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.

Zakaz mediów społecznościowych dla dzieci poniżej 13. roku życia, brak własnych kont w social mediach przed ukończeniem 15 lat i obowiązek bezpiecznego projektowania platform – takie rozwiązania zakłada zapowiedziany dzisiaj EU KIDS Act. Przewodnicząca Komisji Europejskiej Ursula von der Leyen przedstawiła założenia projektu podczas orędzia o stanie Unii.

Tik-Tok, Instagram, Facebook i inne platformy z ograniczeniami wiekowymi w UE

Ursula von der Leyen poświęciła znaczną część swojego wystąpienia wpływowi mediów społecznościowych na dzieci i młodzież. Jak mówiła, młodzi Europejczycy spędzają obecnie przed ekranami od 4 do 6 godzin dziennie, a social media uzależniają dzieci. Winne są mechanizmy platform zaprojektowane tak, aby wydłużyć czas przebywania online.

– Dzieci są coraz mocniej wciągane w treści zaprojektowane tak, by zatrzymać je przy ekranie jak najdłużej – podkreślała przewodnicząca KE.

Von der Leyen mówiła o negatywnych konsekwencjach, takich jak niższa jakość snu, lęk, samookaleczenia, cyberprzemoc. W swoim wystąpieniu opowiedziała o 14-letniej Oléi z Belgii, która miesiąc wcześniej odebrała sobie życie po tym, jak padła ofiarą przemocy w internecie.

Przypomnijmy, że w sierpniu 2026 r. Meta (dawny Facebook) zgodziła się zapłacić 18 mld dolarów i ograniczyć sposób, w jaki nastolatki korzystają z Facebooka i Instagrama. To porozumienie ma zakończyć roszczenia wszystkich stanów USA dotyczące projektowania platform w sposób sprzyjający uzależnieniu młodych użytkowników.

Kompromis zakłada m.in. ograniczenie do 2 godzin czasu, jaki nastolatkowie spędzają w mediach społecznościowych, wprowadzenie blokad od północy do 6 rano, wyciszanie powiadomień push-up podczas przebywania w szkole, ukrycie informacji o lajkach i reakcjach innych użytkowników.

Trzy poziomy ochrony

Komisja Europejska ma przedstawić projekt EU KIDS Act 17 września. Von der Leyen zapowiedziała podejście różnicujące ochronę w zależności od wieku dziecka.

Główna propozycja zakłada, że dzieci poniżej 13. roku życia nie powinny mieć dostępu do mediów społecznościowych. Osoby poniżej 15. roku życia nie będą mogły posiadać własnego konta użytkownika.

Dla grupy wiekowej 13–15 lat przewidziano specjalne, ograniczone „mini-konta”, zakładane i nadzorowane przez rodziców lub opiekunów. Mają one mieć ograniczony zestaw funkcji oraz limit czasu korzystania – w przemówieniu wskazano 1 godzinę dziennie.

Z kolei w przypadku młodzieży w wieku 15–18 lat platformy miałyby zostać objęte obowiązkiem stosowania zasad tzw. bezpiecznego projektowania. Oznacza to odejście od podejścia, w którym odpowiedzialność za bezpieczne korzystanie z platform spoczywa przede wszystkim na dziecku i jego rodzicach.

Von der Leyen mówiła o odwróceniu ciężaru dowodu – to platformy mają wykazać, że ich usługi są bezpieczne dla najmłodszych użytkowników.

EU KIDS Act ma być pierwszym elementem szerszej regulacji rozwiązań cyfrowych. Von der Leyen zapowiedziała również Digital Fairness Act. Ma on zostać przedstawiony jesienią.

Czytaj także: Czy będzie zakaz social mediów dla dzieci poniżej 13. roku życia?

Autonomiczny robot Aletta do pobierania krwi przeszedł pomyślnie badania kliniczne, osiągając dokładność na poziomie doświadczonych flebotomistów. W sierpniu robot został dopuszczony na rynek przez amerykańską Agencję ds. Żywności i Leków FDA jako pierwsze tego typu urządzenie.

• Robot Aletta holenderskiego startupu Vitestro pobiera krew już przy pierwszym wkłuciu w 94,5 proc. przypadków. Taki wynik osiągają tylko doświadczeni specjaliści od pobierania krwi (flebotomista)
• Robot dobrze radzi sobie także z trudnymi żyłami. Hemoliza wystąpiła tylko w 0,3 proc. pobrań, znacznie rzadziej niż przy pobraniu przez personel.
• Czas trwania procedury jest taki sam jak w przypadku pobrania krwi przez człowieka.
• 90 proc. pacjentów oceniło, że ból przy pobraniu krwi przez robota jest taki sam lub mniejszy niż przy tradycyjnym pobraniu.
• W Europie robot w 2026 r. uzyskał znak CE, a w USA certyfikację FDA umożliwiającą wprowadzenie urządzenia do placówek medycznych.

9 lat pracy, ponad 80 mln USD od inwestorów

Zadanie robota jest proste – zlokalizować żyłę, wprowadzić igłę, pobrać próbkę krwi i założyć opatrunek. Tylko tyle i aż tyle. Pobranie krwi wymaga precyzyjnej oceny lokalizacji żyły oraz nakłucia w odpowiednim kącie i z odpowiednią głębią. Zadanie utrudniają stres pacjenta i wywołane nim drżenie rąk, mała widoczność żył oraz ich skłonność do pękania. Nawet mały ruch powoduje konieczność ponownego wkłucia.

Rozwijany od 9 lat robot Aletta holenderskiego startupu Vitestro uzyskał świetne wyniki w pierwszym badaniu oceniającym w warunkach praktyki klinicznej całkowicie autonomiczny system pobierania krwi. Wyniki opublikowano w prestiżowym czasopiśmie Clinical Chemistry, kilka tygodni po tym, jak firma pozyskała rekordowe finansowanie od inwestorów w wysokości 70 mln USD. W 2024 roku Aletta uzyskała oznakowanie CE, umożliwiające komercyjne wdrażanie rozwiązania w Europie.

W Polsce procedurę najczęściej wykonują pielęgniarki. Od 2023 roku oficjalnie wprowadzono nowe uprawnienia flebotomisty – osoby przeszkolonej do pobierania krwi żylnej lub włośniczkowej dla celów badań laboratoryjnych.

Za jednym wkłuciem i bez powikłań. Pacjenci polubili robota

W badaniu ADOPT uczestniczyło 1633 pacjentów w trzech ambulatoryjnych punktach pobrań. Robot uzyskał skuteczność pierwszego wkłucia na poziomie 94,5 proc.

Doświadczeni flebotomiści i pielęgniarki osiągają wynik w zakresie 90%–97%. Może on spaść nawet do 80% u osób, które nie mają wprawy w pobraniu krwi albo gdy mają do czynienia z trudnymi żyłami (o cienkich ściankach, głęboko położonymi lub skłonnymi do pękania). I właśnie u takich pacjentów robot uzyskał zaskakująco dobre wyniki: 92,7% u osób z trudnym dostępem do żył, 97,4% u osób z otyłością (BMI ≥ 30), 93,4% u osób powyżej 65. roku życia.

Drugim najważniejszym parametrem jakości procesu pobrania krwi jest hemoliza, czyli uszkodzenie krwinek podczas pobierania próbki, wymagające często ponownego pobrania.

Odsetek hemolizy przy wykorzystaniu Aletty wyniósł 0,3%. Dla porównania, w tych samych ośrodkach próbki pobierane przez personel wykazywały odsetki hemolizy od 1,4% do 6,9%, w zależności od lokalizacji.

90% uczestników przyznało, że pobranie było mniej bolesne lub równie bolesne jak klasyczne pobranie wykonywane przez człowieka. 82% zadeklarowało, że przy kolejnym badaniu wybrałoby robota lub nie miałoby znaczenia, czy krew pobiera robot, czy człowiek.

Działania niepożądane wystąpiły u 0,6 proc. pacjentów i wszystkie miały łagodny charakter. Nie odnotowano żadnych poważnych powikłań. Średni czas całej procedury – od rozpoczęcia do założenia opatrunku – wyniósł 2 minuty i 37 sekund i jest porównywalny z tradycyjnym pobraniem krwi.

Jak działa robot Aletta?

