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

„Cyber Piątka” Ministerstwa Cyfryzacji, czyli 5-punktowy plan uszczelnienia danych medycznych, to krok w dobrym kierunku, ale nie zabezpieczy w 100% danych medycznych przed takimi wyciekami jak w przypadku MyDr – twierdzi Piotr Konieczny, ekspert portalu Niebezpiecznik.pl i proponuje anonimizację części danych.

Pięć zmian, aby dane medyczne były bezpieczniejsze

Zapowiedziane zmiany w prawie to pokłosie cyberataku na dostawcę systemów informatycznych dla placówek medycznych MyDr, w wyniku którego wyciekły dane blisko 19 mln osób.

Aby ograniczyć ryzyko podobnych cyberataków w przyszłości, MC proponuje pięć zmian:

• certyfikację firm przetwarzających dane medyczne,
• określenie minimalnych wymagań technologicznych dla systemów IT,
• obowiązek informowania pacjentów o przekazywaniu ich danych podmiotom zewnętrznym,
• alerty o zdarzeniach medycznych,
• dodatkowe obowiązki dla podmiotów masowo przetwarzających dane.

– Firmy i instytucje masowo obracające wrażliwymi danymi Polaków wezmą na siebie większą odpowiedzialność – twierdzi wiceminister cyfryzacji Dariusz Standerski. MC zapowiada, że przepisy wdrażające Cyber Piątkę mają trafić do Sejmu jeszcze w tym roku.

Obowiązki na papierze nie wystarczą, hakerzy zawsze znajdą nowy sposób

Piotr Konieczny, założyciel Niebezpiecznik.pl, w rozmowie z OSOZ zaznacza, że nawet bardzo dobrze zabezpieczony system nie daje gwarancji, że dane nigdy nie zostaną skradzione.

– To bardzo dobre, ale niewystarczające wymagania, jeśli chodzi o bezpieczeństwo pacjentów. Brakuje bowiem uregulowania tego, jakie dane muszą być zbierane, a jakie niekoniecznie powinny być zbierane podczas wizyty u lekarza. Czy jeśli robię badania krwi, muszę podawać pełen adres zamieszkania, numer telefonu i adres e-mail? Po co? Dlaczego nie mogę skorzystać anonimowo z części usług medycznych – tych mniej istotnych? – postuluje Piotr Konieczny.

Jego zdaniem, bezpieczeństwo należy budować także poprzez ograniczanie liczby gromadzonych informacji. Powód jest prosty: nawet z najszczelniejszych systemów dane mogą zostać skradzione. Przykładowo, mogą zostać po prostu skopiowane na nośnik danych i wyniesione z podmiotu albo może pojawić się nieznana do tej pory podatność na atak. W ten sposób hakerzy mogą wykraść dowolne dane z systemu IT. Nie ma 100-procentowego zabezpieczenia.

– A gdyby dać możliwość pacjentom niewprowadzania tam [red.: do systemu IT] niektórych danych, wówczas te dane nie mogłyby nigdy zostać wykradzione, bo nie byłoby ich w systemie albo nie byłyby powiązane z konkretnym pacjentem / peselem – Konieczny opowiada się za zasadą minimalizacji danych gromadzonych w systemie e-zdrowia.

Czytaj także: Hakerzy wykradli dane 19 mln osób z MyDr.

Skorzystaj z nowej opcji „Dodaj do zaufanych źródeł Google”, aby wyszukiwarka Google i podsumowania AI czerpały aktualną i sprawdzoną wiedzę prosto z blogu OSOZ.

Czytasz regularnie blog OSOZ i chciałbyś, aby Twoja wyszukiwarka Google czerpała informacje z wiarygodnych i wysokiej jakości treści, które publikujemy? Chcesz mieć szybki dostęp do nowych tekstów z bloga OSOZ bezpośrednio w Google?

