W ciągu ostatniego roku 58 proc. dorosłych Polaków korzystało z AI w sprawach zdrowotnych. Ufamy AI na tyle, że otrzymane rekomendacje wpływają na nasze decyzje dotyczące wizyt lekarskich, leków i sposobu leczenia – wynika z raportu „Zdrowie z AI”.

O co pytamy AI w sprawach zdrowotnych?

Najpopularniejszym zastosowaniem AI jest poszukiwanie informacji o objawach. Wskazuje na nie 50,7 proc. ankietowanych korzystających z AI w sprawach zdrowotnych. Kolejne miejsca zajmują pytania o leki i suplementy, ich działanie, interakcje oraz działania niepożądane (36 proc.) oraz interpretacja wyników badań (33 proc.).

Aż 27 proc. użytkowników wgrało do czatu własne wyniki badań, zanim omówiło je z lekarzem. Z pomocy AI przy interpretacji wyników częściej korzystają kobiety (40 proc.) niż mężczyźni (26 proc.). W grupie osób po 50. roku życia odsetek ten sięga 42 proc. Młodsi użytkownicy częściej pytają natomiast o stres, sen i zdrowie psychiczne (32 proc. korzystających z AI w sprawach zdrowotnych).

Do chatbotów najczęściej sięgają młodzi ludzie. W grupie do 24. roku życia z AI w sprawach zdrowotnych korzysta 74,5 proc. badanych, w wieku 25–34 lata – 72,3 proc, 35–49 lat – 65,9 proc., a po 50. roku życia – 43,7 proc. Najczęściej do AI z kolejnymi pytaniami wracają osoby w wieku 35–49 lat. Dochód, wykształcenie oraz wielkość miejscowości miały niewielki wpływ na wyniki.

AI wpływa na to, jak się leczymy i czy chodzimy do lekarza

Czat z AI często prowadzi do wizyty w gabinecie lekarskim. 13,6 proc. użytkowników AI zadeklarowało, że po rozmowie z chatbotem umówiło wizytę lekarską, na którą bez tej rozmowy prawdopodobnie by się nie zgłosiło. Według szacunków odpowiada to około 2 mln osób. 7,4 proc. zrezygnowało z zaplanowanej wizyty. Wśród najmłodszych te wartości wynoszą odpowiednio 27 i 8 proc. Co dziewiąty użytkownik pytał AI także o wybór lekarza, przychodni lub szpitala.

Największe znaczenie dla systemu ochrony zdrowia mają jednak dane dotyczące leków. 19,2 proc. użytkowników kupiło lek bez recepty lub suplement zgodnie z sugestią AI. 8,3 proc. zmieniło dawkowanie leku albo odstawiło go bez konsultacji z lekarzem. Ponadto 14,9 proc. badanych potraktowało odpowiedź AI jako diagnozę.

39 proc. użytkowników regularnie weryfikuje odpowiedzi AI u lekarza, farmaceuty lub w innym wiarygodnym źródle, a 70 proc. robi to przynajmniej od czasu do czasu. Jednocześnie 25,4 proc. nie robi tego wcale. Wśród osób po 50. roku życia odsetek ten rośnie do 33,4 proc. Tylko 17,2 proc. konsultowało odpowiedź AI bezpośrednio z lekarzem lub farmaceutą.

Pytamy o AI, bo trudno dostać się do lekarza?

Szukanie informacji zdrowotnych na własną rękę nie jest nowym zjawiskiem. Z badania przeprowadzonego na potrzeby kampanii „Pobierz Zdrowie” w 2023 r. wynika, że 86 proc. Polaków regularnie poszukuje informacji związanych ze zdrowiem w internecie. Do AI albo Google zwracamy się po poradę, bo są w zasięgu ręki i bezpłatne.

Według Eurostatu w 2025 r., z narzędzi generatywnej AI korzystało 32,7 proc. mieszkańców UE w wieku 16–74 lat, podczas gdy w Polsce było to około 25 proc. Dla porównania, najwyższy poziom odnotowano w Danii – 48,4 proc., Estonii – 46,6 proc. i na Malcie – 46,5 proc. Wysoki poziom korzystania z AI w celach zdrowotnych może mieć także związek z długimi kolejkami do lekarzy oraz niezadowoleniem Polaków z ochrony zdrowia. Taka korelacja wynika m.in. z badania „Global analysis of country-level factors associated with chatbot usage for health” przeprowadzonego przez Microsoft AI.

Raport „Zdrowie z AI”, przygotowany przez On Board Think Kong we współpracy z SW Research, opiera się na badaniu 1000 dorosłych Polaków przeprowadzonym 8–10 września 2026 r. Próba była reprezentatywna dla dorosłej populacji Polski pod względem płci, wieku i miejsca zamieszkania. Autorzy zastrzegają, że przeliczenia procentów na liczbę mieszkańców Polski mają charakter przybliżony.

Czytaj także: Co trzeci pacjent sięga do AI po wsparcie psychiczne

Placówki zdrowia gromadzą ogromne ilości danych. Za ich przechowywanie i ochronę słono płacą, ale rzadko z nich korzystają. W ten sposób dane stają się ukrytym kosztem i obciążeniem zamiast zasobem służącym do poprawy jakości leczenia albo zarządzania. To właśnie tzw. dark data, czyli „ciemne dane”.

• „Ciemne dane” to zasoby informacji gromadzonych przez placówki medyczne, które leżą odłogiem. Ich przechowywanie, ochrona i utrzymanie dużo kosztują, a nie ma z nich żadnych korzyści.
• Szacuje się, że nawet 97 proc. danych w ochronie zdrowia pozostaje niewykorzystanych, a około 80 proc. danych medycznych ma nieustrukturyzowaną postać, m.in. w formie notatek, opisów badań i obrazów diagnostycznych.
• Niewykorzystane dane generują koszty utraconych korzyści. Teoretycznie mogłyby wspomagać decyzje medyczne i organizacyjne, ale nikt do nich nie zagląda.
• Dziś każda placówka ma wystarczająco dużo danych. Brakuje za to szybkiego dostępu do nich oraz narzędzi pozwalających pracownikom uzyskać potrzebne informacje w ramach swoich uprawnień.
• Aby dane stały się aktywem, placówki potrzebują strategii danych i modelu „pytanie – analiza – działanie – pomiar – dzielenie się wiedzą”, który przekłada informacje na konkretne zmiany w organizacji.

Gdy dane stają się kulą u nogi zamiast aktywem

Medycyna jest bogata w dane, ale biedna w wiedzę – szpitale, przychodnie, gabinety lekarskie codziennie rejestrują terabajty cennych danych, ale ich wartość przecieka przez palce.

Zakup systemu IT, aktualizacje, szkolenia, serwis, wynagrodzenia pracowników działu IT sporo kosztują. Do tego dochodzą koszty bazy danych w chmurze albo lokalnej, zabezpieczeń przed cyberatakami, zapewnienia zgodności z wymaganiami prawno-administracyjnymi i RODO, a w miarę rozrastania się bazy – zakupu kolejnych serwerów lub wolumenu danych w chmurze.

Sumują się one w tysiące, setki tysięcy złotych rocznie. Od lat jedynym zwrotem z inwestycji w dane (ROI) jest możliwość rozliczenia z NFZ albo sprawdzenia historii leczenia w EDM. W międzyczasie, zwłaszcza dzięki systemom analitycznym, algorytmom i sztucznej inteligencji, dane można zamienić na wiedzę pomagającą podejmować decyzje medyczne, ciąć zbędne koszty działalności, poprawiać jakość i wyniki leczenia, zwiększać satysfakcję pracowników i obniżać obciążenia administracyjne, a ostatecznie – poprawiać rentowność działalności.

Dane powinny być aktywem, a nie kosztem. Powinny pracować na rozwój placówki i pomagać w rozwiązywaniu problemów, a nie leżeć odłogiem.

Około 97% danych gromadzonych w ochronie zdrowia pozostaje niewykorzystanych. Według Światowego Forum Ekonomicznego, statystyczny szpital generuje ok. 50 petabajtów danych rocznie. Większość z nich jest uwięziona w silosach danych, niewykorzystana albo lekceważona. Według przeglądu literatury opublikowanego w 2026 r., około 80 proc. danych medycznych ma nieustrukturyzowaną postać. To m.in. notatki kliniczne, opisy badań czy obrazy diagnostyczne.

Utraconej wiedzy i gorszych decyzji nie widać na co dzień

Problemem „ciemnych danych” są nieproporcjonalnie duże koszty utrzymania w porównaniu z korzyściami finansowymi, które mogłyby generować. Części strat wynikających z niewykorzystanego potencjału danych nie da się oszacować, bo są ukryte w utraconej wiedzy i możliwościach, które ta wiedza daje.

W każdej placówce zdrowia każdego dnia podejmowane są tysiące mikro-decyzji. Ich jakość wynika właśnie z wiedzy – jeśli jest dziurawa albo niekompletna, może prowadzić do pogorszenia wyników leczenia, opóźnień w czasie oczekiwania pacjentów, zwiększenia kosztów, zakłóceń organizacyjnych, nieoptymalnego wykorzystania sprzętu, złego planowania dyżurów itd.