Aby dokładnie zlokalizować żyłę, urządzenie wykorzystuje obrazowanie w podczerwieni,
ultrasonografię oraz ultrasonografię dopplerowską. Algorytmy sztucznej inteligencji identyfikują żyłę, odróżniają ją od tętnicy, wyznaczają optymalne miejsce wkłucia, a następnie robotyczne ramię samodzielnie wykonuje cały zabieg, od założenia opaski uciskowej (stazy) po naklejenie plastra. Całość nadzoruje personel medyczny, który może kontrolować kilka urządzeń naraz.

System został zaprojektowany z myślą o laboratoriach diagnostycznych i szpitalach wykonujących dużą liczbę rutynowych pobrań, gdzie największym problemem jest niedobór wykwalifikowanego personelu.

Startup Vitestro powstał w 2017 roku w Utrechcie. Dziś firma zatrudnia około 100 osób i rozwija wyłącznie technologię autonomicznego pobierania krwi. Wśród inwestorów jest m.in. amerykańska Mayo Clinic oraz współzałożyciel Intuitive Surgical – producenta robota chirurgicznego da Vinci. Pod koniec sierpnia br. firma otrzymała certyfikację FDA De Novo przewidzianą dla nowych wyrobów medycznych o niskim lub umiarkowanym ryzyku, które nie mają już dopuszczonego do obrotu odpowiednika. Pierwszym europejskim klientem firmy jest Uniwersytecki Szpital w Odense w Danii, który zamówił trzy urządzenia. Na razie nie jest znana cena urządzenia.

Czytaj także: W tym pilotażu AI samodzielnie wystawia recepty. Efekty?

Instytut Matki i Dziecka w Warszawie od dawna ma dział ds. AI i jest zaliczany do czołówki innowacyjnych szpitali. Jak IMiD strategicznie wdraża sztuczną inteligencję? Rozmowa dr n. med. Alicją Karney, Dyrektor Instytutu, oraz Radosławem Nowakiem, Kierownikiem Działu Wdrożeń w Centrum Innowacji i Sztucznej Inteligencji.

• AI w IMiD przede wszystkim wspiera personel, m.in. poprzez automatyzację powtarzalnych zadań administracyjnych i tworzenie dokumentacji medycznej.
• AI jest wdrażana tylko wtedy, gdy oferuje najlepsze rozwiązania konkretnego problemu.
• Każde rozwiązanie oceniane jest pod kątem skuteczności, bezpieczeństwa, kosztów i interoperacyjności.
• Placówka sięga do pilotaży, aby sprawdzić rzeczywistą wartość technologii.
• Rozwój AI w medycynie wymaga czasu, pieniędzy, dobrych danych i współpracy wielu specjalistów – ponieważ bezpieczeństwo pacjentów nie pozwala na eksperymentowanie metodą prób i błędów.
• IMiD chce uprościć ścieżkę opieki nad pacjentem z pomocą AI. Ta usprawni przepływ informacji i organizację pracy, pozostawiając decyzje kliniczne lekarzom.

W jakich obszarach działalności, poza radiologią, szpital wdraża AI?

Alicja Karney: Poza radiologią duży potencjał wykorzystania sztucznej inteligencji widzimy w procesach organizacyjnych i administracyjnych. Dotyczy to przede wszystkim narzędzi, które mogą ograniczać czas poświęcany przez personel na wykonywanie powtarzalnych czynności.

Jednym z najbardziej dojrzałych kierunków rozwoju, zarówno w naszym Instytucie, jak i w wielu szpitalach na świecie, są również rozwiązania typu speech-to-text, które mogą wspierać przygotowywanie dokumentacji medycznej poprzez automatyczną transkrypcję wypowiedzi lekarza.

W każdym przypadku podkreślamy jednak, że etap pilotażu nie jest równoznaczny z decyzją o wdrożeniu. Każde rozwiązanie oceniamy pod kątem jakości, bezpieczeństwa danych, możliwości integracji z systemami szpitalnymi oraz rzeczywistej wartości dla personelu i pacjentów.

Sztuczna inteligencja ma wspierać pracę specjalistów, a nie zastępować ich decyzje kliniczne. Takie podejście jest zgodne zarówno z dobrymi praktykami wdrażania AI w ochronie zdrowia, jak i z wymogami europejskiego AI Act dotyczącymi nadzoru człowieka nad systemami wysokiego ryzyka.

Jakimi zasadami kierują się Państwo, decydując się na nowe systemy?

Radosław Nowak: Wybór rozwiązania AI zawsze zaczynamy od zdefiniowania problemu, a nie od technologii. Pytamy najpierw, jaki konkretny problem kliniczny, organizacyjny lub administracyjny chcemy rozwiązać i czy sztuczna inteligencja rzeczywiście będzie najlepszym narzędziem. Nie każde wyzwanie wymaga zastosowania AI – czasem większą wartość przynosi zmiana procesu lub lepsze wykorzystanie już dostępnych systemów.

Jeżeli uznajemy, że AI może przynieść realną korzyść, oceniamy rozwiązanie wielowymiarowo. Znaczenie ma jego skuteczność, bezpieczeństwo, zgodność z obowiązującymi przepisami, jakość danych wykorzystywanych przez model, możliwość integracji z istniejącą infrastrukturą IT oraz wpływ na organizację pracy i doświadczenia pacjenta. Analizujemy również całkowity koszt wdrożenia i utrzymania rozwiązania, a nie wyłącznie koszt zakupu licencji. Tak samo ważna jest też ocena poziomu ryzyka systemu AI oraz zapewnienie odpowiedniego nadzoru człowieka nad jego działaniem.

Kluczowym elementem procesu są pilotaże prowadzone z udziałem przyszłych użytkowników: lekarzy, pielęgniarek, położnych, diagnostów, farmaceutów, pracowników administracyjnych i zespołów IT. Jeszcze przed rozpoczęciem testów definiujemy mierzalne cele oraz kryteria sukcesu. Efektem pilotażu jest decyzja o wdrożeniu albo uzasadniony wniosek, że dane rozwiązanie nie przynosi oczekiwanej wartości lub organizacja nie jest jeszcze gotowa na jego szersze wykorzystanie. W ochronie zdrowia odpowiedzialna rezygnacja z wdrożenia jest równie wartościową decyzją jak jego rozpoczęcie. Takie podejście pozwala ograniczać ryzyko i budować zaufanie do nowych technologii.

AI nie doczekała się dotychczas odpowiednika HTA. Czy możliwe jest obliczenie korzyści ekonomicznych z wdrożenia sztucznej inteligencji?

Alicja Karney: Sztuczna inteligencja jest przede wszystkim narzędziem, dlatego jej efekty ekonomiczne można analizować podobnie jak w przypadku innych technologii wspierających procesy kliniczne i organizacyjne. Coraz częściej wskazuje się jednak na potrzebę rozwijania metod oceny technologii medycznych dedykowanych rozwiązaniom opartym na AI, czyli HTA dla AI. Taka ocena powinna uwzględniać nie tylko skuteczność kliniczną, lecz także wpływ rozwiązania na organizację pracy, jakość wykorzystywanych danych, interoperacyjność, bezpieczeństwo, możliwość aktualizacji modeli oraz sposób sprawowania nad nimi nadzoru.

Korzyści ekonomiczne wynikające z wdrożenia AI nie zawsze będą oznaczały obniżenia kosztów leczenia. Mogą one wynikać między innymi ze skrócenia czasu wykonywania określonych czynności, ograniczenia liczby powtarzalnych zadań, lepszego wykorzystania dostępnych zasobów, usprawnienia przepływu informacji, zmniejszenia ryzyka błędów czy poprawy dostępności świadczeń.

Aby jednak rzetelnie ocenić te korzyści, konieczne jest określenie punktu wyjścia oraz zdefiniowanie mierzalnych wskaźników jeszcze przed wdrożeniem rozwiązania. Należy porównać sytuację przed zastosowaniem technologii i po jej wdrożeniu, uwzględniając nie tylko koszt zakupu lub licencji, lecz także wydatki związane z integracją, infrastrukturą, szkoleniami, utrzymaniem, aktualizacjami oraz nadzorem nad systemem. W przypadku rozwiązań opartych na AI ocena nie powinna kończyć się w momencie zakupu. Ich efektywność, jakość i bezpieczeństwo działania powinny być monitorowane przez cały okres użytkowania.

