Centrum e-Zdrowia opublikowało nowe wyniki badania stopnia informatyzacji podmiotów wykonujących działalność leczniczą. Zdecydowana większość placówek prowadzi i indeksuje EDM, nadal są problemy z wymianą danych między podmiotami ochrony zdrowia, a innowacje takie jak AI czy telemonitoring pacjentów odgrywają marginalną rolę.

Duży skok w prowadzeniu EDM przez placówki ambulatoryjne

93% szpitali prowadzi Elektroniczną Dokumentację Medyczną (EDM) w zakresie informacji o rozpoznaniu choroby, problemu zdrowotnego lub urazu, wynikach przeprowadzonych badań, przyczynie odmowy przyjęcia do szpitala, udzielonych świadczeniach zdrowotnych o ewentualnych zaleceniach.

Indeksowanie EDM w P1 deklaruje 90,6% szpitali, 78% AŚZ i 75,1% podmiotów innych niż szpitalne. Jednocześnie wymianę EDM z innymi podmiotami przez P1 deklaruje już tylko 25,4% szpitali, 15% podmiotów innych niż szpitalne i 9,7% AŚZ. W VIII edycji badania (za 2024 r.) indeksowanie EDM w systemie P1 deklarowało 61,2% badanych podmiotów ogółem (55,1% w 2023 r.).

Coraz więcej badanych podmiotów/praktyk raportuje zdarzenia medyczne zgodnie z przepisami ustawy o SIOZ: 79,2% podmiotów szpitalnych i 62,6% AŚZ. Co trzeci AŚZ (30,6%) nie raportuje zdarzeń medycznych z powodu braku odpowiedniego systemu gabinetowego.

Rośnie poziom cyfryzacji, ale papierowe dokumenty nadal w obiegu

Dokumentację w formie papierowej najczęściej prowadzą szpitale (71,5%). W przypadku pozostałych rodzajów podmiotów/praktyk jest to 66,1%, a dla AŚZ – 45,4%.

Udostępnianie EDM innym podmiotom deklaruje 35,7% szpitali, 24,6% podmiotów innych niż szpitalne oraz 14,6% AŚZ.

Nadal papierowo prowadzone są przede wszystkim zgody (64,9%) oraz ankiety i wywiady medyczne (45,4%); jednocześnie 54,7% AŚZ deklaruje, że w ogóle nie prowadzi dokumentacji papierowej, wobec 33,9% podmiotów innych niż szpitalne i 28,5% szpitali.

Repozytorium EDM posiada 92,7% badanych szpitali, 77,2% podmiotów innych niż szpitale i 72,1% AŚZ. Sposób przechowywania dokumentacji różni się jednak w zależności od rodzaju placówki.

Duże zaległości w cyberbezpieczeństwie

Własny dział IT ma 43,4% badanych szpitali. W podmiotach innych niż szpitale najczęściej korzystano z zewnętrznych usług IT (34,7%), podobnie jak w AŚZ (43,2%). W 25,6% AŚZ zadania informatyczne wykonywał personel medyczny.

Zespół ds. cyberbezpieczeństwa ma jedynie 40,6% badanych szpitali i 25,5% AŚZ. Oznacza to, że około trzy czwarte placówek realizujących AŚZ nie ma takiego zespołu.

Szpitale najczęściej monitorują bezpieczeństwo IT (81%) i szkolą pracowników (63,2%). Największą potrzebą w zakresie cyberbezpieczeństwa jest zwiększenie odporności na cyberataki, na co wskazuje 87% szpitali i 68,3% podmiotów innych niż szpitale. Kolejne wyzwania to podnoszenie świadomości zagrożeń wśród pracowników (78,7% szpitali i 64% pozostałych podmiotów) oraz zapewnienie ciągłości działania systemów, szczególnie w szpitalach (72,5%). W AŚZ potrzeby te są wskazywane rzadziej, a 26,5% placówek deklaruje, że nie ma żadnych potrzeb w tym zakresie.

E-usługi dla pacjenta przez www nadal rzadko dostępne

Tylko 18,4% AŚZ, 17,5% podmiotów innych niż szpitalne i 50% szpitali oferuje e-usługi przez stronę www. W AŚZ aż 67,2% placówek nie oferuje ich i nie planuje wdrożenia w ciągu roku.

Jeśli e-usługi są udostępniane przez www, najczęściej jest to e-rejestracja (84,4% szpitale, 78,9% inne niż szpitalne oraz 83,4% AŚZ) i dostęp do dokumentacji medycznej (65,5% szpitali, 63,3% inne niż szpitalne).

Telemonitoring wykorzystuje 10,7% szpitali, 7,6% AŚZ i zaledwie 3,9% podmiotów innych niż szpitalne. Najczęściej dotyczy rehabilitacji i kardiologii, ale nawet te zastosowania pozostają na poziomie około 2–2,5% wszystkich PWDL.

AI w polskiej ochronie zdrowia nadal rzadkością i to mimo rewolucji AI

Obecnie AI w diagnostyce i leczeniu wykorzystuje 7,3% badanych PWDL: 4,7% do obsługi pacjentów i 5,9% w zarządzaniu. Aż 40,9% szpitali deklaruje wdrożenie AI w ciągu kolejnych 12 miesięcy, wobec 15,9% podmiotów innych niż szpitalne i 10,9% AŚZ.