Tymczasem większość informacji, których potrzebują pracownicy – od rejestracji, przez lekarzy i pielęgniarki, po zarząd – najczęściej znajduje się gdzieś w bazie szpitala. Ponieważ nie są dostępne, są ignorowane. A nawet jeśli da się je „wyciągnąć”, sama procedura już na dzień dobry zniechęca. Trzeba zwrócić się do informatyka, cały proces może trwać godzinami albo dniami, a w tym czasie informacja staje się nieaktualna.

Problem ciemnych danych pokazuje wiele badań naukowych, przykładowo, „Is Untapped Dark Data a Missed Opportunity? A Mixed-Methods Study of Healthcare Professionals’ Perceptions and Barriers”. Wynika z niego, że pracownicy ochrony zdrowia dostrzegają wartość danych, ale placówki medyczne często nie mają odpowiednich kompetencji, mechanizmów dostępu, zarządzania i integracji danych. To powoduje, że w codziennej pracy nie można uzyskać odpowiedzi na konkretne pytania.

Dostęp w ramach uprawnień musi być od ręki

Jak sprawić, żeby dane, które są potrzebne do podejmowania decyzji, były dostępne od ręki w ramach określonych uprawnień? Tak, aby lekarz mógł zestawić ostatnie badania naukowe ze skomplikowanym przypadkiem medycznym; ordynator – sprawdzić czynniki wpływające na wydłużenie czasu hospitalizacji albo poziom readmisji; a menedżer – analizować możliwości lepszego wykorzystania MRT albo RTG poza godzinami szczytu przeprowadzania badań albo dojść do informacji, dlaczego operacje zaczynają się z opóźnieniem?

W pierwszym kroku trzeba stworzyć nową strategię danych określającą, jakich danych i analiz potrzebują pracownicy, jak często powinny być dostarczane (na żądanie, codziennie, co tydzień), w jakim celu; kto i dlaczego powinien mieć dostęp do narzędzi analitycznych; jakie już dostępne aplikacje i narzędzia pozwalają wyciągnąć poszukiwaną wiedzę z np. oprogramowania gabinetowego. Eksperci zalecają, aby dostęp do danych zawsze odbywał się w pętli: pytanie – analiza – działanie – pomiar – dzielenie się wiedzą. Sam dostęp do danych niczego nie zmieni, jeśli nie zostanie wykorzystany do zmiany organizacji pracy albo procedur opieki i leczenia.

Czytaj także: E-zdrowie wchodzi w nowy etap: „Zaczynamy integrować dane”

Hakerzy twierdzą, że wykradli dane nawet 5 mln pacjentów oraz 8 mln prywatnych zdjęć, włamując się do programu medycznego Medyc. Jego dostawca – firma Qbusoft – potwierdził na razie kradzież imion, nazwisk, numerów PESEL, adresów, numerów telefonów i adresów e-mail.

• Między 22 a 23 sierpnia 2026 r., hakerzy wykradli przechowywane w chmurze systemu Medyc dane pacjentów. Incydent wykryto dopiero 8–9 września, a upubliczniono go 24 września.
• Producent Qbusoft potwierdza kradzież danych osobowych oraz – w przypadku jednej z placówek zdrowia – danych medycznych.
• Sprawcy twierdzą, że skopiowali dane 5 mln pacjentów i 8 mln prywatnych zdjęć. Wcześniejsze szacunki mówiły o około 1 mln osób. Liczby te nie zostały potwierdzone.
• Zaufana Trzecia Strona wskazuje na możliwy związek cyberataku z incydentem w MyDr, w wyniku którego w sierpniu br. skradziono dane 19 mln pacjentów.
• Qbusoft deklaruje, że powiadomił m.in. CBZC, UODO i CSIRT NASK. Ale minister cyfryzacji twierdzi, że firma nie zgłosiła incydentu do właściwych służb.

Atak na Medyc nastąpił w sierpniu, informacje ujawniono dopiero teraz

Pierwsze informacje o incydencie pochodzą z komunikatu Odwykowo-Psychiatrycznego Ośrodka Leczniczego w Inowrocławiu, który korzystał z systemu Medyc. Według informacji przekazanych placówce przez Qbusoft oraz ustaleń ekspertów zajmujących się sprawą, 22–23 sierpnia 2026 r. osoba nieuprawniona wykorzystała podatność w interfejsie aplikacji i skopiowała z chmury zaszyfrowane archiwum bazy danych. Incydent został wykryty dopiero w nocy z 8 na 9 września. Przypomnijmy, że 10 dni wcześniej, hakerzy wykradli z systemu MyDr dane 19 mln pacjentów.

9 września Qbusoft przekazał materiały dotyczące incydentu policji, a 10 września – UODO. Firma poinformowała też Centralne Biuro Zwalczania Cyberprzestępczości, CSIRT NASK oraz ZUS. Z kolei w komunikacie producenta Medyc czytamy, że pierwsze niebezpieczne ataki na infrastrukturę odnotowano 9 września.

Jakie dane wyciekły z systemu Medyc?

Na obecnym etapie producent potwierdza kradzież imion i nazwisk, numerów PESEL, adresów zamieszkania, numerów telefonów, adresów e-mail. A co z dokumentacją medyczną? Według Qbusoft, hakerzy nie uzyskali do niej dostępu. Jednak w przypadku placówki w Inowrocławiu potwierdzono, że cyberprzestępcy pobrali dane pacjentów Oddziału Dziennego Leczenia Uzależnień. Chodzi o dane z okresu od 1 lipca 2024 r. do 23 sierpnia 2026 r. Według stanowiska dostawcy, prawdopodobnie wykradziono wypisy z leczenia.

Z kolei według ustaleń Zaufanej Trzeciej Strony wynika, że początkowo szacowano, że z systemu mogły zostać pobrane dane ok. 1 miliona pacjentów. Ale osoby przedstawiające się jako sprawcy ataku miały poinformować, że chodzi o dane 5 mln pacjentów. Dodatkowo mieli oni wykraść 8 mln „bardzo prywatnych” zdjęć. Jak podkreślają eksperci, te liczby nie zostały oficjalnie potwierdzone.

Skradzione dane kontaktowe mogą zostać wykorzystane przez oszustów podszywających się pod placówkę medyczną, firmę informatyczną lub inną instytucję. Qbusoft zaleca, aby nie przekazywać przez telefon, SMS-em lub e-mailem haseł, kodów autoryzacyjnych ani dodatkowych danych osobowych.

Czy za atakiem na Medyc stoją ci sami sprawcy co w przypadku MyDr?

Zaufana Trzecia Strona wskazuje na związek grupy lub osoby posługującej się pseudonimem „fingerprint” z wcześniejszym atakiem na system MyDr. To właśnie z ataku na MyDr miały pochodzić dane milionów Polaków ujawnione w sierpniu.

24 września do sprawy odniósł się minister cyfryzacji Krzysztof Gawkowski. Na platformie X poinformował, że Centralne Biuro Zwalczania Cyberprzestępczości prowadzi działania dotyczące incydentu związanego z Qbusoft i oprogramowaniem Medyc.

– Firma Qbusoft Sp. z o. o. jak dotąd nie zgłosiła incydentu cyberbezpieczeństwa do CERT Polska lub CSiRT CeZ. W przypadku naruszenia jakiejkolwiek procedury bezpieczeństwa przez prywatną firmę, będą wyciągnięte bezwzględne konsekwencje – czytamy we wpisie Ministra Gawkowskiego.

Sprawą szybko zainteresował się Urząd Ochrony Danych Osobowych. Prezes UODO poinformował o planowanej kontroli w Qbusoft.

Czego na razie nie wiemy o ataku ma Medyc?

Jak na razie nie potwierdzono ostatecznej liczby osób, których dane zostały skradzione. Liczba 5 mln pochodzi od sprawców, podczas gdy wcześniejsze szacunki mówiły o około 1 mln. To samo dotyczy 8 mln rzekowo skradzionych zdjęć. Służby wyjaśniają zakres danych, które mogły zostać pobrane z chmury danych. Producent na swojej stronie mówi o braku potwierdzenia kradzieży dokumentacji medycznej, podczas gdy komunikat placówki w Inowrocławiu wskazuje na bardzo prawdopodobne pozyskanie części dokumentacji.

Jest też kilka rozbieżności dotyczących informowania służb. Minister cyfryzacji twierdzi, że Qbusoft nie zgłosił incydentu do CERT Polska ani do CSIRT CeZ. Z kolei producent jest zdania, że 9 września poinformował Centralne Biuro Zwalczania Cyberprzestępczości, UODO, CSIRT NASK i Centrum e-Zdrowia.

Czytaj także: Nie tylko MyDr. Oto największe (jak dotąd) cyberataki 2026 roku

Pacjenci korzystają z różnych form umawiania wizyt – telefonicznie, przez www i aplikację mobilną lub Internetowe Konto Pacjenta (IKP). Dla placówki medycznej najważniejsze jest, aby wszystkie terminy spływały do jednego centralnego terminarza, co pozwala uniknąć podwójnych rezerwacji, błędów w harmonogramie oraz ciągłego przełączania się między różnymi systemami. Case study na przykładzie KAMSOFT.