I tutaj dochodzimy do finansowania. Skąd brać środki na rozwiązania AI?

Radosław Nowak: Z perspektywy zespołu zajmującego się innowacjami, decyzja o rozpoczęciu pilotażu powinna od początku uwzględniać możliwość późniejszego utrzymania rozwiązania. Finansowanie testu ze środków projektowych, grantowych lub w ramach współpracy z partnerem technologicznym nie oznacza jeszcze, że po jego zakończeniu szpital będzie dysponował budżetem na stałe korzystanie z systemu.

Dlatego przed podjęciem decyzji należy analizować pełny koszt posiadania technologii, obejmujący licencje, integrację, infrastrukturę, aktualizacje, serwis, cyberbezpieczeństwo, szkolenia oraz ewentualny wzrost kosztów wraz ze zwiększaniem skali wykorzystania. Szczegółowe informacje dotyczące źródeł finansowania i decyzji budżetowych pozostają jednak w kompetencji Dyrekcji.

Z KPO szpital wdraża m.in. Platformę Usług Inteligentnych z algorytmami dla radiologii. Jak przebiega ten projekt?

Radosław Nowak: Projekt jest już właściwie zakończony. Zarówno samo wdrożenie rozwiązań, jak i cała realizacja przedsięwzięcia w ramach KPO przebiegły sprawnie, bez większych problemów i komplikacji. Początkowo pewne obawy budziły krótkie terminy realizacji oraz bardzo napięty harmonogram, jednak dzięki dobrej organizacji i zaangażowaniu zespołów projekt udało się zrealizować w wyznaczonym czasie. Obecnie wdrożone rozwiązania są stopniowo włączane do codziennej pracy szpitala.

IMiD organizuje co roku Mother and Child Startup Challenge, w którym zwycięskie projekty mogą liczyć na wdrożenie pilotażowe.

Radosław Nowak: Konkurs po raz pierwszy zorganizowano w 2022 roku jako Mother and Child Startup Challenge, natomiast od 2025 roku jest rozwijany pod nazwą MCSC Hospital Leadership Innovation. Zmiana podkreśliła szerszy zakres programu, który obejmuje obecnie innowacje odpowiadające na potrzeby różnych obszarów funkcjonowania szpitali – zarówno klinicznych, jak i administracyjnych. MCSC rozwija się dziś jako platforma współpracy łącząca szpitale, startupy, środowisko naukowe, biznes oraz administrację publiczną.

Od początku głównym założeniem konkursu było zmniejszanie dystansu pomiędzy twórcami innowacji a szpitalami poprzez identyfikowanie interesujących rozwiązań, a następnie umożliwienie ich pilotażowego przetestowania w bezpiecznych i ustrukturyzowanych warunkach. Celem programu nie jest wyłącznie wyłonienie „najlepszego startupu”, lecz przede wszystkim stworzenie warunków do odpowiedzialnej weryfikacji nowych technologii w rzeczywistym środowisku szpitalnym.

Pilotaż pozwala sprawdzić, czy technologia rzeczywiście rozwiązuje zidentyfikowany problem, odpowiada na potrzeby personelu i pacjentów oraz wpisuje się w organizację pracy placówki. Pozwala również ocenić, czy użytkownicy chcą z niej korzystać, jakie zmiany są potrzebne przed jej dalszym wykorzystaniem oraz czy osiągane korzyści uzasadniają koszty wdrożenia, integracji i utrzymania rozwiązania.

Szpitale uczestniczące w konkursie nie deklarują obowiązku zakupu ani stałego wdrożenia testowanej technologii. Jest to celowe założenie programu. Uważamy, że odpowiedzialną praktyką jest najpierw sprawdzenie rozwiązania, zamiast wybierania go wyłącznie dlatego, że jest popularne albo dobrze prezentuje się w materiałach promocyjnych. Pilotaż traktujemy przede wszystkim jako proces walidacji, a nie etap automatycznie prowadzący do zakupu.

Każdy pilotaż jest podsumowywany, a wnioski obejmują zarówno ocenę samej technologii, jak i przebieg współpracy z jej twórcami. Analizowana jest między innymi gotowość zespołu do dalszego rozwijania produktu, reagowania na potrzeby użytkowników oraz wprowadzania zmian wynikających z doświadczeń zdobytych w środowisku szpitalnym. Takie doświadczenia są wartością nie tylko dla Instytutu Matki i Dziecka, lecz również dla innych szpitali należących do ekosystemu MCSC, które mogą dzięki nim lepiej ocenić zasadność rozpoczęcia podobnego projektu.

Efektem pilotażu nie zawsze jest wdrożenie. Część projektów przechodzi do kolejnych etapów współpracy, inne wymagają dalszego rozwoju, dostosowania do realiów klinicznych lub rozpoczęcia wieloletniego projektu badawczo-rozwojowego. Niektóre mogą zakończyć się świadomą decyzją o niewdrażaniu rozwiązania na danym etapie. Jest to również wartościowy rezultat, ponieważ pozwala ograniczyć ryzyko kosztownych i nieefektywnych inwestycji oraz podejmować decyzje na podstawie rzeczywistych danych, a nie wyłącznie deklaracji producentów. W odniesieniu do trwających projektów często jest zatem zbyt wcześnie, aby przesądzać o ich ostatecznym wdrożeniu lub komercjalizacji.

Próbowanie nowości to jedno. Co jeszcze daje organizacja MCSC Hospital Leadership Innovation?

Radosław Nowak: Największą wartością programu jest budowanie wiedzy, kompetencji i zaufania pomiędzy szpitalami, startupami oraz ekspertami. Pilotaże pozostają ważnym elementem MCSC, jednak coraz większą rolę odgrywają również działania wspierające rozwój i ocenę innowacji, takie jak edukacja, wymiana doświadczeń, budowanie kompetencji w zakresie sztucznej inteligencji i zdrowia cyfrowego, współpraca z GAIA AI Factory czy planowane utworzenie sandboxu do testowania rozwiązań cyfrowych. Dzięki temu tworzymy ekosystem, który pomaga odpowiedzialnie rozwijać, oceniać i wdrażać innowacje, zamiast analizować je wyłącznie przez pryzmat pojedynczego projektu pilotażowego.

Korzystanie z AI w medycynie jest nadal domeną pasjonatów. Z czego to wynika? Braku pieniędzy? Braku czasu? Braku świadomości?

Alicja Karney: Wszystkie wymienione czynniki mogą mieć znaczenie, ale nie powiedziałabym, że korzystanie ze sztucznej inteligencji jest obecnie wyłącznie domeną pasjonatów. Coraz częściej jest to element świadomego rozwoju organizacji i odpowiedź na realne problemy związane między innymi z liczbą danych, obciążeniem administracyjnym oraz ograniczonymi zasobami kadrowymi.

Jednocześnie wdrażanie AI w szpitalu jest procesem znacznie bardziej złożonym niż sam zakup narzędzia. Wymaga czasu, finansowania, infrastruktury, kompetencji, zaangażowania IT, personelu medycznego, prawników, inspektora ochrony danych oraz osób odpowiedzialnych za zarządzanie zmianą. Nie powinno być pozostawiane wyłącznie pojedynczym entuzjastom, ponieważ trudno wówczas zapewnić ciągłość projektu i odpowiedzialny nadzór nad technologią.

W medycynie dochodzi do tego jeszcze jeden, kluczowy czynnik – bezpieczeństwo. Tu nie ma miejsca na eksperymentowanie metodą prób i błędów, bo stawką jest zdrowie i życie pacjenta. Zanim narzędzie AI trafi do użytku klinicznego, musi przejść drogę znacznie bardziej rygorystyczną niż w innych branżach: walidację, testy bezpieczeństwa, jasno określone procedury nadzoru. To dodatkowo tłumaczy, dlaczego tempo wdrożeń jest wolniejsze niż mogłoby się wydawać patrząc na rozwój samej technologii.

Warto też pamiętać, na jakim etapie faktycznie jest dziś AI w medycynie. Modele są tak dobre, jak dane, na których się je trenuje, a w ochronie zdrowia dane bywają niekompletne, niespójne między systemami albo po prostu trudno dostępne ze względu na ich wrażliwość. To realna bariera, którą często pomija się w entuzjastycznych narracjach o sztucznej inteligencji. Narzędzie może mieć świetną architekturę, ale bez dobrej jakości danych wejściowych jego rekomendacje będą tak samo niepewne.