W poprzednim badaniu odsetek placówek korzystających z AI wyniósł 4,7%, a więc wzrost jest marginalny.

Wysokie koszty wdrożenia są największą barierą dla AI, szczególnie w szpitalach (59,5%). Kolejnymi problemami są niejasne przepisy (31,6% szpitali i 25,1% podmiotów innych niż szpitale) oraz ograniczenia technologiczne (28% szpitali). W AŚZ większym problemem niż koszty czy technologia jest natomiast brak zaufania do rozwiązań AI, wskazywany przez 28,9% placówek.

Z narzędzi analitycznych korzysta 33% szpitali, 19,9% podmiotów innych niż szpitalne i tylko 10,6% AŚZ. Około 27–30% respondentów nie wie nawet, czy takie narzędzia są wykorzystywane.

Coraz lepiej z dostępem do internetu

Dostęp do szerokopasmowego internetu ma 98,5% szpitali, 94,2% podmiotów innych niż szpitalne i 90,1% AŚZ. Problemem jest natomiast odporność infrastruktury – łącze zapasowe posiada 73,5% szpitali i tylko około połowa pozostałych placówek.

Dojrzałość cyfrowa na poziomie średnim

Samoocena dojrzałości cyfrowej utrzymuje się na poziomie „średnim”. W każdej grupie dominuje ocena 3 – wskazuje ją 55–66,7% placówek. Ocena 5 jest marginalna, a niższe poziomy 1–2 częściej pojawiają się poza szpitalami.

63,3% PWDL wskazuje brak środków na inwestycje IT, 36,5% niewystarczające kompetencje cyfrowe pracowników, a po 25,7% brak wiedzy o możliwych e-usługach i opór personelu przed zmianą. Tylko 14,3% placówek nie widzi żadnych barier cyfryzacji.

Chęć podnoszenia kompetencji cyfrowych deklaruje 92,9% szpitali, 83,6% podmiotów innych niż szpitalne i 66,2% AŚZ. Najważniejszym obszarem jest cyberbezpieczeństwo i ochrona danych pacjentów, następnie korzystanie z centralnych systemów, a dopiero później praktyczne wykorzystanie AI.

Badanie zrealizowano w dniach 3 listopada–21 grudnia 2025 r. Z 85 324 podmiotów wykonujących działalność leczniczą (PWDL) wskazanych w Rejestrze Podmiotów Wykonujących Działalność Leczniczą w ankiecie wzięło udział 9 823 podmioty.

Pobierz raport z IX edycji dadania stopnia informatyzacji podmiotów wykonujących działalność leczniczą

Komisja Europejska przedstawiła projekt długo oczekiwanych wytycznych dotyczących klasyfikacji systemów sztucznej inteligencji wysokiego ryzyka. W końcu wyjaśniło się, jak traktować AI pomagającą tworzyć dokumentację medyczną oraz algorytmy predykcyjne w medycynie.

• Błędem jest myślenie, że każda AI w medycynie jest automatycznie AI wysokiego ryzyka.
• O klasyfikacji decyduje rzeczywiste, zamierzone zastosowanie, a producent odpowiada za spójne określenie przeznaczenia systemu.
• Z kategorii wysokiego ryzyka wyłączone są systemy wykonujące wąskie zadania administracyjne i przygotowawcze, m.in. porządkujące dokumentację i transkrybujące rozmowy lekarza z pacjentem.
• Jeśli AI wpływa na leczenie lub bezpieczeństwo pacjenta, będzie klasyfikowana jako „wysokiego ryzyka”. I to nawet jeśli ostateczną decyzję podejmuje lekarz (człowiek w pętli decyzyjnej).
• Na razie to propozycje. Wytyczne znajdują się obecnie w konsultacjach publicznych.

Nie każda AI w medycynie jest automatycznie systemem wysokiego ryzyka

Chodzi o propozycje wytycznych dotyczących klasyfikacji systemów sztucznej inteligencji wysokiego ryzyka zgodnie z art. 6 rozporządzenia (UE) 2024/1689 (ustawa o sztucznej inteligencji). Czekali na nie producenci systemów AI dla ochrony zdrowia oraz placówki planujące wdrażanie AI. Te często wstrzymywały się z inwestycjami ze względu na niejasności wokół EU AI Act.

Panuje błędne przekonanie, że AI stosowana w medycynie jest z definicji AI wysokiego ryzyka. Ale Komisja temu przeczy. Decydujące są dwa warunki. Po pierwsze, AI musi stanowić sam produkt albo pełnić funkcję elementu odpowiedzialnego za bezpieczeństwo wyrobu. Po drugie, dany produkt musi podlegać obowiązkowej ocenie zgodności z udziałem jednostki trzeciej przed dopuszczeniem do obrotu. Dopiero łączne spełnienie obu kryteriów powoduje zakwalifikowanie systemu do kategorii wysokiego ryzyka.

Komisja szczegółowo wyjaśnia również pojęcie „komponentu bezpieczeństwa”. Jest nim system AI, którego zadaniem jest zapobieganie zagrożeniom lub ograniczanie ich skutków albo którego awaria mogłaby zagrozić zdrowiu lub życiu pacjentów.