• Pacjenci umawiają wizyty telefonicznie, online, przez aplikację, IKP, Centralną e-Rejestrację i bezpośrednio w placówce.
• Ale wszystkie terminy można zintegrować w jednym terminarzu dostępnym w systemie gabinetowym.
• W systemach KAMSOFT pacjenci mają do dyspozycji m.in. centralny portal szukania wolnych terminów wizyt LekarzeBezKolejki.pl oraz aplikację VisiMed do komunikacji z placówką zdrowia. Niezależnie od tego, jak umawiają wizyty, terminy trafiają do jednego miejsca.
• Powiadomienia SMS, voiceboty i infokioski odciążają rejestrację, usprawniają obsługę pacjentów i pomagają ograniczyć liczbę nieodwołanych wizyt (no-shows).
• Jeden terminarz eliminuje ręczne przepisywanie rezerwacji między systemami, zmniejsza ryzyko podwójnych zapisów i pozwala personelowi zarządzać wszystkimi wizytami w jednym miejscu.

Wszystkie terminy wizyt w jednym miejscu

Systemy gabinetowe KS-SOMED, KS-PPS oraz SERUM i MEDIPORTA integrują różne kanały rejestracji w ramach jednego terminarza. Niezależnie od tego, czy wizyta została umówiona telefonicznie, osobiście w rejestracji, przez OSOZ Portal Pacjenta, aplikację VisiMed, serwis LekarzeBezKolejki.pl czy Centralną e-Rejestrację, informacja automatycznie trafia do tego samego terminarza.

Zintegrowany terminarz to jednak dopiero początek. Placówki korzystające z oprogramowania KAMSOFT mogą udostępnić pacjentom różne kanały kontaktu i rejestracji, dostosowując je do swoich potrzeb.

Pacjenci mogą samodzielnie wyszukać termin i umówić wizytę online bez konieczności kontaktu z rejestracją. Rezerwacja automatycznie pojawia się w terminarzu placówki. Co ważne, serwis oferuje także możliwość zdalnego zamówienia recepty na kontynuację leczenia oraz konsultacje online z płatnościami internetowymi. Dzięki temu placówka może udzielać świadczeń zdrowotnych bez potrzeby osobistej wizyty pacjenta w przychodni. W trakcie połączenia on‑line (wideokonsultacji) lekarz może odbierać załączniki od pacjenta, m.in. konsultować wyniki badań, które zapisują się automatycznie na karcie pacjenta. Więcej informacji tutaj.

VisiMed. Wirtualna przychodnia w smartfonie pacjenta

Z serwisem LekarzeBezKolejki.pl współpracuje aplikacja mobilna VisiMed. Pozwala ona pacjentom wygodnie wyszukać lekarza, zarezerwować wizytę, skorzystać z porady online czy zamówić e‑receptę za pośrednictwem smartfona. Dzięki możliwości personalizacji, przychodnia może udostępniać pacjentom aplikację oznaczoną własnym logo i kolorystyką, budując nowoczesny kanał komunikacji. Więcej informacji tutaj.

OSOZ Portal Pacjenta umożliwia pacjentom samodzielne załatwienie wielu spraw online bez konieczności kontaktu z rejestracją. Pacjenci mogą umawiać i odwoływać wizyty, zamawiać recepty na leki stałe, sprawdzać wyniki badań oraz uzyskać dostęp do swojej dokumentacji medycznej. Portal może zostać dostosowany do identyfikacji wizualnej przychodni, stając się jej własnym kanałem komunikacji z pacjentami. Więcej informacji tutaj.

Integracja z Centralną e‑Rejestracją umożliwia udostępnianie terminów wizyt pacjentom korzystającym z Internetowego Konta Pacjenta. Wizyty umawiane przez ten kanał są automatycznie synchronizowane z terminarzem placówki, dzięki czemu personel pracuje na jednym, aktualnym harmonogramie bez konieczności ręcznego zarządzania rezerwacjami.

Powiadomienia OSOZ jako sposób na no-shows

Automatyczne powiadomienia SMS przypominają pacjentom o zbliżających się wizytach oraz umożliwiają ich szybkie potwierdzenie lub odwołanie. To skuteczny sposób na ograniczenie liczby nieodwołanych terminów i lepsze wykorzystanie dostępnych zasobów placówki.

Voicebot pomaga automatyzować obsługę wybranych połączeń telefonicznych, odciążając pracowników rejestracji i usprawniając kontakt z pacjentami. Dzięki platformie integracyjnej KAMSOFT placówka może współpracować z wybranym dostawcą rozwiązania voicebot, integrując je z systemem gabinetowym.

Infokioski wspierają organizację ruchu pacjentów w placówce. Mogą pomagać w potwierdzaniu obecności, kierowaniu pacjentów do właściwych gabinetów oraz usprawnianiu obsługi kolejki, zwiększając komfort zarówno pacjentów, jak i personelu.

Połączenie wielu kanałów rejestracji z jednym terminarzem pozwala uporządkować pracę rejestracji i wyeliminować konieczność ręcznego synchronizowania danych. Pacjent zyskuje swobodę wyboru sposobu kontaktu z placówką, a personel ma dostęp do pełnego i aktualnego harmonogramu wizyt. Dzięki temu placówki zyskują sprawniejszą organizację pracy, lepszą dostępność świadczeń oraz wyższy standard obsługi pacjenta.

Czytaj także: Jak KAMSOFT stworzył ekosystem IT opieki nad pacjentem?

Choć minęło 5 lat od obowiązku raportowania zdarzeń medycznych do systemu P1, robi to ok. 80 proc. szpitali oraz 60 proc. POZ-tów i AOS-ów – wynika z ankiety przeprowadzonej przez Centrum e-Zdrowia. Ministerstwo Zdrowia traci cierpliwość i planuje wprowadzić surowe kary finansowe.

Rząd przyjął tzw. „pakiet naprawczy w zdrowiu”. Nowe przepisy mają zlikwidować kominy płacowe lekarzy i przy okazji wprowadzić surowe kary za brak raportowania danych o zdarzeniach medycznych do Systemu Informacji Medycznej (SIM).

Chodzi dokładnie o projekt nowelizacji ustawy o działalności leczniczej oraz ustawy o systemie informacji w ochronie zdrowia (projekt UD434). Nowe przepisy mają trafić pod obrady Sejmu na najbliższym posiedzeniu zaplanowanym na 6 października 2026 roku.

Zaproponowany przez Ministerstwo Zdrowia projekt zakłada, że podmioty lecznicze, w tym szpitale, przychodnie oraz praktyki lekarskie, które nie przekażą danych dotyczących zdarzeń medycznych do Systemu Informacji Medycznej (SIM), mogą zapłacić grzywnę w wysokości do 30 tysięcy złotych. I to niezależnie od tego, czy to podmiot prywatny czy publiczny.

Resort zdrowia argumentuje, że dotychczasowe sposoby egzekwowania przepisów okazały się nieskuteczne. Nie pomogły nawet programy dofinansowania na zakup oprogramowania gabinetowego albo udostępnienie bezpłatnego systemu gabinet.gov.pl. Nadal 1 na 5 szpitali i 2 na 5 POZ-tów i AOS-ów nie wywiązują się z obowiązku. W efekcie pacjenci nie mają pełnego dostępu do historii swojego leczenia na Internetowym Koncie Pacjenta (IKP) i w aplikacji mojeIKP, a państwo nadal nie dysponuje m.in. pełnymi danymi epidemiologicznymi. Narzekają też podmioty, które na czas wdrożyły EDM, ale ich pacjenci i lekarze nadal nie „widzą” danych z placówek, które nie raportują do SIM.

Czytaj także: E-kolejka do szpitali i e-DiLO. Nowości e-zdrowia 2026/2027

Wyciek danych 19 mln pacjentów w efekcie cyberataku na MyDr nie jest odosobnionym przypadkiem. Oto inne, duże ataki hakerów, które miały miejsce w ostatnich miesiącach na całym świecie.

• Hakerzy coraz częściej atakują infrastrukturę krytyczną. W tym roku ofiarami padł m.in. dostawca sprzętu medycznego Stryker oraz amerykańskie wodociągi.
• W wyniku cyberataku wyciekają wrażliwe dane, a szpitale niejednokrotnie muszą odwoływać operacje, co w szpitalu NHS w Londynie doprowadziło do śmierci pacjenta.
• W Polsce tylko w marcu 2026 r. ofiarą cyberprzestępców padły 4 duże placówki medyczne.
• Największym dotychczasowym incydentem jest atak na MyDr z 10 sierpnia. Sprawcy uzyskali dostęp do ok. 19 mln numerów PESEL powiązanych z informacjami o lekach i wizytach.
• Według CSIRT Centrum e-Zdrowia, liczba incydentów bezpieczeństwa danych w sektorze zdrowia wzrosła z 435 w 2023 r. do 1441 w 2025 r.

Kasowanie danych u producenta sprzętu medycznego, paraliż wodociągów

Jednym z najgłośniejszych incydentów był atak na producenta sprzętu medycznego Stryker. 11 marca br. firma nagle utraciła dostęp do części globalnej infrastruktury Microsoftu, co zakłóciło przetwarzanie zamówień, produkcję i wysyłkę produktów.