Pasjonaci i liderzy zmian są bardzo potrzebni, ponieważ często inicjują nowe projekty. Docelowo jednak korzystanie z AI powinno opierać się na ustrukturyzowanych procedurach, zespołach interdyscyplinarnych i decyzjach podejmowanych na poziomie całej organizacji. IMiD już wcześniej podkreślał, że powodzenie projektów innowacyjnych zależy od specjalistycznego wsparcia i nie powinno opierać się wyłącznie na dodatkowym zaangażowaniu personelu medycznego.

Jakie innowacje cyfrowe i AI IMiD planuje wdrożyć w najbliższych trzech latach?

Radosław Nowak: W kolejnych latach chcemy nadal identyfikować i testować rozwiązania, które mogą usprawnić zarówno procesy kliniczne, jak i funkcjonowanie administracyjne Instytutu. Szczególnie interesują nas technologie pozwalające ograniczać obciążenie personelu powtarzalnymi czynnościami, usprawniać tworzenie i porządkowanie dokumentacji, poprawiać przepływ informacji oraz lepiej wykorzystywać dane dostępne w organizacji.

Będziemy również analizować rozwiązania wspierające komunikację z pacjentem, organizację ścieżki pacjenta, zarządzanie procesami oraz podejmowanie decyzji przez personel. Nie zakładamy jednak wdrażania technologii tylko dlatego, że wykorzystuje ona sztuczną inteligencję. Każde rozwiązanie powinno odpowiadać na konkretną potrzebę, zostać ocenione pod względem bezpieczeństwa i skuteczności oraz – jeżeli jest to zasadne – przejść pilotaż przed podjęciem decyzji o szerszym zastosowaniu.

Jest rok 2030. Jak wygląda wizyta pacjenta w IMiD?

Alicja Karney: Chcielibyśmy, aby w 2030 roku ścieżka pacjenta była przede wszystkim prostsza i bardziej spójna. Pacjent nie powinien być obciążany koniecznością wielokrotnego przekazywania tych samych informacji, a personel powinien mieć szybki dostęp do danych potrzebnych do udzielenia świadczenia.

Technologie cyfrowe i sztuczna inteligencja mogą wspierać organizację wizyty, obieg dokumentacji, analizę danych oraz pracę personelu. Nie powinny jednak zastępować relacji pacjenta z lekarzem ani samodzielnie podejmować decyzji klinicznych. Ich rolą powinno być ograniczanie zbędnych czynności administracyjnych, aby pracownicy mogli poświęcić więcej czasu pacjentowi. Jest to jednak kierunek i wizja rozwoju, a nie deklaracja dotycząca konkretnych systemów, które będą funkcjonowały w Instytucie w 2030 roku.

Czytaj także: AI przewidzi ryzyko chorób i pomoże im zapobiec

Na całym świecie rośnie bezrobocie wśród absolwentów studiów, bo AI przejmuje miejsca pracy wcześniej przeznaczone dla stażystów. Dlatego pokolenie Z wybiera zawody, które gwarantują stabilną przyszłość i dobre zarobki. Wśród nich jest medycyna.

• 75% młodych Polaków uważa, że sztuczna inteligencja ma negatywny wpływ na rynek pracy.
• Decydując o karierze, pokolenie Z preferuje stabilne i trudne do zautomatyzowania zawody, takie jak medycyna, rzemiosło czy praca techniczna. To tzw. bezpieczne przystanie zawodowe.
• W tym roku na Uniwersytecie Medycznym we Wrocławiu o 330 miejsc na kierunku lekarskim ubiegało się 4789 kandydatów.
• Medycyna przyciąga dodatkowo wysokimi zarobkami. Wynagrodzenie lekarza stażysty wynosi 8458 zł brutto miesięcznie, a średnia pensja lekarza specjalisty na etacie sięga ok. 23 tys. zł brutto.

Korzystają chętnie z AI i wiedzą, że AI ich zastąpi

Zgodnie z raportem Światowego Forum Ekonomicznego „Artificial Intelligence and the Future of Entry-Level Work”, ponad jedna trzecia młodych osób pracuje w zawodach o średniej lub wysokiej ekspozycji na zmiany związane z AI. Według danych Głównego Urzędu Statystycznego, w ciągu ostatnich 10 lat udział osób z wyższym wykształceniem w rejestrach bezrobotnych wzrósł z 12–13% w latach 2015–2016 do 14,7–14,9% na przełomie lat 2025/2026.

Takich danych jest więcej. I nawet jeśli eksperci uspokajają, że wzrost bezrobocia ma wiele źródeł, nowe pokolenie boi się o swoją przyszłość. Według badania Fundacji THINK! „Aspiracje zawodowe młodych Polaków 2026”, 75% młodych uważa, że AI stanowi zagrożenie dla rynku pracy.

Nic dziwnego. Codziennie czytają w mediach społecznościowych wypowiedzi szefów koncernów technologicznych, takich jak Elon Musk (SpaceX) czy Demis Hassabis (DeepMind), o zbliżającej się erze ogólnej sztucznej inteligencji i zastępowaniu przez AI nawet najlepszych ekspertów. I nie ma znaczenia, że w apokaliptycznych prognozach chodzi przede wszystkim o zwiększenie notowań giełdowych firm. Strach o miejsca pracy i przyszłość rośnie.

W 2016 roku „ojciec AI”, prof. Geoffrey Hinton powiedział, że nie ma co dalej kształcić radiologów, bo w ciągu 5 lat zastąpi ich AI. I choć Hinton sprostował później swoją wypowiedź, obawy pozostały. Badanie przeprowadzone w Kanadzie w 2026 roku wykazało, że 33% studentów medycyny przyznało, iż zniechęciło się do specjalizacji radiologicznej właśnie z tego powodu.

AI zastąpi stanowiska biurowe, ale nie te oparte na pracy ludzkich rąk

Inne podejście do życia pokolenia Z, ucieczka z biur i trend automatyzacji pracy umysłowej powodują zmiany w planowaniu kariery. Swój renesans przeżywa rzemiosło. Technikum oferuje konkretne kwalifikacje zawodowe, a w związku z niedoborem pracowników w branżach opartych na pracy fizycznej – dobre perspektywy zatrudnienia i wysokie zarobki.

W tym roku kierunki medyczne przeżywają oblężenie, a medycyna to drugi najpopularniejszy wybór maturzystów. Na Uniwersytecie Medycznym we Wrocławiu chętnych do studiowania na kierunku medycznym było 4 789, a miejsc – tylko 330. Na stomatologii o jedno miejsce walczyły 22 osoby. Duże wzrosty notują niemal wszystkie uniwersytety medyczne. I to mimo iż w tym roku rekrutację prowadzi rekordowe 39 uczelni, a liczba miejsc na kierunkach lekarskich wzrosła o 200.

Za rekordową rekrutacją stoi m.in. podwójny rocznik maturzystów. Do tego medycyna od lat jest na liście najbardziej pożądanych zawodów. Ale zmieniają się też preferencje zawodowe i generacja Z stawia na stabilne i dobrze płatne zawody. Zasadnicze wynagrodzenie miesięczne lekarza stażysty i lekarza dentysty stażysty wynosi 8 458,38 zł brutto. Średnie zarobki lekarza specjalisty na etacie wynoszą około 23 tys. zł brutto. Na absolwentów z otwartymi rękami czekają szpitale i przychodnie, także te zagraniczne, podbijając stawki w obawie o brak rąk do pracy i konieczność zamykania oddziałów.

Także w USA młodzież wybiera medycynę. Według Stowarzyszenia Amerykańskich Kolegiów Medycznych, liczba kandydatów na studia medyczne wzrosła o 5,3% w porównaniu z poprzednim rokiem.

Win-win czyli pewna praca z AI

Jeszcze do 2022 roku zainteresowanie 15-latków pracą w ochronie zdrowia spadało – wynika z raportu OECD „What Do We Know about Young People’s Interest in Health Careers?” Zawód pielęgniarki albo położnej postrzegany był jako trudny, stresujący, wymagający pracy po godzinach i źle płatny.

