Udar, radioterapia, kardiologia. Tak polskie szpitale stosują AI

Sztuczna inteligencja skraca czas oczekiwania na rezonans magnetyczny o 40 proc., zmniejsza ekspozycję na napromieniowanie, szybciej diagnozuje udar. I choć na razie z AI korzysta tylko 15 proc. szpitali, w 2027 roku ten odsetek może wzrosnąć kilkukrotnie. Gdzie już pomaga, a co hamuje jej wdrażanie? Najciekawsze przykłady z debaty na Forum Rynku Zdrowia 2026.

• AI poprawia jakość badań obrazowych, przyspiesza diagnostykę udarów i ułatwia planowanie radioterapii.
• AI wspiera diagnostykę udaru w Dolnośląskiej Sieci Udarowej, skracając proces diagnostyczny do około 9 minut.
• Wdrożenie AI wymaga kontroli człowieka, odpowiednich kompetencji personelu oraz dbałości o jakość i bezpieczeństwo danych pacjentów.
• Barierą upowszechnienia AI pozostają koszty i regulacje w tym m.in. brak stabilnego finansowania innowacji oraz niedostosowanie koszyka świadczeń NFZ do nowych technologii.
• Szersze wykorzystanie AI mogłoby przynieść oszczędności sięgające nawet 10 procent wydatków na zdrowie, czyli w ostrożnym scenariuszu – dziesiątek miliardów złotych w ciągu kilku lat.

AI króluje w radiologii i kardiologii. Pacjent nawet nie zdaje sobie sprawy, jak poprawia precyzję leczenia

Radomskie Centrum Onkologii stosuje AI już od 2002 roku, a dziś jest to codzienne narzędzie pracy. Jak twierdzi dr Anna Rychter, dyrektor medyczna placówki i radioterapeutka, jednym z pierwszych zastosowań było wykorzystanie algorytmów poprawiających jakość obrazowania rezonansem magnetycznym. Dzięki temu pacjenci spędzają mniej czasu w aparacie, a kolejka do badań skróciła się o 40 proc.

– Radiolog otrzymuje fajny, ostry obraz pozbawiony szumów, pacjent leży w aparacie [MRT] krócej. W niektórych badaniach nawet o 20 minut. To bardzo duża korzyść dla chorego, a my nikogo nie zwolniliśmy, bo w tym czasie ktoś inny wymagał badania i po prostu skróciła nam się o 40 proc. kolejka – mówi Rychter.

Równie pozytywne efekty przyniosło wdrożenie AI w badaniach PET/CT. Skrócił się czas akwizycji, poprawiła się jakość obrazów, radiolom łatwiej opisywać wyniki, zmniejszył się czas ekspozycji na napromieniowanie dzięki którszemu czasowi badania. W radioterapii algorytmy AI automatycznie wyznaczają na obrazach położenie narządów krytycznych znajdujących się w pobliżu guza. Dzięki temu lekarze mogą precyzyjniej zaplanować napromienianie, tak aby skoncentrować dawkę promieniowania na zmianie nowotworowej i ograniczyć narażenie zdrowych tkanek. Zadanie, które wcześniej wymagało od lekarza żmudnego rysowania struktur na kolejnych skanach, zajmuje teraz kilka minut. Ale radiolog zawsze na końcu sprawdza, czy AI dobrze wszystko zrobiła.

W Radomiu AI umożliwiła zastosowanie radioterapii adaptacyjnej. W leczeniu m.in. raka prostaty plan napromieniania jest każdego dnia dostosowywany do aktualnego ułożenia narządów wewnętrznych pacjenta. System automatycznie przenosi plan referencyjny, wykonuje konturowanie, a lekarz weryfikuje przygotowane rozwiązanie.

– Dla mnie AI jest takim użytecznym narzędziem, które daje mi szansę myśleć i robić to, co jest dla umysłu ludzkiego ciekawe, czyli rozwiązywać problemy kliniczne. Natomiast te nudniejsze rzeczy zostawiamy technice – podkreśla Rychter.