Dodając blog OSOZ do zaufanych źródeł Google:

• podsumowania AI w Google będą bazować na zweryfikowanych informacjach z rynku zdrowia,
• uzyskasz dostęp do aktualności na temat AI i innowacji w medycynie oraz e-zdrowia,
• zminimalizujesz liczbę halucynacji AI, bo wyszykiwarka będzie częściej sięgać do zaufanych danych,
• będziesz pierwszą osobą, która dowie się o nowych zmianach prawnych w obszarze e-zdrowia,
• Google wyświetli wywiady i teksty, których nie znajdziesz na innych stronach www.

Według Google, blog OSOZ to „jedno z najbardziej rzetelnych i aktualnych centrów wiedzy o polskiej cyfryzacji zdrowia oraz trendach w medycynie.” Dołącz do społeczności e-zdrowia i bądź na bieżąco z informacjami starannie przygotowywanymi i weryfikowanymi przez naszą redakcję.

Jak dodać blog OSOZ do zaufanych źródeł informacji?

1. Kliknij na poniższy baner:

lub

1. Otwórz aplikację Wiadomości Google (Google News) na telefonie lub wejdź na stronę google.com.
2. Wpisz w pasku wyszukiwania: blog.osoz.pl.
3. Kliknij ikonę gwiazdki (Obserwuj) przy profilu źródła lub wpisie.

Od teraz artykuły z wiarygodnymi informacjami o e-zdrowiu częściej będą pojawiać się w Twoim głównym strumieniu wiadomości oraz w zakładce „Obserwowane”.

Więcej newsów? Jeśli chcesz otrzymywać co 2 tygodnie 4 najważniejsze artykuły, zapisz się do newslettera OSOZ.

Potwierdziły się podejrzenia, że MyDr padł ofiarą jednego z największych incydentów cyberbezpieczeństwa w historii Polski – wyciekły dane 19 mln pacjentów gromadzone w 12 tys. placówkach zdrowia. Wicepremier i minister cyfryzacji Krzysztof Gawkowski potwierdził, że odpowiednie służby prowadzą obecnie postępowanie wyjaśniające.

Najnowsze informacje znajdują się na samym dole.

Aktualizacja z 10 sierpnia 2026 r.

MyDr to dostawca oprogramowania medycznego należący do grupy Znany Lekarz. O możliwym wycieku danych poinformował serwis Zaufana Trzecia Strona, do którego zgłosili się sami sprawcy ze szczegółami. Przekazali dziennikarzom materiały mające potwierdzać włamanie, w tym dane jednego z najważniejszych polskich polityków, obejmujące m.in. imię i nazwisko, datę urodzenia, numer PESEL, numery telefonów oraz informacje dotyczące recept.

– Odezwał się do nas ktoś, kto twierdził, że dysponuje danymi ponad 18 milionów Polek i Polaków, pochodzących z systemów medycznych. Potraktowaliśmy zgłoszenie poważnie i weszliśmy w bezpośredni kontakt ze zgłaszającym oraz powiadomiliśmy odpowiednie instytucje – poinformował serwis.

Sprawcy mieli również uzyskać dostęp do wewnętrznych zasobów MyDr. Pokazali m.in. fragmenty korespondencji firmowej, dane nowych pracowników, raport sygnalisty o nieprawidłowościach, informacje o współpracujących lekarzach oraz materiały związane z reklamą leków.

Zgodnie z informacjami serwisu Zaufana Trzecia Strona, cyberprzestępcy uzyskali dostęp do infrastruktury firmy działającej w chmurze AWS i wykradli około 2,5 TB danych. Żadne informacje nie zostały na razie potwierdzone. d

– Klienci firmy, czyli placówki medyczne i lekarze, zostali poinformowani o identyfikacji potencjalnego nieuprawnionego dostępu do systemów. Na tym etapie postępowania nie można ostatecznie potwierdzić wycieku danych, jednak wiele wskazuje na to, że osoba nieuprawniona mogła uzyskać do nich dostęp [red.: do danych] – napisał na platformie X minister Gawkowski 10 sierpnia.

Aktualizacja z 12 sierpnia 2026 r.