Ale po 4 latach rewolucji AI, którą pod koniec 2022 roku zainicjował ChatGPT, rynek pracy czekają wielkie zmiany. Czy AI doprowadzi do masowego bezrobocia czy do powstania zupełnie nowych zawodów? Zdania są rozbieżne, ale sama niepewność co do przyszłości powoduje exodus młodego pokolenia do zawodów oferujących stabilność. Paradoksalnie medycyna to jeden z tych zawodów, które nie są zagrożone przez AI, ale jednocześnie najbardziej na AI skorzystają.

Kiedy rozpoczynający dzisiaj studia medyczne młodzi lekarze wejdą na rynek pracy za kilka lat, nie będą musieli ręcznie wpisywać danych do elektronicznej dokumentacji medycznej. W podejmowaniu decyzji pomogą im systemy AI, a praca w znacznej części będzie opierać się na danych, analizach. To będzie wymagać od nich ciągłego zdobywania coraz to nowych umiejętności, podobnie jak w innych zawodach. Medycyna może okazać się tylko pozorną ucieczką przed wpływem AI na rynek pracy.

Czytaj także: Lekarze nie mogą walczyć z AI, gdy ta jest od nich lepsza

AI może być dobrym partnerem do rozmów o zdrowiu psychicznym i redukować poczucie samotności, ale często jedynie wzmacnia negatywne zachowania i uzależnia – wynika z nowego badania Amerykańskiego Stowarzyszenia Psychologicznego „Chatboty a zdrowie psychiczne”.

• 77 proc. psychologów deklaruje, że ma pod swoją opieką pacjentów korzystających z AI, głównie do samodiagnozy i wsparcia terapii.
• 49 proc. dostrzega pozytywny wpływ chatbotów na chorych. Przykładowo, redukują poczucie samotności.
• 97 proc. obawia się, że AI może wzmacniać negatywne zachowania.
• AI może osłabiać krytyczne myślenie i relacje społeczne, a także wzmacniać nieadaptacyjne zachowania pacjentów.
• Część terapeutów twierdzi, że w przyszłości AI może ich zastąpić, a pacjenci szukający wsparcia psychicznego będą preferować chatboty.

Pacjenci rozmawiają z AI, bo AI jest blisko, cierpliwie słucha i empatycznie odpowiada

APA, American Psychological Association, przeprowadziła ankietę wśród ponad 1 200 licencjonowanych psychologów w USA na temat wykorzystania AI przez pacjentów. Wyniki zaskakują.

77 proc. psychologów przyznaje, że mają pod opieką pacjentów, którzy korzystają ze sztucznej inteligencji, najczęściej do samodiagnozy (39 proc.), wzmocnienia samodyscypliny (34 proc.) oraz w charakterze asystentów terapii (33 proc.). Jak podkreślają autorzy, faktyczna liczba chorych sięgających do AI jest prawdopodobnie znacznie większa – badanie obejmuje tylko osoby pozostające pod opieką psychologiczną.

35 proc. psychologów twierdzi, że ich pacjenci traktują sztuczną inteligencję jako specjalistę zdrowia psychicznego. Prowadzą rozmowy z chatbotami dla rozrywki (33 proc.), aby nawiązać przyjaźń (22 proc.) albo relację intymną (13 proc.).

Nawet jeśli pacjenci korzystają z chatbotów konsumenckich, jak ChatGPT albo Claude – które nie są dostosowane do celów terapeutycznych – psychologowie dostrzegają pozytywny wpływ chatbotów. 71 proc. stwierdziło, że ich pacjenci rozmawiali z chatbotem na temat swojego zdrowia psychicznego, a 68 proc. zauważyło, że pacjenci czuli się docenieni i wspierani przez AI. Aż 49 proc. psychologów doszło do wniosku, że chatboty mają pozytywny wpływ na ich pacjentów. Przeciwnego zdania jest 25 proc. ankietowanych. Wśród szkodliwych aspektów rozmów z chatbotami wskazano uzależnienie od AI oraz fałszywe przekonania związane z chatbotem (15 proc.).

Chatboty mogą rozleniwiać pacjentów i wzmacniać niezdrowe zachowania

Psychologowie ostrożnie podchodzą do AI. 97 proc. uznało, że chatboty mogą wzmacniać negatywne zachowania, a 94%, że nie są one w stanie leczyć zaburzeń psychicznych, bo nie dostrzegają ważnych niuansów choroby. 89 proc. obawia się, że chatboty mogą nieumyślnie zachęcać chorych do samookaleczania – sztuczna inteligencja nie jest w stanie rozpoznać, że użytkownicy przeżywają kryzys. Ponad dziewięciu na dziesięciu psychologów nie ufa firmom technologicznym tworzącym chatboty w sprawach związanych z ochroną danych pacjentów dotyczących zdrowia psychicznego.

Zdecydowana większość podkreśla też ryzyko związane z poleganiem na sztucznej inteligencji jako jedynym źródle porad zdrowia psychicznego. Sztuczna inteligencja jest wygodna w użyciu, dlatego pacjentom łatwiej jest zwrócić się do AI zamiast korzystać z własnej kreatywności lub umiejętności podejmowania decyzji. Ponad czterech na pięciu psychologów uznało, że wykorzystywanie AI przez pacjentów może prowadzić do osłabienia umiejętności krytycznego myślenia.

I choć 55 proc. zgodziło się, że chatboty mogą potencjalnie zredukować poczucie samotności, 93 proc. jest zdania, że towarzystwo AI może negatywnie wpłynąć na zaangażowanie społeczne użytkowników. Pacjenci mogą wpaść w „pułapkę pochlebstwa”, w której przychylny charakter sztucznej inteligencji wzmacnia nieadaptacyjne myśli pacjenta oraz tzw. zachowania unikowe. Pacjenci, którzy przed konsultacją z psychologiem zwracają się do AI w celu uzyskania porady lub diagnozy, są mniej otwarci na zalecenia psychologa, jeśli są one sprzeczne z opinią AI.

AI nie zastąpi psychologów, ale ci mają o to obawy

Ponad 54 proc. psychologów stwierdziło, że nie ma zastrzeżeń co do korzystania przez niektórych pacjentów z chatbotów w charakterze uzupełniającym. Tylko niewielki procent korzysta z AI w życiu zawodowym i prywatnym, a 26 proc. ocenia swoją wiedzę na temat AI jako dobrą lub bardzo dobrą.

Psychologowie, którzy często korzystają z AI, mają zazwyczaj bardziej pozytywne nastawienie do jej stosowania przez pacjentów. 47 proc. badanych jest zdania, że sztuczna inteligencja prawdopodobnie zwiększy skuteczność specjalistów ds. zdrowia psychicznego w leczeniu pacjentów, a 40% wyraziło optymizm co do tego, że chatboty będą w stanie pomóc pacjentom, którzy nie mają dostępu do profesjonalnej opieki.

24 proc. badanych uważa, że w przyszłości pacjenci będą preferować chatboty terapeutyczne na niekorzyść specjalistów ds. zdrowia psychicznego.

---

Najważniejsze zasady korzystania z chatbotów do wsparcia psychicznego

• Nie traktuj AI jako substytut lekarza. Chatbot może być pomocą, ale nie powinien być jedynym źródłem wsparcia.
• Weryfikuj informacje. AI może brzmieć przekonująco i powoływać się na wiarygodne źródła, a mimo to podawać błędne lub niepełne informacje.
• Nie używaj AI do samodzielnej diagnozy. Chatbot może pomylić codzienne problemy z objawami zaburzeń psychicznych i zaproponować niewłaściwe rozpoznanie lub leczenie.
• Wykorzystuj AI do przygotowania się do wizyty. Chatbot pomaga uporządkować myśli i przygotować pytania dla lekarza, ale informacje przekazywane przez AI nie powinny zawierać danych osobowych.
• Powiedz specjaliście, że korzystasz z AI. Pozwoli to ocenić, czy uzyskane informacje są zgodne z celami leczenia i jak lepiej włączyć chatbota do terapii.
• Nie myl chwilowej ulgi z długotrwałą poprawą zdrowia. AI może udzielić odpowiedzi, które dają poczucie akceptacji lub poprawiają samopoczucie, ale nie oznacza to, że ma trwały efekt terapeutyczny.
• AI zawsze będzie ci schlebiać. Odpowiedzi chatbotów opierają się na wzorcach matematycznych. Nie rozumieją one sytuacji chorego.
• Nie podejmuj ważnych decyzji wyłącznie na podstawie odpowiedzi chatbota. Skonsultuj je ze specjalistą.