W praktyce oznacza to, że inaczej będą oceniane systemy AI, które pomagają chronić zdrowie i życie pacjenta, a inaczej te, które jedynie ułatwiają obsługę urządzenia lub usprawniają jego pracę. Do tej kategorii zaliczają się systemy AI stosowane m.in. w diagnostyce obrazowej, które poprawiają jakość obrazu lub oznaczają zmiany na zdjęciu.

Decydujące jest rzeczywiste przeznaczenie systemu

Drugim ważnym elementem wytycznych jest doprecyzowanie pojęcia „zamierzonego zastosowania” (intended purpose). Komisja podkreśla, że o klasyfikacji systemu, poza technologią, decyduje przede wszystkim sposób, w jaki producent opisuje jego przeznaczenie.

Jeżeli producent przedstawia system jako rozwiązanie mogące wspierać zastosowania wysokiego ryzyka, nawet bardzo ogólnie, system może zostać zakwalifikowany do tej kategorii. Sam zapis w regulaminie, że produkt nie powinien być wykorzystywany do zastosowań wysokiego ryzyka, nie wystarczy, jeśli materiały marketingowe lub dokumentacja sugerują coś przeciwnego. Wszystkie informacje dotyczące przeznaczenia muszą być spójne i jednoznaczne.

Komisja przypomina również, że odpowiedzialność za prawidłową klasyfikację spoczywa przede wszystkim na producencie. Ale uwaga: podmiot wdrażający – czyli szpital lub przychodnia – może sam stać się producentem w rozumieniu AI Act, jeśli zmieni przeznaczenie systemu lub wprowadzi istotne modyfikacje.

Większa jasność w kwestii AI scribes

Dokumenty szczegółowo opisują tzw. mechanizm wyłączeń (filter mechanism) – niektóre systemy AI formalnie mieszczące się w obszarach wysokiego ryzyka mogą zostać z tej kategorii wyłączone.

Dotyczy to przede wszystkim rozwiązań wykonujących wyłącznie wąskie zadania administracyjne lub przygotowawcze. Przykładami są systemy porządkujące dokumentację, indeksujące dane, wykrywające duplikaty dokumentów, przekształcające dane do odpowiedniego formatu czy wyszukujące informacje potrzebne ekspertowi. Takie narzędzia nie podejmują decyzji ani nie wpływają na ich wynik, dlatego nie muszą podlegać pełnym obowiązkom dla AI wysokiego ryzyka.

A to oznacza, że systemy AI do transkrypcji rozmowy pacjenta na zapisy w elektronicznej dokumentacji medycznej, nie są systemami wysokiego ryzyka. Tzw. AI scribes są coraz powszechniej stosowane w USA, znacznie ułatwiając prowadzenie EDM. W Europie – ze względu na niejasności wynikające z EU AI Act – na razie są rzadkością. To samo dotyczy systemów wspomagania decyzji klinicznych, które zbierają dane z różnych części systemu.

Triaż albo algorytmy predykcyjne? To już ingerencja w decyzje

Komisja podkreśla jednak, że wyjątek nie obowiązuje, jeśli system dokonuje profilowania osób lub jego wyniki realnie wpływają na decyzję dotyczącą konkretnego pacjenta. W takim przypadku, nawet jeśli to lekarz podejmuje ostateczną decyzję (tzw. human-in-the-loop), nie oznacza to automatycznie, że system przestaje być systemem wysokiego ryzyka. Nadzór człowieka jest wymogiem dla takich systemów, a nie sposobem na uniknięcie regulacji.

Komisja wyraźnie rozróżnia algorytmy wspierające organizację pracy od tych, które wpływają na bezpieczeństwo pacjenta lub na decyzje kliniczne.

Na przykład, algorytm analizujący badania RTG płuc i wskazujący pacjentów z podejrzeniem raka nadal będzie systemem wysokiego ryzyka, nawet jeśli ostateczną diagnozę stawia lekarz. Obecność człowieka w procesie nie zmienia klasyfikacji systemu – oznacza jedynie, że AI działa pod jego nadzorem. Tę zasadę można rozszerzyć na algorytmy predykcyjne oceniające np. ryzyko wystąpienia sepsy u chorego.

Obecnie trwają konsultacje publiczne dotyczące zaproponowanych przez KE wytycznych więc ich kształt może się jeszcze zmienić.

Czytaj także: Chatbot AI jak przyjaciel albo kochanka? Chiny mówią „nie”

Midjourney, firma znana dotąd z generatora obrazów AI, chce zrewolucjonizować obrazowanie medyczne. Nowo powołany Midjourney Medical planuje stworzenie nowej generacji skanera całego ciała, aby badanie było „tak szybkie jak wizyta w spa”. Zapowiedź wzbudziła mieszane uczucia.

• Midjourney Medical planuje stworzyć wykorzystujący technologię ultradźwięków skaner całego ciała. Urządzenie wykona trójwymiarowe obrazowanie organizmu w około 60 sekund.
• Badanie ma przypominać wizytę w futurystycznym spa. Skanowanie mogłoby być wykonywane regularnie, nawet co miesiąc, bo ultradźwięki nie mają szkodliwego wpływu na zdrowie.
• Firma planuje uruchomić pierwsze Midjourney Spa w San Francisco pod koniec 2027 r. Do 2031 r. powstanie 50 tys. skanerów.
• Na razie są to tylko ambitne plany. Midjourney przedstawił jedynie ładne wizualizacje, bez szczegółów technicznych.
• Lekarze podkreślają, że nie ma obecnie dowodów, iż regularne skanowanie całego ciała zdrowych osób daje jakiekolwiek korzyści.