12 sierpnia potwierdziły się te informacje. Podczas pilnego spotkania z udziałem prokuratury i służb minister Gawkowski przyznał, że doszło do nadzwyczajnego wycieku danych. Jest to jeden z największych incydentów cyberbezpieczeństwa w historii Polski. Wicepremier zaapelował, aby „podjąć wszelkie działania, żeby wykradzione dane nie krążyły po rynku i żeby nie stały się elementem jakiejś gry, czy to służb, czy kogokolwiek innego.”

Hakerzy wykradli łącznie 2 terabajty danych osobowych i medycznych blisko 19 mln pacjentów. Są to numery PESEL powiązane z informacjami o wystawionych receptach i zrealizowanych wizytach. Wszystkie pochodzą z systemu informatycznego dla gabinetów lekarskich MyDr.

Na razie nie wiadomo, jak doszło do wycieku. Na tym etapie wszystkie scenariusze są możliwe: błąd człowieka, błąd systemu, brak zabezpieczeń, celowe działanie albo gra związana ze służbami obcymi.

MyDr potwierdził, że stał się „celem zewnętrznego, celowego działania o charakterze przestępczym, którym objęta była część danych.” Dane, które wykradli hakerzy, najprawdopodobniej pochodzą z 2024 roku oraz lat wcześniejszych.

Aktualizacja z 14 sierpnia 2026 r.

MyDr poinformował w komunikacie, że na razie nie ma dowodów na naruszenie ani niewłaściwe wykorzystanie certyfikatów P1. Mimo to, ze względów bezpieczeństwa i w porozumieniu z CEZ, rekomenduje się stopniową rotację certyfikatów P1. Cały proces będzie się odbywał rotacyjnie, a poszkodowane placówki otrzymają informację w tym zakresie.

Na chwilę obecną serwis informuje, że „dane z wycieku w firmie MyDr nie trafiły jeszcze do bazy serwisu. Zostaną udostępnione w serwisie niezwłocznie po ich przekazaniu przez podmioty dotknięte cyberatakiem.”

TVN informuje, że wyciekiem mogły być też objęte dane największych sieci medycznych. W Medicover, kilka placówek stomatologicznych korzystało z MyDr, a sieć sprawdza, czy dane jej pacjentów zostały objęte incydentem. Lux Med wstępnie potwierdził możliwość, że cyberatak mógł dotyczyć części danych pacjentów sieci, ale podkreśla, że ich zakres jest ograniczony. Firma prowadzi obecnie własną analizę. Z kolei Enel-Med korzystał z MyDr do obsługi pacjentów NFZ, ale nie ma obecnie potwierdzenia, że dane pacjentów wyciekły. PZU Zdrowie: korzysta z własnego systemu, mimo to sprawdza, czy incydent mógł dotyczyć jego pacjentów.

Kiedy będzie można sprawdzić, czy wyciekły moje dane?

Wkrótce w serwisie bezpiecznedane.gov.pl każdy będzie mógł samodzielnie sprawdzić, czy jest ofiarą cyberataku na MyDr. Do weryfikacji potrzebny jest numer PESEL. Wcześniej trzeba się zalogować do serwisu za pomocą profilu zaufanego, aplikacji mObywatel, bankowości elektronicznej albo e-dowodu.

MyDr zidentyfikował przyczynę ataku.

MyDr przekazał, że zidentyfikował już i usunął przyczynę wycieku danych. Firma współpracuje z Prezesem Urzędu Ochrony Danych Osobowych (UODO), CERT Polska oraz Centralnym Biurem Zwalczania Cyberprzestępczości (CBZC).

– Centrum e-Zdrowia rozpoczęło prewencyjną i stopniową aktualizację certyfikatów wykorzystywanych do komunikacji z systemem P1. Placówki medyczne, które korzystały z oprogramowania MyDr, otrzymają bezpośrednio informacje o terminach i sposobie wymiany certyfikatów – poinformował na platformie X minister cyfryzacji Krzysztof Gawkowski. Przypomniał także o konieczności zastrzeżenia numeru PESEL.