Czytaj także: ChatGPT z nową opcją „Zdrowie” zna cię lepiej niż lekarz

Podczas konferencji Apple 9 września największą uwagę przyciągnęły składany smartfon iPhone Duo oraz funkcje AI w Siri. Ale było też kilka ciekawych premier dotyczących monitorowania zdrowia.

Zegarek Apple oceni, czy organizm jest gotowy na wysiłek fizyczny

Nową funkcją jest „Gotowość” (Readiness). Apple Watch przeanalizuje ostatnią aktywność fizyczną, parametry zdrowotne i jakość snu, a następnie przedstawi wynik w skali od 0 do 10 oraz rekomendację dotyczącą zalecanego poziomu aktywności.

Częstsze pomiary, aby poprawić dokładność wyników

Nowy Health Sensing System w Apple Watch Series 12 i Apple Watch Ultra 4 zapewni częstsze pomiary parametrów sercowych. Tętno będzie mierzone co 5 sekund przez całą dobę, a zmienność rytmu serca (HRV) – nawet co 5 minut.

AI przeanalizuje zdrowie w dłuższej perspektywie i oceni wiek zdrowotny

Dużą nowością jest przebudowana aplikacja Zdrowie. Apple Intelligence pomoże przygotowywać spersonalizowane analizy i rekomendacje. Na nowej zakładce Insights trafią podsumowania danych dotyczące m.in. zdrowia serca, snu, aktywności, parametrów życiowych i cyklu.

Idąc za trendem długowieczności, Apple wprowadza nową zakładkę „Longevity”. Znajdą się na niej analizy zdrowia prowadzone w dłuższym okresie. Funkcja wieku zdrowotnego (Health Age) porównuje wybrane parametry użytkownika z jego wiekiem chronologicznym, wykorzystując m.in. VO2 max, spoczynkowe tętno, sen i HRV. Analizę będzie można uzupełnić o wyniki badań laboratoryjnych, m.in. HbA1c i LDL.

Sprawność ruchową ocenisz samodzielnie

Funkcja oceny sprawności ruchowej (Movement Evaluations) pozwala ocenić m.in. elastyczność ciała, siłę, równowagę, sposób poruszania się i VO2 max. Dane pochodzące z kamery iPhone’a i zegarka Apple przeanalizują modele AI, a użytkownik otrzyma wskazówki w czasie rzeczywistym.

Badania laboratoryjne proste ze smartwatcha

Za pośrednictwem aplikacji Zdrowie będzie można zamówić wykonanie badań laboratoryjnych obejmujących ponad 50 biomarkerów. Usługa dostępna tylko w USA ma być realizowana we współpracy z Quest Diagnostics w ok. 2 tys. lokalizacji. Aplikacja Zdrowie pomoże w interpretacji wyników, prezentując materiały przygotowane przez ekspertów klinicznych. Włączenie badań laboratoryjnych do ekosystemu Apple to strategiczny krok, który pozwoli firmie zyskać nowe dane niezbędne do poszerzenia funkcji fitness w swoich rozwiązaniach.

Roszerzony monitoring cyklu kobiety

Apple rozszerza śledzenie cyklu o funkcje związane z perimenopauzą i menopauzą. Użytkowniczki będą mogły rejestrować objawy i monitorować zmiany cyklu. Kobiety w wieku 40 lat i starsze mogą otrzymać powiadomienie, jeśli zmiany w cyklach będą wskazywać na perimenopauzę. Aplikacja ma również ostrzegać o krwawieniu po menopauzie.

Przebudowana aplikacja Zdrowie ma być dostępna jeszcze w tym roku, początkowo w języku angielskim w USA. Apple zaznacza, że dostępność poszczególnych funkcji będzie zależeć od urządzenia, regionu i języka.

Czytaj także: Rewolucja w POZ. Chorzy będą monitorowani w domu

13 września 2026 r. zaczną obowiązywać nowe zasady walidacji recept na produkty refundowane. Oznacza to, że część recept zawierających błędy nie zostanie wystawiona, ponieważ system P1 automatycznie zablokuje ich zapisanie. Nowe regulacje mają zwiększyć bezpieczeństwo pacjentów i ograniczyć sytuacje, w których problem z receptą zostaje wykryty dopiero w aptece. 

• Od 13 września 2026 r. system P1 sprawdzi na recepcie m.in. czas trwania kuracji, ustrukturyzowane dawkowanie i wielkość opakowania zgodną z RPL.
• Zmiany nie obejmą m.in. recept nierefundowanych bez oznaczenia „365”, recept recepturowych, na import docelowy i farmaceutycznych oraz niektórych recept na produkty o złożonej strukturze opakowań.
• Aby podnieść jakość danych wprowadzanych na receptach, w systemach gabinetowych KAMSOFT dostępne są takie rozwiązania jak DAWKOMAT, TurboBLOZ, Pharmindex Open i Analizator Terapii
• Wspierają one lekarzy m.in. w prawidłowym określaniu dawkowania, sprawdzaniu dostępności i zamienników leków, kontroli bezpieczeństwa terapii oraz analizie stosowanych przez pacjenta leków.

Koniec z błędami wykrywanymi przy okienku aptecznym 

Od 13 września system e-Zdrowia będzie sprawdzał wybrane elementy recepty jeszcze przed jej wysłaniem do systemu P1. Lekarze w przypadku wystawiania recept objętych nowymi zasadami będą musieli uwzględnić m.in.: 

• podawanie na recepcie informacji o czasie trwania kuracji; 
• stosowanie ustrukturyzowanego dawkowania; 
• przekazywanie informacji o wielkości opakowania zgodnej z danymi z Rejestru Produktów Leczniczych (RPL). 

Których recept zmiany nie dotyczą? 

Podobnie jak w przypadku recept rocznych, od nowych wymogów przewidziano wyjątki. Weryfikacja nie będzie dotyczyć: 

• recept nierefundowanych (100%) bez oznaczenia „365”, 
• recept recepturowych, 
• recept na import docelowy, 
• recept farmaceutycznych, 
• recept wystawionych na produkty o złożonej strukturze opakowań (ok. 2,5 tys. GTIN), zawierające więcej niż jedną jednostkę definiującą pojemność opakowania, np. 1 wstrzykiwacz 3 ml / 4 igły. 

Jak przygotować się do zmian? 

Nowe przepisy sprawiają, że jeszcze większe znaczenie ma jakość danych wprowadzanych podczas wystawiania recept. W praktyce lekarze będą potrzebowali nie tylko zgodnych z tymi wymaganiami systemów gabinetowych, ale również dodatkowych narzędzi wspierających codzienną pracę i ograniczających ryzyko pomyłek.  

Wsparcie w systemach KAMSOFT 

Systemy KAMSOFT są na bieżąco aktualizowane. Dzięki temu użytkownicy mogą pracować zgodnie z aktualnymi regulacjami m.in. dot. recept. Szczególną rolę w kontekście nowych wymagań odgrywają jednak rozwiązania wspierające bezpieczeństwo farmakoterapii. 

DAWKOMAT wspiera ustrukturyzowane dawkowanie 

Od ponad 7 lat DAWKOMAT pomaga lekarzom szybciej i bardziej precyzyjnie zapisywać dawkowanie leków. W dobie recept rocznych (zmiana od 2024 r.) oraz nowych zasad walidacji e-Recept refundowanych, wprowadzanych w bieżącym roku, staje się on jednym z kluczowych narzędzi wspierających poprawne wystawianie recept i ograniczanie ryzyka błędów. 

Co więcej, narzędzie to jest stale rozwijane przez zespół KAMSOFT i daje wiele możliwości precyzyjnego zapisu dawkowania leku m.in. umożliwia zapisanie dawkowania na wiele okresów (np. 2x1x30, a następnie 1x1x330), dodanie przerw w terapii (np. 1x1x30 przerwa 7 dni), a także zapisanie dawkowania cyklicznego (np. 1x1x28 powtórz dawkowanie 12 razy).  

TurboBLOZ – wiedza o lekach i ich dostępności w aptekach 

W codziennej praktyce równie ważny jest szybki dostęp do aktualnej wiedzy o produktach leczniczych. TurboBLOZ dostarcza aktualnej wiedzy o lekach, zamiennikach i ich dostępności.  