Zaskakująca decyzja Midjourney o wejściu do sektora wellness i medycyny

Midjourney było jednym z pierwszych narzędzi generatywnej sztucznej inteligencji pomagających w kreatywny sposób tworzyć nowe obrazy bez umiejętności graficznych. Wystarczy napisać prompt.

Teraz firma chce wejść do ochrony zdrowia. – Ogłaszamy coś trochę dziwnego i trochę szalonego, ale też spektakularnego i pełnego nadziei. Nie ma to nic wspólnego z tym, co do tej pory u nas widzieliście. Tworzymy nową, odważną maszynę, która na nowo zdefiniuje podstawy opieki zdrowotnej i nasze relacje z własnym ciałem – napisał Midjourney w komunikacie prasowym.

Nowy projekt nosi nazwę Midjourney Medical, a jego centralnym elementem jest Midjourney Scanner – urządzenie wykorzystujące ultradźwięki do tworzenia trójwymiarowej mapy całego ciała. Według twórców badanie ma trwać około 60 sekund i nie wymaga użycia fal radiowych, pola magnetycznego ani promieniowania jonizującego, znanych z klasycznych metod, takich jak RTG albo MRT.

Skanowanie podczas wizyty w spa zamiast szpitalu

Koncepcja urządzenia przypomina bardziej futurystyczne spa niż pracownię diagnostyki obrazowej. Pacjent wchodzi na specjalną platformę, która powoli opuszcza go do płytkiego basenu z wodą. W trakcie zanurzania ciało przechodzi przez pierścień złożony z setek tysięcy miniaturowych przetworników ultradźwiękowych. Każdy z nich wysyła fale dźwiękowe i rejestruje ich odbicia miliony razy na sekundę. Powstające w ten sposób terabajty danych są analizowane przez klastry komputerowe, które rekonstruują trójwymiarowy obraz organizmu.

Firma przekonuje, że obrazowanie ma być na tyle szybkie i wygodne, aby można było je wykonywać regularnie, nawet co miesiąc. Dane mogłyby następnie być porównywane z wcześniejszymi badaniami oraz analizowane przez lekarzy i algorytmy sztucznej inteligencji.

Pierwsze Midjourney Spa ma zostać uruchomione pod koniec 2027 r. w San Francisco. Oprócz skanerów znajdą się tam sauny, baseny z zimną wodą i strefy relaksu. Skanowanie ma być jedynie elementem nowego doświadczenia – dotąd badanie MRT kojarzyło się negatywnie, bo wymaga leżenia przez kilkanaście minut w klaustrofobicznym urządzeniu.

Ładne wizualizacje, ale brak konkretów

Twórcy projektu planują do 2031 r. wyprodukować ponad 50 tys. skanerów, które wykonywałyby nawet miliard badań miesięcznie. Firma uważa, że powszechne obrazowanie całego ciała mogłoby ograniczyć nawet o 30 proc. liczbę zgonów i zmniejszyć o połowę koszty opieki zdrowotnej dzięki wcześniejszemu wykrywaniu chorób.

Jednocześnie Midjourney przyznaje, że na początku urządzenie nie będzie pełnić funkcji diagnostycznej. Pierwsza wersja ma jedynie tworzyć szczegółowe mapy składu ciała. Zastosowanie medyczne będzie wymagało uzyskania zgody amerykańskiej FDA.

David Holz, założyciel Midjourney, podkreślił podczas premiery, że obecna wersja systemu praktycznie nie wykorzystuje sztucznej inteligencji do tworzenia obrazów. AI odpowiada przede wszystkim za ich segmentację i interpretację, natomiast samo obrazowanie opiera się na ultradźwiękach oraz zaawansowanym przetwarzaniu sygnałów.

Zapowiedź Midjourney wywołała falę krytycznych komentarzy środowiska medycznego. Firma nie przedstawiła dotąd wyników badań klinicznych ani recenzowanych publikacji potwierdzających deklarowaną jakość obrazowania. Radiolodzy przypominają również, że ultrasonografia i rezonans magnetyczny służą do różnych zastosowań diagnostycznych, dlatego nie można zakładać, że jedno badanie zastąpi drugie.

Pojawiają się również obawy dotyczące „nad-diagnostyki” – wykonywanie częstych badań u zdrowych osób może prowadzić do wykrywania przypadkowych zmian, które nie wymagają leczenia, ale wywołują niepokój i generują kolejne kosztowne procedury diagnostyczne. Midjourney najwyraźniej chce skorzystać na trendzie tzw. whole-body scan, czyli profilaktycznych badaniach obrazowych. Pionierem jest Neko Health, mająca 6 lokalizacji w UK, Szwecji i USA. Za 250–350 euro pacjent otrzymuje zestaw profilaktycznych badań i 60-minutową konsultację. Na liście oczekujących jest już ok. 100 000 osób. Ale i w tym przypadku lekarze są krytyczni, podkreślając, że nie ma dowodów naukowych na skuteczność tego typu profilaktyki.

