho učit. Pravidla fungují spolehlivě od prvního hosta a data pro budoucí modely platforma začíná sbírat hned od prvního rána – viz níže.
Osobní základní linie místo populačních norem
Téměř každý práh v systému porovnává hosta s jeho vlastními hodnotami. Základem je průměr za jeho pobyt: neúplné dny příjezdu se do něj nezapočítávají, a dokud nejsou naměřeny alespoň dva dny, upozornění podle osobní základny se vůbec neaktivují – srovnání s jedinou nocí by bylo pouhým věštěním vydávaným za výsledek. Lékař může tuto pojistku zvýšit až na 5 dní.
Variabilita srdečního tepu (HRV – jak nepravidelné jsou pauzy mezi jednotlivými údery srdce) má ještě druhý spolehlivý zdroj: osobní rozmezí hosta, které algoritmus Firstbeat v zařízeních Garmin zjišťuje zhruba tři týdny. Pokud hodinky, které znají hosta déle než naše dvoudenní základna, hlásí «pod rozmezím», ukazatel připravenosti nemůže vyjít zeleně – verdikt hodinek má před naší aritmetikou přednost, a to striktně v tomto směru.
Ze stejných hodnot se počítá celková denní připravenost – jedno číslo od 0 do 100, obdoba hodnoty Readiness u prstenu Oura nebo Recovery u náramku WHOOP, ale postavená na datech Garmin a pravidlech nastavených hotelovým lékařem: Body Battery má váhu 30 bodů, HRV a spánek po 25, klidový tep a včerejší zátěž po 10. Chybějící složka se nenahrazuje žádným průměrem – jednoduše vypadne, váhy se přepočítají, a pokud chybí data pro více než polovinu celkové váhy, výsledek se vůbec nestanoví.
Ranní přehled pro lékaře: připravenost 49 ze 100 s rozpadem na jednotlivé složky – každý řádek obsahuje svou hodnotu, základní linii a odůvodnění×
Vrstvy systému
Vrstva
Co dělá
Kde je vysvětleno
Vstup
25 ukazatelů z hodinek a váhy Garmin, vstupní dotazník, předpisy lékaře, jídelníček
Hotelový systém (PMS) sice může přes Garmin Health API přijímat tep i spánek, chybí mu ale dvě zásadní věci, z nichž se skládá trénovací sada: předpisy lékaře a záznamy o stravě. Platforma proto shromažďuje dvě sady dat, které mohou existovat jen tam, kde biometrika, předpisy procedur i strava fungují v jednom propojeném celku.
Deník rozhodnutí — «hodnoty hosta → co lékař udělal». Každý úkon v přehledu se ukládá spolu s anonymním snímkem hosta v danou chvíli: věk, pohlaví, den pobytu, noční hodnoty, vlastní průměry a příznaky. Už dnes funguje jako nápověda: lékař vidí, jak hotel postupoval při podobných hodnotách dříve.
Deník výsledků — «zátěž → odezva». Každé změřené ráno platforma automaticky zaznamená dvojici údajů: procedury a zátěž z předchozího dne (včetně večeře po 20:00 a sklenic pitné kúry) společně s tím, co hodinky naměřily ráno — klidový tep a HRV vůči osobnímu základu, spánek, Body Battery, připravenost i příznaky.
Anonymita a výmaz. V záznamech není jméno ani datum narození. Odvoláním souhlasu se zpracováním zdravotních údajů se smažou i tyto dvojice záznamů daného hosta — datová sada je díky tomu poctivější, nikoli chudší. Export probíhá v řádcích formátu JSONL ze správy systému.
Pozorování, nikoli příčinnost. Ze shromážděných dvojic přehled ukazuje průměry «s faktorem / bez něj»: tepelné procedury předchozí den, náročná procedura, zátěž o 50 % vyšší než základ nebo pozdní večeře. Porovnání se zobrazí až od 5 dvojic na každé straně a je označeno jako pozorování: stav v jedno konkrétní ráno má příliš mnoho vlivů na to, aby se rozdíl v průměrech dal označit za přímou příčinu.