Aktualizacja 15 sierpnia 2026 r.

– Jesteśmy na tropie grupy, która wykradła dane Polaków z firmy MyDr – powiedział wicepremier i minister cyfryzacji Krzysztof Gawkowski. Służby cały czas sprawdzają, czy dane w internecie nie są wystawiane na sprzedaż.

Aktualizacja 17 sierpnia 2026 r.

MyDr przekazał, że jest na „końcowym etapie ustalania zakresu incydentu, w tym tego, które dane oraz którzy klienci i pacjenci mogli zostać nim dotknięci.”

Poszkodowane placówki mają otrzymać wsparcie w ewentualnych zgłoszeniach do UODO oraz komunikacji z pacjentami.

Tymczasem Ministerstwo Cyfryzacji przypomina o możliwości zastrzeżenia PESEL-u w aplikacji mObywatel. Jak to zrobić, przeczytasz tutaj. Jeśli okaże się, że w wyniku cyberataku doszło do kradzieży tożsamości, należy unieważnić dowód osobisty, zgłaszając nieuprawnione wykorzystanie danych.

Aktualizacja 18 sierpnia 2026 r.

Centralne Biuro Zwalczania Cyberprzestępczości poinformowało na platformie X, że prowadzi czynności pod nadzorem Prokuratury Okręgowej w Warszawie dot. uzyskania nieuprawnionego dostępu za pośrednictwem sieci Internet, do systemu informatycznego administrowanego przez firmę MyDr oraz przechowywanych na serwerach spółki informacji.

Policjanci CBZC prowadzą obecnie czynności mające na celu ustalenie tożsamości osób lub osoby odpowiadającej za proceder.

Dlaczego osoby indywidualne nadal nie mogą sprawdzić na stronie http://bezpiecznedane.gov.pl, czy ich dane też wyciekły? Według służb, publikowanie takich danych mogłoby utrudnić prowadzone śledztwo.

Aktualizacja 20 sierpnia 2026 r.

Według informacji Rynku Zdrowia, do Urzędu Ochrony Danych Osobowych wpłynęły już setki zgłoszeń dotyczących wycieku danych pacjentów po cyberataku na MyDr. Wcześniej UODO zapowiedział kontrolę w spółce.

Jak się okazuje, to nie pierwszy wyciek danych związany z MyDr. W 2024 roku ktoś przejął konta pracowników medycznych korzystających z MyDr i wykorzystał je do masowego odpytywania systemu eWUŚ (Elektroniczna Weryfikacja Uprawnień Świadczeniobiorców). Haker najpierw wygenerował losowe numery PESEL, a specjalny skrypt wysyłał je do eWUŚ w celu weryfikacji. Pozytywny zwrot oznaczał, że PESEL istnieje w bazie. W ten sposób haker zidentyfikował PESELE ponad 13 milionów osób.

Aktualizacja 24 sierpnia 2026 r.

MyDr opublikował oświadczenia prezesa Piotra Miluskiego.

Informuje w nim m.in., że nadal trwa postępowanie prowadzone przez Centralne Biuro Zwalczania Cyberprzestępczości (CBZC), a firma próbuje ustalić, jakie dane zostały objęte incydentem. Zgodnie z RODO, wkrótce do osób, których dane mogły wyciec, zostanie wysłana informacja.

– Za pośrednictwem placówek medycznych informacja może dotrzeć do około 18 milionów osób, których danych na obecnym etapie analizy nie możemy wykluczyć z zakresu incydentu. Grupa ta została określona z ostrożności i obejmuje osoby, których dane, przede wszystkim o charakterze historycznym (pochodzące z kwietnia 2024 roku lub wcześniejsze), znajdowały się w środowisku objętym incydentem – czytamy w oświadczeniu.

Piotr Miluski przyznał też, że „były to najtrudniejsze dwa tygodnie w historii firmy”.

Aktualizacja 25 sierpnia 2026 r.