Czytaj także: ChatGPT na 4. miejscu. Oto najlepsze medyczne modele AI

Założony przez dwóch Polaków startup Shen AI uzyskał certyfikat wyrobu medycznego klasy IIa dla swojego oprogramowania Medical SDK – technologii pomiaru tętna, ciśnienia, HRV i RR za pomocą kamery smartfona, tabletu lub laptopa.

Urządzenie medyczne klasy IIa w UE i II w Brazylii

Certyfikacja innowacji Shen AI obejmuje pomiar u osób dorosłych czterech parametrów zdrowia: tętna, zmienności rytmu serca (HRV), częstości oddechu (RR) oraz ciśnienia skurczowego i rozkurczowego. Badanie trwa jedną minutę i polega na wykonaniu skanu twarzy kamerą smartfona, tabletu albo laptopa. Wynik ma służyć wsparciu oceny stanu fizjologicznego pacjenta.

Firma, którą założyli Remi Kościelny (CEO) oraz Przemek Jaworski (CTO), ma siedzibę w Estonii i zespół badawczo-rozwojowy zlokalizowany we Wrocławiu. Poza certyfikacją w Unii Europejskiej Shen AI zarejestrowało swoją technologię również w Brazylii, gdzie tamtejsza agencja ANVISA nadała jej status wyrobu medycznego klasy II.

Uzyskanie statusu urządzenia medycznego zgodnie z MDR wymaga przeprowadzenia badań klinicznych potwierdzających skuteczność i bezpieczeństwo pomiaru, przygotowania pełnej dokumentacji technicznej uzasadniającej każdą decyzję projektową, wdrożenia audytowanego systemu zarządzania jakością oraz niezależnej oceny zgodności przeprowadzonej przez akredytowaną jednostkę notyfikowaną.

Rozporządzenie MDR dzieli wyroby medyczne na cztery klasy ryzyka: od klasy I, obejmującej produkty o najniższym ryzyku, przez IIa i IIb, aż po klasę III zarezerwowaną dla wyrobów najbardziej inwazyjnych, takich jak implanty. Klasa IIa dotyczy urządzeń i oprogramowania o umiarkowanym ryzyku. Zaliczają się do niej narzędzia diagnostyczne lub monitorujące, które dostarczają wyników mogących wpływać na decyzje kliniczne dotyczące dalszego postępowania.

Awans z zastosowań wellness do medycyny

Dla podmiotów wdrażających tę technologię, oznacza to, że wynik pomiaru może być elementem szerszej oceny stanu pacjenta dokonywanej przez lekarza, może służyć np. do monitorowania trendów (czy ciśnienie lub tętno pacjenta zmienia się w czasie). Nie może jednak być samodzielną podstawą do postawienia diagnozy ani zastąpić badania lekarskiego, a ostateczna interpretacja kliniczna pozostaje w gestii pracownika ochrony zdrowia.

Do tej pory technologia zdalnego pomiaru parametrów życiowych za pomocą kamery smartfona była stosowana w obszarze wellness i profilaktyki jako dodatkowa funkcja aplikacji mobilnych. Z jej pomocą można m.in. szybko ocenić intensywność treningu i poziom stresu bez sięgania do profesjonalnych ciśnieniomierzy.

Uzyskanie klasyfikacji IIa otwiera drogę do zastosowań w medycynie. Dostawcy rozwiązań telemedycyny, platformy zdalnego monitorowania zdrowia pacjenta, ubezpieczyciele zdrowotni będą mogli wykorzystywać api Medical SDK do budowy aplikacji do zastosowań medycznych. Oprócz tego firma ma w swojej ofercie Wellness SDK Shen AI, pozwalający odczytać ze skanu twarzy 30 biomarkerów. Tylko 4 z nich są objęte certyfikatem wyrobu medycznego klasy IIa.

Jak działa pomiar ciśnienia i tętna z pomocą kamery?

Technologia wykorzystuje tzw. Multimodal Sensing Engine, podejście łączące dwie bezkontaktowe metody optyczne. Pierwsza z nich, zdalna fotopletyzmografia (rPPG), analizuje niewidoczne dla ludzkiego oka zmiany koloru skóry twarzy, wywołane przepływem krwi przez naczynia włosowate przy każdym uderzeniu serca. Uzupełnieniem jest neuronowa analiza sygnału w wielu długościach fali światła zapewniająca stabilne działanie niezależnie od fototypu skóry pacjenta według skali Fitzpatricka.

Drugą jest zdalna balistokardiografia (rBCG) wykrywająca mikroruchy twarzy powstające w wyniku mechanicznej pracy serca i wyrzutu krwi do aorty. Połączenie sygnału optycznego z mechanicznym pozwala, jak twierdzi ShenAI, dokładnie zmierzyć biomarkery. Analiza wideo jest przeprowadzana w czasie rzeczywistym i lokalnie na urządzeniu użytkownika. Nagranie twarzy pacjenta nie jest przesyłane ani przechowywane w chmurze.

Czytaj także: Chorobę Alzheimera można przewidzieć ze zdjęcia siatkówki

Dwa nowe badania opublikowane na łamach Nature udowadniają, że agenci AI (agentic AI) potrafią samodzielnie „przyjąć pacjenta”, jak robi to lekarz: zebrać wywiad, zlecić badania, postawić diagnozę, dobrać leki, stworzyć plan leczenia, a w razie potrzeby – podjąć decyzję o hospitalizacji. Czasami lepiej i taniej niż człowiek.