Szczególnie istotną funkcją TurboBLOZ jest prezentowanie informacji o dostępności leków w aptekach na podstawie danych z serwisu KtoMaLek.pl. Dzięki temu lekarz może już podczas wizyty sprawdzić, czy przepisywany preparat jest dostępny na rynku, a w razie potrzeby łatwo rozważyć wybór zamiennika. Co ważne, rozwiązanie w znaczący sposób wspiera w wyszukaniu zamienników, nie tylko o analogicznym składzie, ale również o tej samej grupie postaci i dawce. Od 2025 r. TurboBLOZ został rozbudowany o funkcje wspierające monitorowanie adherencji pacjenta do terapii. Lekarz może sprawdzić m.in.: czy pacjent wykupił przepisany lek, czy stosuje inny produkt z tą samą substancją czynną, czy istnieje ryzyko dublowania terapii. Więcej informacji tutaj: TurboBLOZ pomoże w kontroli przestrzegania zaleceń lekarskich 

Pharmindex Open - szczegółowe informacje o dawkowaniu, działaniach niepożądanych i alertach bezpieczeństwa 

PHARMINDEX OPEN, funkcjonalność dostępna dla użytkowników systemów KAMSOFT, dostarcza lekarzowi wiarygodnej wiedzy o leku dokładnie wtedy, gdy jest potrzebna. Bez opuszczania systemu można sprawdzić warunki refundacji, dawkowanie, alerty bezpieczeństwa oraz ustalić jednostkę dawkowania wymaganą przez CeZ niezbędną w procesie wystawiania recepty na produkt refundowany lub recepty 365 z dawkowaniem ustrukturyzowanym. To dodatkowe wsparcie przy podejmowaniu decyzji terapeutycznych i wystawianiu e-Recept zgodnych z obowiązującymi przepisami. Więcej informacji tutaj: BLOZ i PHARMINDEX. Mocny duet do wystawiania e-recept 

Analizator Terapii – pełny obraz leczenia w jednym miejscu 

Wraz ze wzrostem liczby pacjentów z wielochorobowością i wielolekowością coraz większego znaczenia nabierają narzędzia wspierające bezpieczeństwo farmakoterapii. Analizator terapii, opracowany we współpracy z PHARMINDEX, pomaga lekarzowi szybko ocenić stosowane przez pacjenta leczenie. W jednym miejscu prezentuje informacje o lekach przyjmowanych przewlekle, wynikach badań, bezpieczeństwie terapii oraz zalecanym monitorowaniu pacjenta. Więcej informacji tutaj: „Analizator Terapii” wspiera lekarzy w decyzjach klinicznych 

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

Amerykańska Mayo Clinic – uważana za jeden z najlepszych szpitali na świecie – wykorzystuje ponad 150 modeli AI do m.in. diagnozy rzadkich chorób na podstawie obrazów EKG, porządkowania danych z dokumentacji medycznej pacjenta, wczesnego wykrywania nowotworów, triażu oraz identyfikacji pacjentów z grup ryzyka. Oto najciekawsze z nich.

• Record Time skraca przygotowanie lekarza do wizyty o 5–30 minut na pacjenta, porządkując rozproszoną dokumentację, która czasami może liczyć setki stron.
• Model do triażu na SOR-ze, przewidujący możliwość zastosowania tzw. ścieżki postępowania bez konieczności korzystania z łóżka szpitalnego, został wytrenowany na danych z 49 350 wizyt.
• REDMOD wykrywa około 73 proc. przypadków wczesnego raka trzustki, wobec około 32 proc. bez AI, identyfikując sygnały choroby 1–3 lata przed rozpoznaniem konwencjonalnymi metodami.
• AI stosowana przez Mayo zwiększyła o 44 proc. odsetek terminowych skierowań do opieki paliatywnej, a jeden z modeli triażu został wytrenowany na danych z 49 350 wizyt na SOR.
• Klinika korzysta z Google Cloud oraz rozwija własne centrum danych z wykorzystaniem procesorów NVIDIA, ponieważ część modeli AI musi być trenowana lokalnie (ze względu na przepisy HIPAA).

Nawet 30 minut mniej na analizę dokumentacji pacjenta

Mayo Clinic nie bez powodu nosi tytuł najlepszego szpitala na świecie według ostatniego rankingu Newsweeka i Statista. Placówka przyjmująca 1,3 mln pacjentów ze 140 krajów rocznie od kilku lat testuje i wdraża sztuczną inteligencję w administracji, w diagnozie i leczeniu pacjentów oraz w badaniach klinicznych. To już 150 algorytmów, jak wynika z lipcowego wywiadu CNN z Matthew Callstromem, dyrektorem medycznym programu generatywnej AI w Mayo Clinic.

Oficjalnie Mayo nie publikuje pełnej listy wszystkich modeli AI, ponieważ wiele z nich znajduje się na etapie pilotażu albo walidacji. Ale kilkoma z nich Mayo chwali się w wywiadach i badaniach naukowych.

Najnowszym jest Record Time wykorzystujący algorytmy przetwarzania języka naturalnego (NLP). Rozwiązanie jest rozwijane we współpracy ze Scale AI. System powstał, aby rozwiązać problem rozproszenia dokumentacji medycznej. Do Mayo zgłaszają się pacjenci z całego świata i często przekazują dokumentację pochodzącą z wielu różnych placówek. Niekiedy to nawet kilkaset stron w przypadku skomplikowanych przypadków klinicznych. Record Time sortuje informacje chronologicznie i pomaga lekarzowi odnaleźć najważniejsze fakty.

Według Mayo, rozwiązanie może skrócić przygotowanie do wizyty o 5–30 minut na pacjenta. AI przejmuje część pracy związanej z wyszukiwaniem i porządkowaniem informacji, a dalszy proces diagnozy oraz terapii należy już do lekarza. Record Time znajduje się obecnie w fazie testów.

AI szuka ukrytych chorób w EKG i wczesnych oznak raka trzustki

W kardiologii od 2019 roku działa AI-ECG. Korzystając ze standardowego zapisu EKG, algorytm szuka wzorców sugerujących występowanie amyloidozy serca – choroby, która może być trudna do rozpoznania, szczególnie na wczesnym etapie rozwoju.

Rozwiązanie zostało wytrenowane na ogromnej bazie danych obejmującej 24 lata, a w 2023 roku otrzymało zgodę FDA na zastosowanie kliniczne. Technologia opiera się na głębokich sieciach neuronowych analizujących elektrofizjologię serca i jest obecnie testowana pod kątem możliwości wykrywania innych schorzeń kardiologicznych.

Kolejnym algorytmem diagnostycznym jest REDMOD, czyli model wykorzystujący analizę obrazów tomografii komputerowej do wczesnego wykrywania raka trzustki. Algorytm analizuje wczesne, subtelne zmiany w strukturze trzustki, które mogą pojawić się, gdy nowotwór jeszcze nie jest wykrywalny w obecnie stosowanych badaniach diagnostycznych.

W badaniu walidacyjnym REDMOD wykrywał około 73 proc. przypadków wczesnego raka trzustki, podczas gdy bez wykorzystania AI odsetek ten wynosił około 32 proc. Model potrafi identyfikować sygnały choroby nawet 1–3 lata przed rozpoznaniem za pomocą konwencjonalnych metod. Model nadal znajduje się w fazie walidacji.

AI w patomorfologii i opiece paliatywnej

We współpracy z firmą Aignostics Mayo opracowało – wytrenowany na ponad 1,2 mln obrazów – model AI przeznaczony do analizy obrazów histopatologicznych. Atlas to wielowymiarowy model uczenia maszynowego oparty na generatywnej AI, który automatyzuje wykrywanie zmian w preparatach i filtrowanie przypadków. Jednocześnie Mayo rozwija cyfrowe środowisko pracy patologów. Fusion AP łączy przeglądarkę obrazów histopatologicznych z danymi klinicznymi oraz narzędziami AI.

Na platformie dostępnych jest 22,6 mln skanów preparatów patologicznych. Dzięki temu patolog może mieć w jednym środowisku dostęp do aktualnego preparatu i wcześniejszych obrazów oraz powiązanych informacji klinicznych. Platforma ma też pomóc w rozwoju i walidacji kolejnych algorytmów AI w patomorfologii.