W wywiadzie dla Polskiego Radia 24, wiceminister cyfryzacji Dariusz Standerski powiedział, że informacje o tym, które dane medyczne zostały wyukradzione przez cyberprzestępców, wkrótce trafią do rządowej bazy bezpiecznedane.gov.pl.

– Jest to kwestia kilkudziesięciu godzin – powiedział wiceminister.

Aktualizacja 02 września 2026 r.

Wiadomo już nieco więcej, jak wyciekły dane z MyDr. Według informacji przekazanych przez firmę, hakerzy uzyskali dostęp do systemu i skopiowali bazę danych przechowywaną w chmurze MyDr. Dotyczy to danych zgromadzonych przed 12 kwietnia 2024 r. W przypadku niewielkiej liczby osób skopiowane mogły zostać także dane osobowe z anulowanych e-skierowań wystawionych po tej dacie.

Aktualizacja 03 września 2026 r.

Czy moje dane wyciekły w ataku MyDr?

Można to już sprawdzić na stronie https://bezpiecznedane.gov.pl/

Aktualizacja 08 września 2026 r.

Ministerstwo Cyfryzacji proponuje plan przeciwdziałania podobnym atakom hakerów jak na MyDr. W tzw. „Cyber Piątce” znalazły się certyfikacja firm przetwarzających dane medyczne oraz nowe wymagania techniczne dla medycznych systemów IT. Ekspert z Niebezpiecznik.pl twierdzi, że to za mało.

O tym piszemy tutaj.

Czytaj także: Nowy raport CSIRT CeZ. 60% więcej incydentów cyberbezpieczeństwa w placówkach zdrowia

W każdym kraju ludzie inaczej korzystają z AI w celach zdrowotnych. Nowe badanie Microsoftu, obejmujące dane z czatów w 109 krajach, pokazuje dotąd nieznane zależności między dochodem, wiekiem a tematami rozmów z AI.

• Sposób, w jaki ludzie korzystają z chatbotów AI w sprawach zdrowotnych, różni się w zależności od zamożności kraju, wieku jego mieszkańców i organizacji systemu ochrony zdrowia.
• W biedniejszych i młodszych społeczeństwach dominują pytania o podstawowe informacje zdrowotne, a w bogatszych i starszych – o objawy, leczenie i to, jak poruszać się po systemie ochrony zdrowia.
• W krajach z rozbudowanym publicznym systemem zdrowia, takich jak Polska, użytkownicy częściej pytali AI o kwestie administracyjne, a w zamożniejszych krajach także o fitness i styl życia.
• Chatboty AI mogą być konkurencją dla lekarzy, gdy dostęp do opieki jest utrudniony, a zaufanie do systemu zdrowia jest niskie.
• W dobrze funkcjonujących systemach ochrony zdrowia pomagają pacjentom zorientować się, z jakich usług medycznych i gdzie mogą skorzystać.

Ludzie rozmawiają z chatbotami AI o tym, z czym mają problem w systemie zdrowia

Każdego dnia miliony osób pytają ChatGPT, Copilot albo Gemini od Google o objawy, choroby, leki. Proszą o interpretację badań laboratoryjnych, pomoc w diagnozie albo wskazówki, jak dostać się do lekarza.

Do Copilot’a Microsoftu codziennie trafia ponad 50 mln promptów z pytaniami o sprawy związane ze zdrowiem. W przypadku ChatGPT jest to 40 mln, jak deklaruje OpenAI.

Jak się okazuje, temat rozmów zależy od zamożności kraju – wynika z badania Microsoft AI „Global analysis of country-level factors associated with chatbot usage for health” opublikowanego w czasopiśmie Nature Health. Analiza objęła 1,7 mln anonimowych rozmów z Microsoft Copilotem, prowadzonych od stycznia do marca 2026 r. w 109 krajach i regionach. Uzyskane wyniki zestawiono z badaniami dotyczącymi zaufania do szpitali oraz poziomem zamożności poszczególnych krajów.