• W czasopiśmie naukowym Nature ukazały się badania dwóch nowych autonomicznych modeli AI. MIRA i AMIE prowadzą wywiad lekarski i sugerują dalsze postępowanie.
• MIRA, testowana na 500 przypadkach z oddziałów ratunkowych, osiągnęła trafność diagnozy 87,8% wobec 78,1% u doświadczonych lekarzy.
• Przeznaczona do leczenia ambulatoryjnego AMIE od Google dorównała lub przewyższyła 21 lekarzy POZ. Jakość planu leczenia zaproponowanego przez AI oceniono na 98% wobec 81% dla lekarzy.
• Oba systemy wykazują niemal idealną zgodność z wytycznymi klinicznymi.
• Badania przeprowadzono w warunkach testowych bez kontaktu z prawdziwymi pacjentami. Dlatego nie są dowodem gotowości AI do zastosowania w ochronie zdrowia.

Agenci AI gotowi do pracy w ochronie zdrowia

Jeszcze 2 lata temu fascynowaliśmy się tym, że modele AI mogą zdawać egzaminy lekarskie, uzyskując ponad 90% punktów. Obecnie AI nauczyła się już sposobu pracy i procesu podejmowania decyzji przez lekarzy. Dwa nowe modele opisane w Nature dają wgląd w to, jak agenci AI mogą wcielić się w rolę pomocników pracowników ochrony zdrowia.

Pierwszy z nich to MIRA (Medical Intelligence for Reasoning and Action) – autonomiczny agent działający w środowisku elektronicznej dokumentacji medycznej. System prowadzi rozmowę z pacjentem, analizuje historię choroby, zleca badania laboratoryjne i obrazowe, interpretuje wyniki, proponuje leczenie, dobiera leki, kieruje na zabiegi chirurgiczne i podejmuje decyzję o przyjęciu do szpitala. W badaniu wykorzystano 500 rzeczywistych przypadków z oddziałów ratunkowych.

Drugim rozwiązaniem jest AMIE (Articulate Medical Intelligence Explorer), opracowany przez Google. W przeciwieństwie do MIRA nie koncentruje się na ostrych przypadkach, lecz na długoterminowym prowadzeniu pacjenta w leczeniu ambulatoryjnym. System śledzi przebieg choroby podczas kolejnych wizyt, analizuje reakcję na leczenie, dostosowuje terapię i kontroluje bezpieczeństwo farmakoterapii. Badanie objęło 100 scenariuszy klinicznych z trzech kolejnych wizyt pacjenta w pięciu specjalnościach medycznych.

W wielu zadaniach AI pokonała lekarzy

W przypadku MIRA trafność diagnozy wyniosła 87,8 proc., podczas gdy grupa doświadczonych lekarzy osiągnęła 78,1 proc. Największą przewagę AI uzyskała w rozpoznawaniu zapalenia wyrostka robaczkowego i ostrego zapalenia trzustki. System częściej zlecał badania laboratoryjne, ale jednocześnie wykonywał mniej kosztownych badań obrazowych. Lepiej dobierał także leczenie zabiegowe, a jego działania cechowały się około 35-proc. większą zgodnością z wytycznymi klinicznymi. Spośród 468 przepisanych leków aż 99,8 proc. było zgodnych ze wskazaniami i zasadami bezpieczeństwa.

W amerykańskim stanie Utah od stycznia 2026 roku trwa pilotaż autonomicznego przepisywania leków przez AI. Jest on realizowany we współpracy ze start-upem Doctronic. Sztuczna inteligencja może samodzielnie zatwierdzać rutynowe przedłużenia recept na prawie 200 leków na choroby przewlekłe pod kontrolowanym nadzorem.

Google AMIE osiągnął podobne rezultaty. W ogólnej ocenie planowania leczenia był co najmniej równie dobry jak 21 lekarzy podstawowej opieki zdrowotnej. Podczas trzeciej wizyty eksperci ocenili jakość planu leczenia AI na 98 proc., wobec 81 proc. dla lekarzy. Precyzja zaleceń terapeutycznych wyniosła 95 proc. wobec 67 proc., a zgodność z wytycznymi klinicznymi sięgnęła 100 proc. przy 86 proc. u lekarzy. AI lepiej radziła sobie również z doborem leków, dawek, czasu terapii i monitorowaniem działań niepożądanych.

Wcześniejsza wersja modelu w badaniu Nature z 2024 roku osiągała wyniki porównywalne lub lepsze od wyników lekarzy podstawowej opieki zdrowotnej podczas prowadzenia wywiadu diagnostycznego.

AI działa idealnie w teorii, ale praktywa jest bardziej skomplikowana

Warto pamiętać, że ani MIRA, ani AMIE nie były testowane w rzeczywistych warunkach klinicznych, ale wyłącznie w środowisku testowym, bez kontaktu z prawdziwym pacjentem, oceny jego wyglądu, tonu głosu czy badania fizykalnego. Przypadki kliniczne były kompletne i uporządkowane, podczas gdy w codziennej praktyce lekarze konfrontowani są z niepełnymi informacjami, sprzecznymi danymi i koniecznością podejmowania decyzji w warunkach niepewności.