To nie było ani ransomware, ani malware. Nie pojawiło się nawet żądanie okupu. Celem była destabilizacja działalności firmy. W toku dochodzenia ustalono, że napastnicy wykorzystali złośliwy plik do wykonywania poleceń w środowisku Microsoft Intune. W ten sposób hakerom udało się wykasować dane z komputerów w wewnętrznej sieci. Stryker został zmuszony do ręcznej obsługi części zamówień i ogromnych zmian organizacyjnych, w tym uruchomienia dodatkowych zmian, aby dostarczyć zamówiony sprzęt na czas.

W maju 2026 r. ofiarą cyberataku padła platforma edukacyjna Canvas. Grupa hakerów ukrywająca się pod pseudonimem ShinyHunters poinformowała, że uzyskała dostęp do około 3,65 TB danych i wykradła dane nawet 275 mln użytkowników. Z Canvas korzysta tysiące szkół, uczelni i instytucji edukacyjnych na całym świecie. Napastnicy zażądali okupu, grożąc publikacją skradzionych informacji.

W lutym doszło do ataku na Substack – amerykańską platformę internetową do publikowania treści dostępnych w ramach płatnego abonamentu: newsletterów, artykułów, podcastów i materiałów wideo. Cyberprzestępcy uzyskali dostęp do danych użytkowników platformy, w tym adresów e-mail i numerów telefonów. Według dostępnych ekspertyz, cyberprzestępcy wykorzystali słabość w systemach i niewystarczające mechanizmy kontroli dostępu. Ostatecznie opublikowali wykradzione dane – czyli 697 tys. rekordów – w internecie.

Pod koniec lipca 2026 r. doszło do serii ataków na co najmniej 30 miejskich systemów wodociągowych w USA. Hakerzy zaatakowali podpięte do internetu sterowniki PLC firmy Rockwell Automation, czyli urządzenia sterujące fizycznymi procesami w infrastrukturze wodociągowej. FBI poinformowało, że incydenty dotknęły przedsiębiorstw wodociągowych w co najmniej 7 stanach. W części przypadków ataki doprowadziły do zakłócenia działania systemów uzdatniania i dystrybucji wody.

Odwołane operacje i przerwy w leczeniu na całym świecie

Aż 3 miesiące trwał atak na największy publiczny system ochrony zdrowia w Stanach Zjednoczonych, czyli NYC Health + Hospitals. Łupem padły dane co najmniej 1,8 mln osób. Po tym, jak hakerzy uzyskali dostęp do sieci wewnętrznej, krok po kroku – aby nie wykryły tego systemy cyberbezpieczeństwa – kopiowali pliki zawierające dane osobowe, dokumentację medyczną, informacje finansowe oraz dane biometryczne, w tym skany odcisków palców i dłoni.

W kwietniu, z pomocą złośliwego oprogramowania ransomware, hakerzy zaatakowali ChipSoft, dostawcę systemów informatycznych dla holenderskich szpitali. Co najmniej 11 szpitali musiało czasowo ograniczyć korzystanie z oprogramowania i przejść na dokumentację papierową.

Kolejny cyberatak wymierzony został w 1500 lekarzy korzystających z systemów francuskiego dostawcy oprogramowania medycznego Cegedim Santé. Wyciekły dane nawet 15 mln osób. W Australii cyberprzestępcy uzyskali dostęp do danych z co najmniej 21 klinik sieci Partnered Health. Wśród przejętych informacji znalazły się nazwiska, daty urodzenia, adresy, numery ubezpieczenia Medicare oraz dane medyczne, w tym notatki z konsultacji, skierowania i wyniki badań. Za odblokowanie systemów napastnicy zażądali okupu.

W Belgii cyberatak na szpital AZ Monica w Antwerpii doprowadził do odwołania 70 planowanych operacji i konieczności przekierowania 7 ciężko chorych pacjentów do innych placówek. Oddział ratunkowy działał w ograniczonym zakresie, a działalność zespołów ratownictwa została czasowo zawieszona. Następnego dnia szpital informował, że jest w stanie realizować zaledwie około 30 proc. planowych świadczeń.

4 duże ataki na polskie placówki w 1 miesiąc i dane 19 mln osób z systemu MyDr

W nocy z 7 na 8 marca z pomocą ransomware hakerzy zaatakowali Samodzielny Publiczny Wojewódzki Szpital Zespolony w Szczecinie. Napastnicy zaszyfrowali część danych i zablokowali dostęp do systemów, żądając kilku milionów dolarów okupu. Szpital musiał przejść na papierowy tryb pracy, sprawą zajęła się prokuratura.

Kilka dni później podobny atak odnotowano w Bonifraterskim Centrum Medycznym. Ransomware zaszyfrował dane na serwerach placówki, cyberprzestępcy mogli również uzyskać dostęp do danych osobowych pacjentów.

26 marca 2026 r. cyberatak zarejestrowano też w Centrum Medycznym „Eskulap” w Raciborzu. Cyberprzestępcy zaszyfrowali dane, w efekcie czego placówka utraciła czasowo dostęp do m.in. dokumentacji medycznej.

Serię marcowych incydentów zamyka cyberatak z 31 marca 2026 r. na Świętokrzyskie Centrum Rehabilitacji w Czarnieckiej Górze. Złośliwe oprogramowanie zaszyfrowało dane przetwarzane przez placówkę i doprowadziło do blokady działania systemów informatycznych.

28 maja 2026 r. Wielkopolskie Centrum Medyczne REMEDIUM wykryło nieuprawniony dostęp do danych przechowywanych w systemach informatycznych placówki. Naruszenie objęło dane zawierające imiona i nazwiska, numery PESEL, numery dowodów osobistych oraz informacje o stanie zdrowia. Placówka natychmiast odizolowała zaatakowane systemy od sieci, zabezpieczyła logi i dowody, a o incydencie poinformowała organy ścigania oraz Prezesa UODO. W lipcu, także z pomocą ransomware, doszło do incydentu w PaKK-MED, sieci czterech placówek podstawowej opieki zdrowotnej w województwie zachodniopomorskim. Po wykryciu ataku systemy zostały wyłączone, a placówki przeszły na dokumentację papierową. W komunikacie wskazano, że przestępcy przejęli dane osobowe.

Atak na MyDr z 10 sierpnia to największy na chwilę obecną wyciek danych w ochronie zdrowia i historii Polski. Okoliczności zdarzenia nadal wyjaśniają Policja i Centralne Biuro Walki z Cyberprzestępczością. Osoby podające się za sprawców poinformowały, że uzyskały dostęp do prawie 19 mln unikatowych numerów PESEL powiązanych z informacjami o lekach i wizytach. O tej sprawie piszemy szczegółowo na blogu OSOZ.

Według danych CSIRT Centrum e-Zdrowia, w 2025 roku odnotowano 1441 incydentów bezpieczeństwa danych w sektorze zdrowia. W 2024 roku było ich 1028, a w 2023 roku – 435.

Czytaj także: Shoulder surfing, sztuczka na kuriera: Tak dane wyciekają po cichu

Kolonoskopia z wykorzystaniem systemów sztucznej inteligencji może zwiększyć skuteczność wykrywania potencjalnych zmian nowotworowych. Nowa analiza oparta na metodologii hospital-based HTA sugeruje, że inwestycja w tego typu rozwiązania zwraca się już nawet po niespełna 2 latach.

• Metaanaliza badań z udziałem 4354 pacjentów wykazała, że zastosowanie AI w kolonoskopii zwiększa ADR (odsetek badań, podczas których wykryto przynajmniej jednego gruczolaka) z 25,2 proc. do 36,6 proc.
• Systemy typu CADe działają jak dodatkowa para oczu, analizując obraz z endoskopu w czasie rzeczywistym i wskazując lekarzowi podejrzane zmiany.
• Przy 2000 kolonoskopii rocznie i wzroście ADR o 6 pkt proc. oraz wydatkach rzędu ok. 313 tys. zł, zwrot z inwestycji następuje już po około 3,1 roku.
• W najlepszym scenariuszu inwestycja może zwrócić się po niespełna 2 latach, natomiast przy mniejszym wolumenie badań i słabszej poprawie ADR okres zwrotu może wydłużyć się do około 6,4 roku.
• Wdrożenie AI ma sens w dużych, dobrze zorganizowanych pracowniach kolonoskopii.

Rak jelita grubego. Coraz więcej chorych, także w młodym wieku

Rak jelita grubego należy do najczęściej rozpoznawanych nowotworów w Polsce. W 2022 r. odnotowano około 18,8 tys. nowych przypadków zachorowań. Każdego roku z jego powodu umiera od 12 do 16,7 tys. pacjentów. Prognozy wskazują, że wraz ze starzeniem się społeczeństwa liczba nowych zachorowań będzie nadal rosła. Choroba coraz częściej dotyka osób przed 50. rokiem życia.

Złotym standardem diagnostyki od lat pozostaje kolonoskopia. Podczas jednego zabiegu pozwala przeprowadzić dokładną diagnostykę i usunąć wykryte polipy, z których potencjalnie może rozwinąć się nowotwór. Proces przemiany polipa w raka trwa zwykle od 7 do 12 lat, co daje dużą szansę na skuteczną profilaktykę.