Ověření předpovědi: reálná odchylka místo slibů
Tvrzení, že «platforma je stále přesnější», má audit plné právo chtít doložit číslem. Proto je ve správě systému k dispozici ověření předpovědi: ze všech dosavadních dat platforma zpětně předpovídá každé ráno — klidový tep, HRV, Body Battery i skóre spánku — a počítá průměrnou absolutní chybu (MAE), tedy o kolik jednotek se předpověď v průměru odchyluje.
Počítá se to metodou walk-forward — «pouze směrem dopředu»: ranní předpověď vychází výhradně ze dnů, které jí předcházely, a i koeficient zátěže se doučuje jen z údajů, které do té doby reálně proběhly. Nahlížet dopředu a přizpůsobovat výsledek je z podstaty vyloučeno.
Model
Jak předpovídá
Proč je v tabulce
«Jako včera»
zítra bude stejná hodnota jako dnes
naivní laťka: model, který ji nepřekoná, si nezaslouží označení model
«Osobní základ»
průměr hosta za celý pobyt — stejný, jaký tiskne ranní přehled
ukazuje přínos samotné personalizace
«Základ + zátěž»
osobní základ s korekcí na včerejší přetížení; koeficient se aktivuje po 8 nasbíraných dvojicích
první učící se prvek — jeho přínos je vidět samostatně
Tabulka záměrně ukazuje i nepříjemná fakta: při krátké historii naivní přístup «jako včera» nezřídka překonává složitější korekce — což je správný výsledek, nikoli chyba. Laťku pro budoucí modely určuje právě tato tabulka: model se do systému dostane teprve tehdy, když na datech hotelu spolehlivě překonává naivní odhad, nikoli proto, že hezky zní.
Plán rozvoje
Nyní. Pravidla nad vlastní výchozí bází hosta; deníky rozhodnutí a výsledků se plní samy; chyba předpovědi se měří stisknutím tlačítka.
Dále. Prediktivní modely nad deníkem výsledků – jakmile bude k dispozici dostatek dvojic, aby spolehlivě překonávaly naivní laťku z tabulky výše. Do té doby žádná «chytrá» slova navenek.
Vždy. Automatický rozpis procedur pouze jako koncept, který podepisuje lékař: takto již funguje ranní přehled a stejně budou fungovat i doporučení procedur z deníku rozhodnutí.
Otázky a odpovědi
Jde o strojové učení, nebo pevná pravidla? Jádrem jsou vysvětlitelná pravidla postavená nad osobní bází hosta. Učící se prvky již existují – koeficient zátěže v předpovědi a vyhledávání podobných případů v deníku rozhodnutí –, plnohodnotné modely pak přijdou s deníkem výsledků a jejich kvalita se už nyní měří tabulkou chyb.
Proč ne neuronová síť? Protože rozpis podepisuje lékař a srozumitelné vysvětlení je klinický požadavek, nikoli otázka vkusu; evropské nařízení EU AI Act posuzuje netransparentní zdravotní doporučení přísněji než pravidla; a protože modely bez dat fungují hůře než pravidla – a data platforma teprve sbírá.
Co brání běžnému PMS systému udělat totéž? Garmin Health API sice předá biometrická data, ale ne předpisy lékaře ani záznamy o stravě. Dvojice «zásah → odezva» vzniká pouze tam, kde se všechny tři toky dat potkávají v jednom systému – a tento datový soubor zůstává hotelu.
Kde je to všechno vidět? V přehledu: «Nastavení» → «Asistent» – karty obou deníků, pozorování podle faktorů, tlačítko pro kontrolu předpovědi a export do JSONL (obrazovka administrátora).
Tvrdí platforma příčinnou souvislost? Ne. Průměry «s faktorem / bez faktoru» jsou označeny jako pozorování; kauzální závěry vyžadují takový objem dat a metodiku výzkumu, jaké samotný hotel nemá – a systém to na rovinu přiznává.