Oba modele niemal idealnie przestrzegają wytycznych klinicznych. To zaleta, ale jednocześnie potencjalne ograniczenie: wytyczne nie uwzględniają wszystkich preferencji pacjenta, jego wcześniejszych doświadczeń, sytuacji finansowej ani indywidualnych emocji. Nadmierne poleganie na algorytmach może prowadzić do utraty tego, co od lat uznawane jest za sztukę medycyny – indywidualizacji leczenia i budowania relacji lekarz–pacjent. Autorzy sugerują, że kolejnym etapem badań nad agentyczną AI w medycynie powinno być porównanie trzech modeli opieki: leczenia prowadzonego wyłącznie przez AI, wyłącznie przez lekarzy oraz modelu hybrydowego, w którym sztuczna inteligencja wspiera decyzje kliniczne.

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

W 2025 roku wykonano w Polsce rekordowe 21 tys. zabiegów robotycznych. Już w co 50. operacji asystuje robot. Pacjenci chętnie z nich korzystają, ale NFZ refunduje tylko 3 rodzaje operacji.

• Popyt na operacje robotyczne szacuje się na 340 tys. zabiegów rocznie, ale wykonuje się ich tylko 21. tys.
• Na koniec 2025 r. w Polsce działały 83 systemy da Vinci.
• Liczba operacji robotycznych rośnie średnio o 53% rocznie.
• NFZ refunduje tylko trzy rodzaje operacji wykonywanych przy pomocy robota da Vinci.
• Do 2030 r. udział robotyki w operacjach wzrośnie 4-krotnie do 8–10%.

83 systemy da Vinci i co roku o 50% więcej zabiegów

Robotyka chirurgiczna rozwija się w Polsce bardzo szybko, ale nadal wykorzystywana jest tylko w niewielkiej części procedur, które mogłyby być wykonywane z jej użyciem – wynika z nowego raportu „Przyszłość automatyzacji ochrony zdrowia w Europie Środkowo-Wschodniej 2030” przygotowanego przez Synektik.

W 2025 r. w Polsce przeprowadzono około 21,3 tys. zabiegów robotycznych, podczas gdy potencjalnie można by ich wykonywać nawet 341,5 tys. Z pomocą robotów chirurgicznych wykonano 4,8 tys. operacji. Potencjalny popyt oceniany jest na blisko 262 tys. zabiegów. Roboty uczestniczą więc jedynie w około 2 proc. operacji chirurgii ogólnej. Dla porównania, w Stanach Zjednoczonych odsetek ten wynosi około 15 proc.

Na koniec 2025 r. w Polsce operowały 83 systemy chirurgiczne da Vinci. Ich liczba rosła w ostatnich 3 latach w tempie 44 proc. rocznie, a liczba wykonywanych zabiegów – średnio o 53 proc. rocznie.

Operacje robotyczne zyskują na popularności, coraz więcej lekarzy przechodzi szkolenie

Zabiegi robotyczne, przykładowo w operacji prostaty, cieszą się dobrą opinią wśród pacjentów. Ale robotów jest za mało, a operacje z ich pomocą wykonują tylko duże szpitale wojewódzkie. Tych mniejszych nie stać na ich zakup, bo NFZ refunduje obecnie tylko 3 zabiegi z ich pomocą: radykalną prostatektomię (operację usunięcia gruczołu krokowego u chorych na raka prostaty), resekcję raka jelita grubego oraz operację raka trzonu macicy (endometrium). Od 3 lat do tej listy nie dołączyła żadna nowa usługa robotyczna.

Operacje z pomocą robota nie są wcale droższe niż te klasyczne. Przykładowo, za operację raka prostaty, NFZ płaci placówce zdrowia 28,1 tys. zł. Wycena laparoskopowej radykalnej prostatektomii jest jedynie o 1-2 tys. zł mniejsza. Obydwa zabiegi są w 100% refundowane przez NFZ. Koszt zakupu robota da Vinci – wraz z osprzętem, szkoleniami i serwisem – waha się od 10 do 18 mln zł.

Według autorów raportu, do 2030 r. udział robotyki w operacjach wykonywanych w Polsce wzrośnie do 8–10 proc., co oznacza trzykrotny lub nawet czterokrotny wzrost liczby zabiegów względem obecnego poziomu.

Globalny rynek chirurgii robotycznej rozwija się w tempie około 14,8 proc. rocznie. Pod koniec 2025 r. na świecie działało już ponad 12 tys. systemów robotycznych Intuitive, z czego ponad jedna trzecia poza Stanami Zjednoczonymi. W samym 2025 r. wykonano ponad 3,2 mln operacji, a firma osiągnęła 10 mld dolarów przychodów.

Rośnie też precyzja robotów chirurgicznych. Przykładowo, dzięki najnowszej platformie da Vinci 5, chirurg czuje siłę nacisku narzędzi (force feedback) podobnie, jakby trzymał skalpel w ręku. Do tego roboty wyposażane są w rozwiązania AI analizujące ruchy medyka i ułatwiające poruszanie się w operowanym obszarze. W Polsce pracuje obecnie ponad 300 chirurgów przeszkolonych do wykonywania operacji z wykorzystaniem systemu da Vinci.