Problemem pozostaje nadal niska zgłaszalność Polaków do programu przesiewowego. Według dostępnych danych, na badanie zgłasza się zaledwie 17 proc. osób z grup ryzyka. W Holandii odsetek ten sięga 68 proc., a w Danii – 65 proc. Pacjenci obawiają się bólu, wstydzą się badania, a część z nich woli nie znać diagnozy niż usłyszeć, że choruje na raka.

Kolonoskopia ma jednak swoje ograniczenia – nawet najbardziej doświadczeni endoskopiści mogą przeoczyć niewielkie zmiany, szczególnie podczas wielogodzinnej pracy. Od niedawna dostępne są rozwiązania sztucznej inteligencji, które analizują obraz w czasie rzeczywistym i oznaczają podejrzane obszary.

Sztuczna inteligencja pomaga wykryć więcej polipów

Praca „Ocena zasadności wdrożenia systemu sztucznej inteligencji wspierającego kolonoskopię w szpitalu publicznym z wykorzystaniem podejścia hospital-based HTA”, przygotowana w ramach studiów MBA SGH-WUM, jest pierwszym opracowaniem, które może pomóc szpitalom w podjęciu decyzji o inwestycji w AI w kolonoskopii. Jej autorami są Krzysztof Dylęgowski, menedżer w branży med-tech, a obecnie pracownik Olympus, oraz Jacek Sadowski, specjalista ginekologii onkologicznej.

Analizą objęto systemy typu CADe (Computer-Aided Detection) – oprogramowanie analizujące obraz z endoskopu w czasie rzeczywistym i sygnalizujące lekarzowi miejsca występowania polipów. CADe – podobnie jak systemy AI stosowane w radiologii – nie podejmuje decyzji za lekarza, ale pełni rolę dodatkowej pary oczu.

Najważniejszym wskaźnikiem jakości kolonoskopii jest ADR (adenoma detection rate), czyli odsetek badań, podczas których wykryto przynajmniej jednego gruczolaka. To właśnie poprawa ADR stanowi główny argument przemawiający za wdrażaniem AI.

Autorzy przywołują metaanalizę pięciu randomizowanych badań klinicznych obejmujących 4354 pacjentów. Zastosowanie systemów CADe zwiększyło ADR z 25,2 proc. do 36,6 proc., czyli o 11,4 punktu procentowego. Sztuczna inteligencja zmniejsza ryzyko przeoczenia zmian i pomaga ujednolicić jakość badań wykonywanych przez różnych operatorów.

Skuteczność takich systemów nadal zależy od jakości przygotowania pacjenta, doświadczenia endoskopisty, klasy sprzętu oraz organizacji pracy pracowni endoskopowej. AI jest narzędziem wspierającym, a nie autonomicznym diagnostą.

Kiedy inwestycja w CADe zaczyna się zwracać?

Aby sprawdzić ekonomiczną zasadność inwestycji w AI w kolonoskopii, autorzy zbudowali model przyrostowy. Założyli, że liczba wykonywanych kolonoskopii jest stała, natomiast dzięki wyższemu ADR rośnie liczba wykrywanych polipów, wykonywanych polipektomii oraz badań histopatologicznych. Efektem są większe przychody szpitala publicznego z usług realizowanych w ramach kontraktu z NFZ, ale i wyższe koszty materiałów oraz histopatologii.

W modelu bazowym przyjęto następujące parametry:

• 2000 kolonoskopii rocznie,
• wzrost ADR o 6 punktów procentowych,
• koszt inwestycji wynoszący ok. 313 tys. zł.

Przy takich założeniach, dodatkowy roczny przychód przekracza 151 tys. zł, dodatkowe koszty to około 51 tys. zł. Roczna nadwyżka finansowa przekracza 100 tys. zł. Próg rentowności można więc osiągnąć po około 3,1 roku.

Autorzy wzięli też pod uwagę dwa inne scenariusze, uwzględniające mniejszą i większą liczbę badań. Przy mniejszym wzroście ADR oraz wykonywaniu jedynie 1500 kolonoskopii rocznie zwrot z inwestycji wydłuża się do około 6,4 roku. Z kolei przy większym wolumenie badań i lepszych wynikach klinicznych okres zwrotu znacząco się skraca do 1,9 roku.

Największy wpływ na opłacalność mają dwa parametry: rzeczywista poprawa ADR oraz liczba wykonywanych kolonoskopii. Znacznie mniejsze znaczenie mają natomiast koszty histopatologii czy materiałów wykorzystywanych podczas polipektomii.

Nie każda pracownia kolonoskopii potrzebuje od razu AI

Choć nowe rozwiązania oparte na AI obiecują lepsze wyniki badań, autorzy sugerują, że zakup systemu AI trzeba dobrze przemyśleć. Wdrożenie technologii ma największy sens w pracowniach wykonujących duży wolumen badań, które dysponują potencjałem poprawy wskaźnika ADR oraz potrafią efektywnie wykorzystać stanowisko endoskopowe.

Aby skrócić czas zwrotu z inwestycji, tor wyposażony w AI powinien być wykorzystywany przede wszystkim do kolonoskopii, a nie współdzielony z innymi procedurami. Znaczenie ma też sposób finansowania inwestycji. Im większy udział środków zewnętrznych, tym szybciej szpital pokryje poniesione nakłady. Finansowanie zakupu wyłącznie z własnego budżetu wydłuża czas zwrotu, ponieważ całość kosztów musi zostać pokryta z dodatkowych przychodów wygenerowanych dzięki większej wykrywalności zmian. Opracowany model ma swoje ograniczenia: opiera się na uśrednionych parametrach funkcjonowania publicznego szpitala i nie uwzględnia wszystkich zmiennych ekonomicznych, dlatego powinien być traktowany jako narzędzie wspierające decyzje menedżerskie, a nie gotowy kalkulator inwestycyjny.

Czytaj także: Klinika Mayo stosuje 150 algorytmów AI. Do czego?

– Każda interakcja z technologią wywołuje u ludzi uczucia. Czasami są tak nowe, że nasz mózg sobie z nimi nie radzi. Ale możemy je kontrolować – mówi Pamela Pavliscak, cyberetnograf i autorka nowej książki „Cała gama uczuć. Jak być człowiekiem w cyfrowym świecie” („All the Feels”). Rozmawiamy o zjawisku „AI Brain Fry”, wpływie emotikonów na komunikację online i o tym, dlaczego cyfrowy detoks nie działa.

Jest Pani cyberetnografem i „bada przyszłość uczuć”. Co to dokładnie oznacza?

Cyberetnografia przenosi klasyczne metody badań społecznych do internetu. Polega na obserwowaniu zachowań użytkowników i rozmowach z nimi, aby zrozumieć, jak funkcjonują w świecie cyfrowym i jakie znaczenie nadają swoim internetowym doświadczeniom. Mnie najbardziej interesuje ich wymiar emocjonalny.

Z kolei badanie przyszłości uczuć koncentruje się na tym, jak nowe technologie zmieniają nasze emocje – jak je przeżywamy, rozpoznajemy, nazywamy i wyrażamy.

Technologia nie tworzy nowych emocji, ale na nowo je definiuje. Człowiek od zawsze odczuwał tęsknotę, zazdrość, zakłopotanie, czułość i niepewność. Teraz nowe technologie nadają im zupełnie nowe wymiary.

Na przykład czekanie na odręcznie napisany list wygląda zupełnie inaczej niż oczekiwanie na odpowiedź w komunikatorze. Dziś zamiast wypatrywać listonosza obserwujemy trzy migające kropki na ekranie. Inaczej przeżywamy też tęsknotę, gdy wiemy, że ktoś jest dostępny online, ale nie odpisuje.

Pracowała Pani m.in. dla Google czy IKEA. Czego firmy oczekują od Pani?

Firmy zwracają się do mnie, gdy chcą lepiej zrozumieć swoich klientów. Twórcy usług opartych na sztucznej inteligencji chcą wiedzieć, kiedy AI jest odbierana jako pomoc, a kiedy jako zbyt daleko idącą ingerencją w życie użytkownika. Sklepy internetowe szukają sposobów, jak sugerować nowe produkty, nie odbierając klientom radości odkrywania. A platformy komunikacji dla pracowników chcą zrozumieć, dlaczego ciągła widoczność online wywołuje stres, mimo że ma ułatwiać współpracę.

Stworzyłam własny model mapowania emocji, który pomaga zrozumieć, jak rozwiązania technologiczne wpływają na uczucia użytkowników i jak tę wiedzę wykorzystać przy projektowaniu produktów.

Wiemy już, że ciągłe powiadomienia na telefonie mogą wywoływać niepokój, a nieskończone scrollowanie w mediach społecznościowych prowadzić do uzależnienia cyfrowego. Ale to tylko część problemu. W swoich badaniach pokazuję, że istnieje wiele mniej oczywistych elementów platform online, smartfonów albo aplikacji, jak komunikatory internetowe, które kształtują nasze emocje i zachowania, choć na co dzień niemal ich nie zauważamy.

Czy dzięki tym badaniom udało się Pani osobiście poprawić jakość interakcji z technologią?