W Radomskim Centrum Onkologii algorytmy pomagają też w mammografii, wyłapując obrazy budzące największe podejrzenia, dzięki czemu takie przypadki mogą być szybciej opisywane, a pacjentki szybciej otrzymują diagnozę.

AI w radiologii jest obecna od dawna, ale szybko wkracza też do kardiologii. Stosuje ją prof. Paweł Buszman, prorektor ds. Nauki i Innowacji w Akademii Śląskiej w Katowicach i założyciel Polsko-Amerykańskich Klinik Serca. Przykładem jest automatyczna rekonstrukcja struktur serca z pomocą AI, ocena funkcji i anatomii oraz analiza składu blaszek miażdżycowych w tętnicach wieńcowych. W ten sposób chirurg może lepiej przygotować się do zabiegu.

– U pacjentów wielochorobowych, szczególnie w starszym wieku, którzy przyjmują jednocześnie wiele leków, dobór terapii jest dużym wyzwaniem. Poszczególne preparaty mogą wchodzić ze sobą w interakcje, zwiększać ryzyko powikłań lub nasilać działania niepożądane. Jeśli zbierzemy odpowiednie dane o pacjencie, AI może pomóc lekarzowi wykryć potencjalne zagrożenia już na etapie planowania lub przepisywania leczenia. Może również wskazać korzystne połączenia leków i zasugerować lepsze schematy terapii. W szpitalach taką rolę często pełni farmakolog kliniczny. Podobne wsparcie, dostępne dla każdego lekarza planującego leczenie, może zapewnić odpowiednio przygotowane narzędzia AI – podkreśla prof. Paweł Buszman.

Szybsza diagnostyka, mniej pracy administracyjnej, miliardy oszczędności

AI stosuje też Dolnośląska Sieć Udarowa, której liderem jest Uniwersytecki Szpital Kliniczny we Wrocławiu. Projekt łączy 12 ośrodków i ma przyspieszyć diagnostykę pacjentów z podejrzeniem udaru. Jak mówił Konrad Korbiński, pełnomocnik dyrektora ds. Innowacji w USK, w sieci wykorzystywane jest rozwiązanie oparte na AI, dzięki któremu proces diagnostyczny może zostać skrócony do 9 minut. Bez AI czas od przyjęcia do diagnostyki

– Jeśli chodzi o udary, ten czas jest na wagę złota i każda minuta, która jest zwrócona w tym procesie, jest niezwykle istotna dla dalszego postępu terapeutycznego pacjenta. Takich praktycznych rozwiązań funkcjonujących już dzisiaj, które naprawdę przynoszą efekty, powinniśmy pokazywać więcej – podkreślał Korbiński.

Korbiński przywołał także przykład Kopenhagi, gdzie w badaniach przesiewowych AI klasyfikuje obrazy mammograficzne według poziomu ryzyka. Obrazy niskiego ryzyka może oceniać jeden diagnosta, natomiast te bardziej podejrzane trafiają do dwóch lekarzy. W Polsce nadal obowiązuje wymóg podwójnej oceny wszystkich badań, co ogranicza możliwość reorganizacji pracy mimo dostępności technologii.

Kolejny obszar to administracja. Grzegorz Orski, wicedyrektor PwC Strategy& Polska, zwracał uwagę na możliwość automatyzacji procesu tworzenia dokumentacji i przygotowywania informacji o pacjencie przed wizytą.

– Sztuczna inteligencja może przejąć część powtarzalnych zadań, które nie generują dużej wartości dodanej, takich jak praca administracyjna czy sporządzanie notatek. Przykładem jest przygotowanie lekarza do wizyty. Zamiast przeglądać wiele dokumentów, mógłby otrzymać krótkie podsumowanie historii pacjenta z najważniejszymi informacjami. Dzięki temu więcej czasu można przeznaczyć na analizę problemu klinicznego i rozmowę z chorym – mówił Orski, powołując się na nowy raport PwC dotyczący możliwości wykorzystania sztucznej inteligencji w ochronie zdrowia.