Pierwszy wniosek: w krajach o niskim zaufaniu do szpitali (ang.: confidence in hospitals; dokładnie o taki wskaźnik chodzi, a nie o zaufanie do ochrony zdrowia), udział rozmów o zdrowiu w wolumenie rozmów był większy niż w krajach o wysokim zaufaniu. Korelacja między tymi zmiennymi wyniosła r = −0,41, co oznaczało, że była wyraźna. Zaufanie do szpitali okazało się najsilniejszym pojedynczym predyktorem intensywności korzystania z AI w sprawach zdrowotnych.

Spadek zaufania do szpitali o około 13 punktów procentowych wiązał się z około 1 pkt proc. wzrostem udziału rozmów dotyczących zdrowia. Autorzy zaznaczają jednak, że jest to zależność statystyczna i nie oznacza związku przyczynowego, czyli tego, że osoby, które osobiście nie ufają szpitalom, częściej korzystają z AI.

W bogatszych krajach pytania do chatbotów inne niż w biedniejszych

W krajach o niższych dochodach na mieszkańca i niższej średniej wieku populacji pytania częściej dotyczą podstawowych informacji oraz edukacji zdrowotnej. Kategoria „informacja zdrowotna i edukacja” okazała się dominującą w całym badaniu (43 proc. wszystkich rozmów zdrowotnych).

W bogatszych i o wyższej średniej wieku rozmowy są bardziej konkretne i dotyczą pomocy w interpretacji objawów oraz tego, jak poruszać się po systemie zdrowia, uzyskać określone świadczenie zdrowotne. Związek między poziomem rozwoju gospodarczego, poziomem starzenia się społeczeństwa oraz pytaniami o ścieżkę pacjenta naukowcy określili jako bardzo silny.

W krajach z dobrze rozwiniętym systemem powszechnego ubezpieczenia zdrowotnego – do których zalicza się też Polska – użytkownicy częściej pytali AI o kwestie administracyjne. Średnio ta kategoria odpowiadała za 7 proc. rozmów zdrowotnych. Im bardziej rozbudowany i sformalizowany system ochrony zdrowia, tym częściej pytamy chatboty o rady administracyjno-organizacyjne: Jak szybko umówić się do lekarza specjalisty? Jak uzyskać dokumentację medyczną? Jak dostać się na rehabilitację?

Do tego w krajach o wyższym poziomie rozwoju gospodarczego udział pytań dotyczących fitnessu i stylu życia był większy.

Ale i tutaj badanie nie odpowiada na pytanie, czy to korelacja, czy związek przyczynowo-skutkowy. Może być tak, że w krajach wysokorozwiniętych pacjenci są lepiej wyedukowani cyfrowo i wiedzą, jak korzystać z AI.

AI może być konkurencją albo uzupełnieniem systemu

Czy chatboty AI są substytutem lekarza, czy pełnią rolę dodatkowego źródła informacji i pomocy? Według autorów badania tam, gdzie występuje niskie zaufanie do instytucji ochrony zdrowia, AI może stać się alternatywnym źródłem informacji i ograniczać kontakt z lekarzem. Efektem może być pogarszająca się zgłaszalność na badania przesiewowe albo korzystanie z usług profilaktycznych. Z drugiej strony, chatbot może pomóc pacjentowi lepiej zrozumieć informacje medyczne, przygotować się do wizyty albo znaleźć najlepszą ścieżkę leczenia.

W krajach o dobrze działającym systemie zdrowia, AI pełni rolę uzupełniającą, zwiększając zaangażowanie pacjentów. To pierwsze tego typu badanie biorące pod lupę korelacje pomiędzy tematami rozmów o zdrowiu. Także inne analizy sugerują, że w krajach o trudnym dostępie do systemu zdrowia, chatboty AI wypełniają lukę, stając się alternatywną metodą diagnozowania, a czasami nawet leczenia. Z kolei tam, gdzie pacjenci są zadowoleni z systemu zdrowia, a do lekarza łatwo się dostać, nie ma potrzeby szukania alternatywnych kanałów pomocy, a takimi są chatboty AI.