Na pewno bardziej świadomie korzystam z technologii, choć daleko mi do ideału. Nadal potrafię złapać się na 20-minutowym oglądaniu filmików o ratowaniu psów, a czasem zdaję sobie sprawę, że zielona kropka pokazująca, że wszyscy są akurat online, wzbudza we mnie poczucie presji.

Ale dzięki moim badaniom nie traktuję już każdej negatywnej emocji pojawiającej się w kontakcie z technologią jako czegoś, co bierze się ze mnie. Staram się analizować, czy odpisuję komuś na wiadomość dlatego, że naprawdę chcę, czy dlatego, żeby to odhaczyć na liście zadań i nie zawracać sobie więcej głowy. Czy sztuczna inteligencja pomaga mi tworzyć i myśleć, czy jedynie podsuwa kierunek myślenia niezgodny z moimi przekonaniami?

Dzięki znajomości mechanizmów powstawania emocji w świecie cyfrowym mogę też zdecydować, czy w razie potrzeby lepiej przenieść rozmowę do innego kanału komunikacji albo jak ograniczyć czas spędzany w mediach społecznościowych.

Nauczyłam się też doceniać drobne gesty, na przykład, gdy przyjaciel wyśle zabawny mem komentujący jakąś sytuację. Nie dążę do optymalizacji swoich emocji, ale do lepszego ich zrozumienia. Staram się obserwować, które technologie wzbogacają moje życie, a które je zubażają – i świadomie wybierać te pierwsze.

W swojej książce pisze Pani o neo-emocjach, czyli doświadczeniach emocjonalnych kształtowanych przez technologie. Może Pani podać kilka przykładów?

Neo-emocje to emocje, które pojawiają się, gdy nasze codzienne uczucia występują w kontekście korzystania z technologii. Nie są to zupełnie nowe emocje w sensie biologicznym, ale nowe sposoby ich przeżywania. Nazywam to nową konfiguracją emocji.

Część z nich została już opisana przez naukowców. Dobrym przykładem jest zespół fantomowej wibracji. To uczucie, że telefon zawibrował, choć w rzeczywistości tak się nie stało. Nasz mózg tak przyzwyczaił się do powiadomień, że potrafi je symulować. Są też określenia, które wywodzą się z internetu, jak „corecore” opisujące poczucie przeciążenia bodźcami i emocjami.

Takie neo-doświadczenia generuje też sztuczna inteligencja. „AI Brain Fry” to zmęczenie i mentalne przeciążenie wynikające z długotrwałego używania chatbotów sztucznej inteligencji oraz konieczności ciągłego weryfikowania odpowiedzi generowanych przez AI. Z kolei „capability glow” opisuje ekscytację i poczucie sprawczości, gdy AI nagle pozwala nam zrobić coś, czego wcześniej nie potrafiliśmy lub co zajmowało nam znacznie więcej czasu.

Warto nauczyć się identyfikować i nazywać takie doświadczenia, bo język pomaga je zrozumieć. Jeśli jestem świadomy, że emocjonalne zmęczenie to efekt AI brain fry, negatywne uczucie przestaje być odbierane jako własna słabość i staje się czymś, z czym można sobie lepiej radzić.

W wystąpieniach na konferencjach TED przytacza Pani więcej nowych terminów, takich jak „bezdech ekranowy” albo „niepokój trzech kropek”.

Tak, pojawia się coraz więcej nowych pojęć, które pomagają opisać emocje związane z technologią. Jednym z nich jest „bezdech ekranowy” – nawyk wstrzymywania oddechu lub bardzo płytkiego oddychania podczas wpatrywania się w ekran, na przykład podczas odpisywania na e-maile czy przeglądania mediów społecznościowych. To pokazuje, że korzystanie z technologii wpływa nie tylko na naszą psychikę, ale także ciało.

Innym przykładem jest ortosomnia. Aby poprawić jakość snu, zaczynamy go monitorować za pomocą technologii ubieralnych, np. smartwatcha. Paradoksalnie, taka kontrola zaczyna nas stresować i pogarsza sen. Pokazuje to, że czasami bardziej polegamy na danych niż na własnych odczuciach. Powodem jest też wszechobecna i silna emocjonalna potrzeba optymalizacji i maksymalizacji.

Coraz częściej mówi się też o „syndromie głównego bohatera”, czyli przekonaniu, że nasze życie powinno wyglądać jak film albo relacja w mediach społecznościowych. Taka narracja może prowadzić do narcyzmu. Ale może być też pozytywna, pomagając dostrzegać piękno codziennych chwil i czerpać z nich większą radość.

Lubię takie nowe określenia, bo pomagają nazwać doświadczenia, które wcześniej trudno było opisać, zrozumieć własne emocje i nabrać do nich dystansu.

Innym dobrym przykładem jest „niepokój trzech kropek” – uczucie napięcia, gdy patrzymy na migającą ikonę w komunikatorze i czekamy, aż druga osoba dokończy pisanie wiadomości. Doświadcza go wiele osób.

Wiele uczuć można wyrażać w komunikacji online za pomocą symboli. Używamy emotikonów oraz ikon „Lubię to” i „Nie lubię tego”. Czy istnieją inne sposoby wyrażania emocji podczas czatu w smartfonie?

Czasem jeden mem potrafi lepiej oddać nastrój niż długi tekst; GIF też komunikuje emocje dzięki mimice i gestom, które są komentarzem do określonego kontekstu sytuacji. Nawet wysłanie komuś serii zabawnych filmików ze zwierzętami może oznaczać „myślę o tobie”.

W bliskich relacjach tworzymy własny język komunikacji, dialekty. Nawet tak błahy element jak znak interpunkcyjny może wyrażać złość, a w innym przypadku – troskę. Przyjaciele mają swoje naklejki, memy czy żarty, które rozumieją tylko oni. W takiej komunikacji online szczególnie dobrze odnajdują się młodzi ludzie.

Technologia czasami ułatwia mówienie o emocjach. Niektórym łatwiej napisać wiadomość niż powiedzieć to komuś twarzą w twarz. Komunikacja tekstowa daje czas na przemyślenie odpowiedzi. Są też awatary, które pomagają niektórym osobom wyrażać emocje, których w bezpośrednim kontakcie nie odważyłyby się pokazać. Dzięki takiej masce zachowują bezpieczny dystans.

Platformy internetowe, zwłaszcza media społecznościowe, często upraszczają emocje. Przykładowo, przycisk „Lubię to” może oznaczać współczucie, uznanie, zgodę albo zwykłą uprzejmość. Wszystko zależy od kontekstu informacji. Dlatego żywa i autentyczna komunikacja emocjonalna w internecie zaczyna się tam, gdzie użytkownicy sami tworzą bogatszy język emocji, zamiast ograniczać się do tego, co oferuje gotowy interfejs.

W swojej najnowszej książce „All the Feels” twierdzi Pani, że cyfrowy detoks mija się z celem.

Badania nad cyfrowym detoksem nie dają jednoznacznej odpowiedzi. Niektórym osobom przerwa od technologii rzeczywiście pomaga, zwłaszcza jeśli korzystanie z niej stało się kompulsywnym nawykiem lub doprowadziło do pogorszenia jakości snu. Inne badania wskazują na niewielką poprawę pozytywnych emocji lub zadowolenia z życia wynikającą wyłącznie z tymczasowej abstynencji – to nie dziwi, bo każda aktywność w internecie inaczej wpływa na nas emocjonalnie. Czym innym jest bezmyślne przeglądanie mediów społecznościowych do późnej nocy, a czym innym rozmowa z bliską osobą, tworzenie sztuki czy szukanie informacji o zdrowiu.

Problem z cyfrowym detoksem polega na tym, że opiera się na prostym założeniu: technologia jest szkodliwa, a jej odstawienie rozwiąże problem. Tymczasem po detoksie większość osób wraca do tych samych nawyków, i to z poczuciem winy, że nie udało się całkowicie odciąć od technologii. Albo jeszcze gorzej – z przekonaniem, że po przerwie może spędzić w sieci jeszcze więcej czasu.

Dlatego lepiej zadać sobie pytanie, które aktywności sprawiają, że czuję się bliżej innych, bardziej kompetentny lub ciekawy świata, a które wywołują niepokój, poczucie bezsilności albo odrętwienie. Czasem najlepszym rozwiązaniem jest wylogowanie się, ale nie powinien to być jedyny sposób na budowanie zdrowej relacji z technologią.

Zachęca Pani firmy do „projektowania rozwiązań cyfrowych opartych na inteligencji emocjonalnej”.

Projektowanie oparte na inteligencji emocjonalnej zaczyna się od świadomości, że każda technologia wywołuje emocje – niezależnie od tego, czy inżynierowie, którzy ją projektowali, mieli takie intencje.

Pytanie brzmi, czy te emocje wspierają potrzeby użytkownika.

Oto kilka przykładów: aplikacja finansowa, która wyjaśnia błąd, nie sprawiając, że użytkownik czuje się niekompetentny; portal zdrowotny, który wyraźnie komunikuje znaczenie wyniku badania, nie wywołując niepotrzebnego niepokoju; albo nawet funkcja „cofnij wysłanie e-maila”, która daje użytkownikowi poczucie kontroli.