Zagraniczne benchmarki pokazują, że wykorzystanie AI może przynieść oszczędności do 10 proc. Nawet przy ostrożnym założeniu, że uda się osiągnąć zaledwie kilka procent, w skali całego polskiego systemu ochrony zdrowia oznaczałoby to dziesiątki miliardów złotych w perspektywie kilku lat – podkreśla wicedyrektor PwC Strategy& Polska, który wskazuje też na potencjał AI w zarządzaniu zasobami szpitala, planowaniu zabiegów, dostępności personelu i rozliczaniu procedur. Technologia może pomóc lepiej wykorzystywać istniejące zasoby, czas i sprzęt.

AI potrafi dużo, ale stosują ją tylko nieliczne ośrodki. Problemem pozostaja prawo i finanse

Według ostatniego badania Centrum e-Zdrowia, ze sztucznej inteligencji korzysta tylko ok. 15 proc. szpitali. Zmienić ma to wdrażana ze środków KPO Platforma Usług Inteligentnych. Szpitale należące do sieci, czyli ok. 585 placówek, otrzymają bezpłatny dostęp do algorytmów m.in. w radiologii. Będą mogły elastycznie dobierać potrzebne algorytmy, podobnie jak instaluje się aplikacje na smartfonie.

Na razie wiele rozwiązań AI kończy się na etapie pilotażu. Powodem jest długotrwała i kosztowna certyfikacja oraz brak odpowiednich mechanizmów finansowania nowych rozwiązań przez NFZ.

– Szpital to bardzo poważna instytucja, w której nie ma miejsca na gadżety, nawet jeśli są bardzo interesujące. Po pierwsze, zadajemy sobie pytanie, jaki jest cel wdrożenia, a następnie czy w praktyce lekarskiej takie narzędzie będzie rzeczywiście wykorzystywane – tłumaczy Korbiński.

Prof. dr hab. Paweł Ptaszyński, dyrektor ds. medyczno-organizacyjnych Centralnego Szpitala Klinicznego Uniwersytetu Medycznego w Łodzi, zwraca uwagę na bezpieczeństwo danych i ryzyko bezkrytycznego korzystania z wyników generowanych przez algorytmy. Przywołał przykład automatycznych opisów EKG, które lekarze kopiowali do dokumentacji bez ich weryfikacji. W efekcie u pacjentek po porodzie pojawiało się błędne rozpoznanie zawału serca.

– Sztuczna inteligencja w swojej naturze karmi się danymi. Jeżeli ma ich mniej, konfabuluje, czyli sama dopowiada rzeczy, które niekoniecznie są prawdą. W zdrowiu jest to coś, czego chcielibyśmy uniknąć – ostrzega prof. Ptaszyński. Alternatywą jest budowanie przez szpitale własnych, odpowiednio anonimizowanych zbiorów danych, udostępnianych do testowania technologii w kontrolowanych warunkach.

– Z danymi pacjentów mamy dziś poważny problem. Wciąż brakuje jasnych wytycznych, które powiedziałyby dyrektorom szpitali, co jest bezpieczne, a co nie, jak należy anonimizować dane i na jakich zasadach można je udostępniać. Pacjent ma prawo nie zgodzić się na ich wykorzystanie i musimy tę decyzję uszanować. W codziennej praktyce coraz częściej widzimy, że pacjenci mają takie wątpliwości, zwłaszcza gdy słyszą o kolejnych cyberatakach i wyciekach danych – podkreśla prof. Ptaszyński.

Według badania Centrum e-Zdrowia, 40 proc. szpitali planuje wdrożenie AI. Według różnych badań innowacja może zaoszczędzić dziesiątki miliardów złotych dzięki lepszymu wykorzystaniu środków. Aby tak się stało, szpitale potrzebują stabilnego modelu finansowania technologii. Samo pozyskanie grantu na pilotaż nie wystarczy, jeśli po jego zakończeniu placówka nie ma pieniędzy na dalsze stosowanie rozwiązania i jego utrzymanie. System zdrowia i stawki NFZ nie nadążają za tym, co oferują nowe technologie.

Czytaj także: Wystarczy jego zdjęcie twarzy, aby AI obliczyło ryzyko zgonu