Z kolei wspólnie z Bayesian Health powstało rozwiązanie analizujące dane hospitalizowanych pacjentów i pomagające identyfikować osoby, które mogą wcześniej potrzebować konsultacji w zakresie opieki paliatywnej. W przeprowadzonym badaniu klinicznym wykorzystanie AI wiązało się z 44-proc. wzrostem terminowych skierowań do opieki paliatywnej. System jest zintegrowany z elektroniczną dokumentacją medyczną, dzięki czemu informacja o potencjalnej konieczności hospitalizacji trafia bezpośrednio do zespołu lekarzy.

Medycyna precyzyjna, radiologia i predykcja chorób

Razem z Cerebras Mayo pracuje nad modelami wykorzystującymi AI do analizy wariantów genetycznych i danych genomicznych. Celem jest przetestowanie, czy na podstawie informacji genetycznych można dokładniej przewidywać odpowiedź organizmu pacjenta na leczenie. Obecne testy skupiają się na terapiach stosowanych w reumatoidalnym zapaleniu stawów. Na razie model znajduje się w fazie rozwoju i nie jest stosowany u chorych.

Razem z Microsoft Research trwają prace nad multimodalnymi modelami AI do analizy obrazów medycznych. Jednym z badanych zastosowań jest analiza zdjęć rentgenowskich klatki piersiowej. Model ma pomagać w tworzeniu wstępnych opisów badań, sprawdzaniu położenia cewników oraz porównywaniu różnych badań RTG pacjenta.

Z roku na rok rośnie liczba algorytmów predykcyjnych, na przykład do wcześniejszego identyfikowania ryzyka wystąpienia sepsy u pacjentów. Rozwiązanie rozwijane razem z Predicate AI wykorzystuje dane zbierane z urządzeń monitorujących parametry zdrowia pacjentów oraz z elektronicznej dokumentacji medycznej. W codziennej działalności szpitala stosowane są też systemy AI do triażu, zarządzania przepływem pacjentów, prognozowania zapotrzebowania na łóżka czy planowania operacji.

Przykładowo, naukowcy z Mayo Clinic Arizona opracowali model, który na podstawie danych z triażu na SOR przewiduje, czy pacjent nadaje się do pionowej ścieżki postępowania (ang.: vertical processing pathway, VPP), zgodnie z którą pacjent może pozostać w pozycji siedzącej lub stojącej zamiast być kierowany na klasyczne łóżko szpitalne. Model został wytrenowany na danych z 49 350 wizyt na oddziale ratunkowym.

W 2026 roku pojawiła się ciekawa publikacja naukowa ekspertów z Mayo pokazująca działanie modelu, który na etapie przyjęcia na SOR określa, czy pacjent będzie wymagał hospitalizacji. Jest też model do triażu oceniający ryzyko infekcji na podstawie zdjęć ran pooperacyjnych. Pacjent wysyła zdjęcie rany, AI je analizuje, a w przypadku podejrzenia infekcji informowany jest personel medyczny.

AI jest głodne mikroprocesorów

150 modeli AI wymaga odpowiedniej infrastruktury obliczeniowej. Mayo od dawna korzysta z rozwiązań chmurowych. W 2019 roku zawarła 10-letnie partnerstwo z Google opierające się na wykorzystaniu Google Cloud. W czerwcu 2026 ogłoszono współpracę z Microsoftem, której celem jest stworzenie dużego modelu AI dla medycyny. Mowa o uniwersalnym modelu jak ChatGPT albo Claude, ale z przeznaczeniem stricte dla lekarzy. Jak czytamy w komunikacie prasowym, jeśli powstanie, będzie dostępny w chmurze Microsoft Azure.

Ale zgodnie z amerykańskimi przepisami dotyczącymi ochrony danych medycznych HIPAA nie wszystko da się zrobić w chmurze danych. Wiele modeli generatywnej AI i multimodalnych, potrzebujących dużych mocy obliczeniowych, Mayo trenuje lokalnie. Do tego służy nowe centrum danych wykorzystujące mikroprocesory NVIDIA.

Strategia Mayo zakłada samodzielne tworzenie modeli AI. Każdy z nich przechodzi wstępne testy, a następnie badania kliniczne. Jeśli wyniki są obiecujące, trafiają do praktyki klinicznej. Ale często cały proces kończy się publikacją naukową i zaniechaniem dalszego rozwoju projektu. Po zakończeniu etapu wdrożenia, każdy model AI jest monitorowany, aby określić stabilność działania. Dzięki temu Mayo jest dziś czołową jednostką naukową rozwijającą AI dla medycyny na zlecenie instytucji publicznych i sektora prywatnego. Klinika uruchomiła swoją autorską platformę (Mayo Clinic Platform Connect) dla firm, które chcą rozwijać, testować i walidować swoje algorytmy AI na bazie danych klinicznych Mayo i ze wsparciem pracujących tam lekarzy.

Czytaj także: Ranking „smart” szpitali 2026. Zwycięzcy i ich strategie

Czy lekarz może odmówić korzystania z AI, nawet jeśli ta poprawia jakość opieki? Nie – twierdzą autorzy opinii opublikowanej w „Annals of Internal Medicine”. Ale to oni odpowiadają za to, które wskazanie algorytmu wezmą pod uwagę i „nadają sens” podpowiedziom AI.

Autorzy artykułu „Risk, Accountability, and the Clinician’s Role in the Artificial Intelligence Era„, argumentują, że lekarze nie powinni opierać się przed AI. Jeśli system poprawia jakość opieki nad pacjentem, lekarze powinni zaakceptować fakt, że maszyna jest lepsza w niektórych zadaniach.

Przykładowo, już dziś AI precyzyjnie ocenia ryzyko wystąpienia choroby, ponieważ może analizować ogromne ilości danych, porównywać wyniki badań i na tej podstawie szacować prawdopodobieństwo korzyści lub szkód wynikających z określonego postępowania. Techniczna ocena ryzyka oparta na analizie danych od dawna należy do najtrudniejszych elementów leczenia i jest obszarem, w którym AI będzie prawdopodobnie coraz skuteczniejsza.

Dwóch pacjentów z taką samą diagnozą i takim samym ryzykiem może wymagać innego postępowania. Pod uwagę trzeba wziąć historię choroby, badania naukowe, cele i możliwości terapii. Algorytm może zrobić to dużo lepiej. Nie może jednak sam zdecydować, czy dane postępowanie jest najlepszym dla konkretnego pacjenta i jego preferencji.

Autorzy mówią o „management reasoning” – rozumowaniu dotyczącym wyboru leczenia, kontroli, badań i wykorzystania zasobów. W odróżnieniu od diagnostyki, której celem jest znalezienie jednej najlepszej odpowiedzi, chodzi o proces wyboru między kilkoma racjonalnymi możliwościami, z których każda niesie inne konsekwencje.

Przykładem jest przypadek 81-letniego pacjenta z niewydolnością serca. AI może wskazać terapię, która według danych klinicznych przynosi największe korzyści. Może również wskazać, że pacjent różni się od uczestników badań, na których oparto tę rekomendację. Pozostaje pytanie: jakie ryzyko powinien zaakceptować pacjent? Odpowiedzi nie da się sprowadzić do wartości procentowej.

Przyszła rola lekarza nie powinna polegać na „konkurowaniu z AI w analizowaniu informacji”, ale na odpowiedzialności zawodowej. Lekarz pozostaje osobą, która podejmuje decyzje dotyczące pacjenta, bierze na siebie ryzyko i odpowiada za konsekwencje metody leczenia, a także dalszą opiekę, jeśli to zakończy się niepowodzeniem.

To lekarz pozostaje osobą, do której pacjent zwraca się po wyjaśnienie podjętej decyzji i odpowiada za stworzenie zaufanej relacji.

Z drugiej strony, lekarz nie może być sprowadzony do roli osoby zatwierdzającyej rekomendacje algorytmu. Samo zaakceptowanie decyzji wygenerowanej przez AI nie jest jeszcze odpowiedzialnością. Ta rodzi się wtedy, gdy lekarz rozumie decyzję, ocenia ją w kontekście konkretnego pacjenta i świadomie godzi się na jej konsekwencje. To lekarz nadaje sens decyzji podjętej przez AI.

Czytaj także: Medycyna pilnie potrzebuje autonomicznej AI. Ale się jej boi