Równie ważne jest, aby technologia nie udawała, że wie o naszych emocjach więcej niż ma to miejsce w rzeczywistości. Klasycznym przykładem jest AI z elementami inteligencji emocjonalnej. Chatboty AI powinny otwarcie wyrażać swoją niepewność, unikać uzależniających mechanizmów i wiedzieć, kiedy nie schlebiać użytkownikowi.

Na szczęście powstaje coraz więcej narzędzi cyfrowych wspierających zdrowie psychiczne i budowanie autentycznych relacji, godzących ze sobą model biznesowy z rozwiązaniami przyjaznymi dla człowieka, a nie uzależniającymi. Projektowanie oparte na inteligencji emocjonalnej nie polega na tym, by technologia odczytywała nasze uczucia, ale by dawała nam przestrzeń do ich przeżywania.

To, o czym Pani mówi, dobrze opisuje media społecznościowe. Australia jako pierwsza wprowadziła zakaz korzystania z np. TikToka czy Instagrama. To samo planuje Francja, nad wspólnym podejściem pracuje Unia Europejska. Jaką rolę odgrywają media społecznościowe w napędzaniu negatywnych emocji?

Media społecznościowe nie wymyśliły poczucia oburzenia ani złości. Ale stworzyły mechanizmy, które potrafią przewidzieć, jakie emocje przyciągają uwagę. Algorytmy promują treści wywołujące natychmiastową reakcję. Szczególnie skuteczny jest gniew, bo skłania ludzi do komentowania, udostępniania treści, upominania innych, atakowania lub przekonywania ich do swoich racji. Strach również przyciąga uwagę – nasz umysł traktuje potencjalne zagrożenie jako coś, na co musimy natychmiast zareagować, uciec albo zaatakować.

Komunikacja w internecie zmienia też interpretację emocji. Silne emocje zaczynają być postrzegane jako dowód zaangażowania, a subtelność może budzić poczucie słabości.

Dlatego rozumiem, kiedy rządy poszczególnych państw szukają sposobów na ochronę najbardziej wrażliwych grup, zwłaszcza młodzieży. Weryfikacja wieku jest trudna, ale uważam, że w niektórych sytuacjach ograniczenie dostępu do określonych środowisk może mieć sens. Jeśli wszyscy podczas przerwy w szkole są jednocześnie offline, może to sprzyjać budowaniu relacji – chyba że jest tak jak w liceum mojej córki, gdzie uczniowie idą do samochodów, żeby korzystać z telefonów.

Z drugiej strony całkowite zakazy mogą utrudniać utrzymywanie przyjaźni, poznawanie ludzi spoza najbliższego otoczenia i odkrywanie własnej tożsamości. To ważne elementy dorastania w świecie, w którym rzeczywistość cyfrowa i fizyczna przenikają się.

Proste zakazy mogą sprawiać, że firmy technologiczne umyją ręce od odpowiedzialności. Nie muszą wtedy projektować swoich rozwiązań bezpieczniej ani ograniczać mechanizmów, które nadmiernie angażują użytkowników. W ten sposób mogą gromadzić jeszcze więcej danych osobowych, bez konieczności bardziej transparentnego działania.

A może warto wprowadzić oznaczenia stopnia „wpływu emocjonalnego” w aplikacjach i mediach społecznościowych, podobne do oznaczeń wartości odżywczych na produktach spożywczych? Przykładowo: A – rozwiązanie pozytywne, B – neutralne, a C – uzależniające.

Emocje są bardzo złożone i zależą od indywidualnych doświadczeń, norm społecznych i kultury. Ta sama funkcja może jedną osobę radować, a inną – przytłaczać; może inaczej oddziaływać w ciągu dnia niż w środku nocy. Dlatego trudno stworzyć prosty system oceniania.

Podoba mi się jednak pomysł etykiety „wpływu emocjonalnego”. Zamiast oceniać aplikację jako po prostu „dobrą” lub „złą”, mogłaby sygnalizować swój wpływ na ludzi. Czy system symuluje emocje? Czy zachęca do jak najdłuższego korzystania? Czy manipuluje, aby przywiązać emocjonalnie użytkownika? Jak reaguje na sygnały sugerujące ryzyko samookaleczania, strachu, zachowań kompulsywnych lub uzależnienia? Czy użytkownik może wyczyścić pamięć emocjonalną, tak samo jak czyści pliki cookie? Czy zawsze jest jasno informowany, że rozmawia ze sztuczną inteligencją?

Aby tak się stało, konieczne jest stworzenie systemu nadzoru nad rozwiązaniami cyfrowymi. Mogłyby się na niego składać niezależne testy, wymagania dotyczące projektowania dla różnych grup wiekowych oraz audyty wpływu emocjonalnego. Już dziś regulujemy technologie pod kątem ryzyka dla zdrowia, dlatego uważam, że podobne podejście można zastosować również w odniesieniu do wpływu na emocje.

Na koniec jedna uwaga: Wszyscy wiemy, że media społecznościowe mogą mieć negatywny wpływ na nasze zdrowie, ale mimo to z nich korzystamy.

Do tego dochodzą teraz chatboty sztucznej inteligencji, z którymi spędzamy nawet więcej czasu niż z przyjaciółmi.

Nie musimy wpadać w panikę za każdym razem, gdy ktoś przywiązuje się do sztucznej inteligencji. Ludzie od zawsze tworzyli emocjonalne więzi z wyimaginowanymi postaciami, przedmiotami, zwierzętami, fikcyjnymi bohaterami czy technologiami. To naturalne. Ważniejsze jest pytanie, co taka relacja nam daje, czego od nas wymaga i co zastępuje.

W swoich badaniach zauważyłam, że sztuczna inteligencja może być dobrym miejscem do przećwiczenia trudnej rozmowy albo rozwijania pomysłów bez obawy przed oceną. Problem pojawia się wtedy, gdy jej nieograniczona cierpliwość, pobłażliwość i dostępność sprawiają, że chętniej rozmawiamy z AI niż z ludźmi. Przyjaciele mają swoje potrzeby, nastroje, ograniczenia i własne zdanie – umiejętność ich akceptowania prowadzi do wytworzenia autentycznej bliskości.

Warto wyznaczyć sobie granice. Nie traktować sztucznej inteligencji jako jedynego źródła wsparcia emocjonalnego. Ostrożnie dzielić się bardzo osobistymi informacjami. Nie zlecać AI pisania przeprosin, kondolencji ani innych wiadomości, które powinny wyrażać to, co my czujemy.

AI można wykorzystać do przygotowania się do trudnej rozmowy, ale samą rozmowę musimy wziąć na swoje barki. AI można poprosić o wygenerowanie pomysłów na rozwiązanie problemu, ale zanim wybierzemy ten najlepszy, zastanówmy się głębiej, który najbardziej nam odpowiada. Dzięki AI można lepiej zrozumieć samego siebie, ale nie powinniśmy rezygnować z budowania prawdziwych relacji z ludźmi, nawet jeśli wymaga to otwartości i pokazania swojej wrażliwości.

Sztuczna inteligencja powinna nam pomagać lepiej funkcjonować w prawdziwym świecie, ale go nie zastępować.

Wiemy już, jakie są zagrożenia. Jak więc korzystać z komunikacji cyfrowej, aby była ona dla nas korzystna?

Zamiast zadawać sobie pytanie, czy technologia jest dobra czy zła, zalecam zastanowić się, jak wpływa na mnie. Warto tutaj zwrócić uwagę na trzy rzeczy.

Po pierwsze, stawiaj na aktywne budowanie relacji, które jest o wiele bardziej wartościowe niż bierne przeglądanie treści w internecie. Zamiast tylko obserwować życie innych, śledząc ich posty, napisz do kogoś wiadomość. Zaangażuj się w działalność wybranej społeczności, zamiast traktować cały internet jak jedną wielką przestrzeń. Zadaj pytanie, podziel się prywatnym żartem albo powiedz komuś, że o nim pomyślałeś.

Po drugie, zadbaj o zróżnicowanie źródeł emocji. Wiele kanałów informacyjnych jest bardzo jednorodnych. Obserwuj osoby, które wnoszą coś nowego do twojego życia – wiedzę, czułość, humor, zaskoczenie lub konstruktywną różnicę zdań. Nie bój się wyciszania treści, czyli rezygnowania z obserwowania niektórych osób albo źródeł informacji. Nie musisz wiedzieć, co robią wszystkie osoby, które kiedykolwiek poznałeś.

Po trzecie, obserwuj swoje reakcje. Jeśli podczas przeglądania social mediów oddychasz płycej albo zaciskasz szczękę, może to oznaczać, że organizm wcześniej niż umysł zauważył przeciążenie. To dobry moment, żeby zmienić sposób korzystania z technologii.

Czytaj także: Monitoring mózgu będzie tak powszechny jak badanie krwi

Nowe badania rzucają światło na to, jak AI można stosować w medycynie. Po pierwsze, nie ma dowodów na to, że AI zmniejsza liczbę błędów medycznych. Po drugie, jeśli AI niepoprawnie triażuje pacjentów, często problemem jest prompt, a nie same umiejętności AI.