Badanie ma swoje ograniczenia – analizą objęto tylko rozmowy z pomocą Copilota Microsoftu. Wcześniejsze badanie opublikowane przez OpenAI sugerowało, że pacjenci korzystają z ChatGPT przede wszystkim, aby zinterpretować niepokojące objawy (55 proc.), uzyskać odpowiedź w sprawach związanych ze zdrowiem poza godzinami pracy placówek zdrowia (52 proc.), wyjaśnić terminologię medyczną (48 proc.), dowiedzieć się o możliwościach leczenia (44 proc.). Badanie dotyczyło jednak tylko czatów o zdrowiu w USA.

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

Do grudnia br. lekarze radiolodzy w 400 szpitalach otrzymają dostęp do pierwszych algorytmów na Platformie Usług Inteligentnych. Pomogą w interpretacji i opisie badań diagnostyki obrazowej.

Trwają ostatnie przygotowania do uruchomienia Platformy Usług Inteligentnych (PUI) – centralnego systemu wspierającego lekarzy radiologów w automatycznej analizie i opisywaniu badań obrazowych. Bezpłatny dostęp do PUI otrzyma 400 placówek należących do sieci szpitali.

Od strony technicznej narzędzie jest gotowe. Pod koniec 2025 roku Centrum e-Zdrowia udostępniło środowisko oraz dokumentację integracyjną. Szpitale wdrażające PUI w ramach KPO musiały rozliczyć projekt do końca sierpnia br.

Pierwsze 5 algorytmów na PUI:

• Wykrywanie patologii w TK klatki piersiowej. Algorytmy automatycznie analizują trójwymiarowe obrazy tomografii komputerowej płuc i śródpiersia, oznaczając milimetrowe guzki nowotworowe, obliczając ich objętości oraz wykrywając nacieki zapalne, zmiany rozedmowe czy cechy zatorowości płucnej.
  
• Wykrywanie zmian niedokrwiennych i krwotocznych w badaniach obrazowych mózgu. Moduł o charakterze ratunkowym (tzw. algorytm udarowy) analizujący pilne badania TK/MRI głowy. AI w kilka sekund identyfikuje ogniska krwotoczne (udar krwotoczny) lub wczesne cechy niedokrwienia tkanki mózgowej (udar niedokrwienny), co pozwala na natychmiastowe nadanie badaniu najwyższego priorytetu na liście opisowej lekarza.
  
• Diagnostyka zmian pourazowych układu kostnego w badaniach radiografii klasycznej (RTG). Analiza klasycznych zdjęć rentgenowskich kości i stawów wykonywanych m.in. na Szpitalnych Oddziałach Ratunkowych (SOR). Algorytmy wspomagają wykrywanie trudnych do zauważenia szczelin złamań, pęknięć kostnych, zwichnięć czy podwichnięć, minimalizując ryzyko przeoczenia urazu przez dyżurującego lekarza.
  
• Wykrywanie zmian nowotworowych piersi (mammografia). Wsparcie masowych badań przesiewowych (skriningu) w kierunku raka piersi. AI analizuje strukturę tkanki gruczołowej, precyzyjnie lokalizując mikrozwapnienia, asymetrie oraz podejrzane masy guzowate. Ponadto nowoczesne algorytmy potrafią ocenić z tych samych obrazów czynniki ryzyka sercowo-naczyniowego (np. zwapnienia tętnic).
  
• Wykrywanie zmian patologicznych w RTG klatki piersiowej. Algorytm przeszukuje dwuwymiarowy obraz RTG pod kątem obecności zagęszczeń miąższowych (zapalenie płuc), płynu w jamach opłucnowych, odmy, poszerzenia sylwetki serca czy cieni okrągłych sugerujących proces rozrostowy.

Czytaj także: Dyrektor Centrum e-Zdrowia o wdrażaniu Platformy Usług Inteligentnych