• Badanie przeprowadzone w 16 placówkach POZ wykazało, że odsetek niepowodzeń leczenia w przypadku decyzji podejmowanych z AI i bez był prawie taki sam: 2,2 proc. z AI vs 2,0 proc. bez AI.
• Dokumentacja tworzona przez lekarzy korzystających z AI była wyższej jakości – częściej prawidłowo zapisywali rozpoznanie i jasno określali plan leczenia.
• W badaniu skuteczności triażowania przez AI, wszystkie modele – w tym GPT-5-mini, DeepSeek-V4-Pro i Claude Fable – osiągnęły wysoką skuteczność.
• Naukowcy doszli do wniosku, że modele AI są gotowe do triażowania pacjentów, problemem jest ich nieprawidłowa kalibracja i kryteria decyzyjne.

Duże rozczarowanie: Takie same efekty leczenia z i bez AI

Pierwsze badanie opublikowane w Nature Medicine przeprowadzono w 16 kenijskich placówkach podstawowej opieki zdrowotnej. Łącznie objęło 9691 pacjentów oraz 103 lekarzy. 52 klinicystów wspierało się systemem wspomagania decyzji klinicznych opartym na dużym modelu językowym, a 51 pracowało bez AI.

Celem badania było określenie liczby pacjentów, których leczenie zakończyło się niepowodzeniem, czyli gdy m.in.: pacjent ponownie zgłasza się do lekarza z utrzymującymi się objawami, leczenie trzeba kontynuować na wyższym poziomie opieki zdrowotnej (u specjalisty) albo skierować chorego na SOR, nie wystawiono skierowania, nawet jeśli było wymagane; nieprawidłowo przepisano leki, postawiono błędną diagnozę albo wystąpiło zdarzenie zagrażające życiu lub zgon.

Po 14 dniach obserwacji naukowcy doszli do wniosku, że nie było żadnej różnicy między lekarzami diagnozującymi i leczącymi z pomocą AI oraz bez AI. W grupie korzystającej z AI niepowodzenie leczenia zarejestrowano u 102 na 4693 pacjentów (2,2 proc.). Z kolei w grupie kontrolnej – u 94 na 4654 pacjentów (2,0 proc.). Różnica była statystycznie nieistotna.

Jest to jedno z niewielu badań przeprowadzonych w warunkach klinicznych. Wiele wcześniejszych, ale zrealizowanych w warunkach laboratoryjnych, sugerowało, że najlepsze wyniki osiąga AI.

Ale jest też dobra wiadomość: według badania, praca z AI wyraźnie poprawia jakość dokumentacji medycznej. Lekarze, którzy z niej korzystali, częściej notowali prawidłowe rozpoznanie, dokumentacja była bardziej kompletna, a plan leczenia – jasno określony.

Dobra wiadomość: AI wie, co robić, ale czasami jest źle instruowana

Kolejny mit obalili badacze z Microsoftu i Carnegie Mellon University: AI stosowana do triażu pacjentów w stanach zagrożenia życia podejmuje dobre decyzje, ale wymaga odpowiedniego skalibrowania.

Naukowcy postanowili podważyć wnioski z badania „ChatGPT Health performance in a structured test of triage recommendations”, które pod lupę wzięło skuteczność ChatGPT Health: System prawidłowo zakwalifikował jedynie 48 proc. przypadków wymagających natychmiastowej pomocy. W przypadku 10 proc. pacjentów zalecił pilną pomoc medyczną, choć taka nie była potrzebna. Wśród przypadków, których AI nie rozpoznała jako wymagających pilnej pomocy, znalazły się m.in. cukrzycowa kwasica ketonowa i niewydolność oddechowa.

W pracy „High-Stakes Decisions with Language Models: Insights from Emergency Triage” opublikowanej na początku sierpnia, autorzy sprawdzili, czy model rzeczywiście aż tak źle triażuje chorych. W swojej analizie przeanalizowali łącznie 1248 przypadków, w których 640 zaklasyfikowano jako wymagające pilnej pomocy.

Badacze oddzielili ocenę prawdopodobieństwa wystąpienia stanu nagłego od decyzji o skierowaniu pacjenta na SOR. W przypadku GPT-5-mini, czyli modelu stosowanego przez ChatGPT Health, AUROC – wskaźnik pokazujący, jak model potrafi odróżnić przypadki pilne od niepilnych – wynosił 0,99, co oznaczało wysoką zdolność AI do prawidłowej klasyfikacji stanu chorego. Dla GPT-5.4 było to 0,95, DeepSeek-V4-Pro 0,97, a dla Claude Fable 5 – 0,99.

Następnie naukowcy zmienili prompt, precyzując, jak należy traktować obydwa rodzaje błędów: przeoczenie stanu nagłego oraz niepotrzebne skierowanie pacjenta do szpitala. Przy założeniu, że przeoczenie stanu nagłego jest pięć lub dziesięć razy kosztowniejsze niż niepotrzebne skierowanie, odsetek prawidłowo wykrytych przypadków nagłych przez GPT-5-mini wzrósł o około 50 proc., bez zwiększenia liczby niepotrzebnych skierowań. W rozszerzonej analizie poprawa wyniosła około 30 proc., a liczba niepotrzebnych skierowań wzrosła tylko nieznacznie.

Ale nie każdy błąd AI można naprawić lepszym promptem. Jeśli model nie rozpoznaje, że pacjent znajduje się w stanie zagrożenia zdrowia lub życia, problemem jest jego zdolność do oceny sytuacji medycznej. Jeśli natomiast prawidłowo ocenia ryzyko, ale mimo to podejmuje niewłaściwą decyzję, trzeba jasno określić, według jakich kryteriów powinien działać.

Nie ma jednego optymalnego sposobu kalibrowania systemów triażowania przez AI. Wszystko zależy od kontekstu sytuacji. W przypadku SOR-u ważniejsze może być uniknięcie przeoczenia ciężkiego przypadku, nawet kosztem większej liczby niepotrzebnie wystawionych skierowań (i wyższych kosztów). Inaczej może wyglądać to w małej placówce, gdzie zasoby są ograniczone.

Autorzy rekomendują, aby w systemach wysokiego ryzyka prompt zawierał pożądane priorytety, a modele były testowane w całym zakresie możliwych kompromisów między bezpieczeństwem a liczbą niepotrzebnych interwencji. Proponują także stosowanie zewnętrznych progów decyzyjnych lub rozwiązań hybrydowych opartych na AI i interwencji człowieka. Właściwa polityka decyzyjna jest tak samo ważna jak same umiejętności AI. Wiedzą to lekarze, którzy też muszą szybko podejmować decyzje w stanach zagrożenia życia lub zdrowia, balansując między ryzykiem a niepotrzebnymi badaniami i stresem dla pacjenta.

Czytaj także: Autonomiczna AI jest gotowa, aby leczyć pacjentów

W 2025 roku apteki sprzedały 3,7 mln opakowań suplementów diety zawierających olej rybi lub tran – o 85% więcej niż w 2020 roku. Wstępne dane pokazują, że w 2026 roku będzie to już ponad 4 mln opakowań. Skąd taka popularność po latach dużych spadków sprzedaży?

POBIERZ BEZPŁATNIE e-wydanie OSOZ Statystyki 9/2026 (45 stron, PDF)

W numerze 9/2026 OSOZ Statystyki:

Spada substytucja apteczna. Dlaczego apteki wydają coraz mniej zamienników leków?

W pierwszym półroczu 2026 r. w Polsce zamieniono około 18 mln opakowań leków – wynika z danych PEX. To 4,4 proc. wszystkich wydanych w tym czasie opakowań. Z danych z ostatnich kilku lat wynika, że ten odsetek systematycznie maleje.

W przypadku których leków apteki najczęściej oferują zamienniki? Liderem jest przeciwpasożytniczy albendazol – aż 30% opakowań w okresie od marca do czerwca 2026 zostało zamienione. Niewiele mniejsze poziomy substytucji występują w przypadku leków na zaburzenia erekcji: tadalafil – ponad 24% i sildenafil – 23%. Często wymieniany jest też przeciwmigrenowy sumatrypan.

Czytaj dalej 👉

Kwasy omega-3 przeżywają drugą młodość. Sprzedaż gwałtownie rośnie od dwóch lat

W 2025 roku Polacy kupili w aptekach 3,71 mln opakowań produktów zawierających kwasy omega-3 – o 22,17 proc. więcej niż rok wcześniej. Wartość sprzedaży przekroczyła 151,9 mln zł. Dane OSOZ pokazują, że zainteresowanie tymi preparatami wyraźnie rośnie od 2022 roku, a prognozy na najbliższe dwa lata wskazują na dalszy wzrost rynku. Dotychczasowe dane za rok 2026 sugerują, że po raz pierwszy sprzedaż przekroczy 4 mln opakowań.

Czytaj dalej 👉

Ponadto w numerze:

• Sprzedaż leków według molekuł (lipiec 2026)
• Najlepiej sprzedające się produkty w aptekach (lipiec 2026)
• Monitor epidemiologiczny (lipiec 2026)
• Struktura dystrybucji leków (lipiec 2026)
• Radar epidemiologiczny (październik 2026)

Wszystkie archiwalne numery OSOZ Statystyki znajdziesz na zakładce POBIERZ.