Badania obejmujące setki tysięcy pacjentów wskazują, że zabiegi wykonywane z pomocą robota wiążą się z mniejszą utratą krwi, rzadszą koniecznością przetoczenia krwi, krótszym pobytem w szpitalu oraz mniejszą liczbą powikłań pooperacyjnych. W przypadku wielu operacji onkologicznych odnotowano również mniej ponownych hospitalizacji i niższą śmiertelność okołooperacyjną. W porównaniu z klasyczną laparoskopią korzyści są mniejsze, ale roboty skracają okres hospitalizacji, szczególnie podczas skomplikowanych zabiegów wykonywanych w anatomicznie trudnodostępnych miejscach. Ceną za te korzyści jest zazwyczaj dłuższy czas trwania operacji oraz wyższy koszt procedury.

---

Jakie zabiegi z wykorzystaniem robota chirurgicznego finansuje NFZ?

• Radykalna prostatektomia – operacja usunięcia gruczołu krokowego u chorych na raka prostaty. Jest refundowana od kwietnia 2022 r. i pozostaje najczęściej wykonywaną procedurą robotyczną w Polsce.
• Resekcja raka jelita grubego – operacja wykonywana w przypadku nowotworów okrężnicy i odbytnicy. NFZ objął ją finansowaniem od 1 sierpnia 2023 r.
• Operacja raka trzonu macicy (endometrium) – robotyczne leczenie chirurgiczne raka endometrium również zostało objęte refundacją od 1 sierpnia 2023 r.

Roboty chirurgiczne są wykorzystywane także w:

• chirurgii nerek,
• torakochirurgii,
• chirurgii głowy i szyi (TORS),
• chirurgii ginekologicznej nieonkologicznej,
• chirurgii przepuklin,
• chirurgii bariatrycznej,
• chirurgii ogólnej.

Jednak dla tych procedur NFZ nie przewidział odrębnej, wyższej wyceny. Część z nich może być rozliczana według standardowych taryf dla operacji laparoskopowych lub otwartych, o ile szpital zdecyduje się wykonać zabieg z użyciem robota i pokryć dodatkowe koszty.

Skala refundacji

W 2024 r. NFZ rozliczył około 10 850 operacji według dedykowanych taryf dla chirurgii robotycznej. Dodatkowy koszt refundacji (w porównaniu z finansowaniem tych samych zabiegów jako laparoskopowych) wyniósł 82,1 mln zł. Zdecydowaną większość stanowiły operacje raka prostaty (około 73% wszystkich refundowanych zabiegów). Szybko rośnie liczba robotycznych operacji raka jelita grubego i raka trzonu macicy.

Czytaj także: Precyzja ruchów robota chirurgicznego jest imponująca

„Branża AI jest opętana obsesją na punkcie tworzenia coraz większych modeli sztucznej inteligencji. Rozwój Claude, ChatGPT czy Gemini pochłania ogromne ilości danych, energii, wody i zasobów” – mówi Karen Hao. Z autorką bestsellerowej książki „Imperium AI. Sny i koszmary w OpenAI Sama Altmana” (Empire of AI”) rozmawiamy o patologicznym wyścigu AI.

W swojej książce „Empire of AI” twierdzisz, że duże firmy rozwijające generatywną sztuczną inteligencję – jak OpenAI – zyskały ogromną władzę, stojąc ponad prawem. AI jest głodna danych i energii, co niszczy środowisko naturalne. AI może polaryzować społeczeństwa, zagrażając demokracji. Jak naprawić sposób, w jaki rozwijana jest AI?

Potrzebne są bardziej ukierunkowane regulacje, a także szersze zrozumienie tego, na czym polega nadzór nad sztuczną inteligencją. Za rozwój AI odpowiedzialni są wszyscy. Nie możemy tego scedować wyłącznie na rządy państw, które nałożą jakieś ograniczenia. To po prostu nie zadziała. Każdy z nas jest odpowiedzialny: instytucje opieki zdrowotnej, rodzice, nauczyciele, wychowawcy.

Każdy sektor i każda osoba muszą być świadome, że mają wpływ na rozwój AI. Oczywiście regulacje odgórne są potrzebne, bo rządy mogą zmusić firmy do działania w interesie publicznym, a nie wyłącznie zgodnie z czystą logiką rynkową.

Jedną z kluczowych kwestii jest wymaganie od firm AI znacznie większej przejrzystości. W tej chwili tak naprawdę nie wiemy, na jakich danych trenują swoje modele, gdzie budują swoją infrastrukturę obliczeniową, jak ich systemy wpływają na zdrowie ludzi ani jakie dane – w tym dane dotyczące zdrowia – mogą zbierać od użytkowników.

Bez tych informacji trudno podejmować świadome decyzje, jak korzystać z technologii.

Pisząc „Empire of AI”, przeprowadziłaś szczegółowe śledztwo dziennikarskie, rozmawiałaś z osobami z branży AI. Czy od samego początku wiedziałaś, że to będzie książka o ciemnych stronach OpenAI?

Kiedy zaczęłam pisać, wiedziałam, że książka będzie krytyczna. Ale o AI robię reportaże już od 2018 roku. Wtedy jeszcze nie miałam pojęcia, że tak się to rozwinie. Im dłużej jednak śledziłam historię OpenAI, tym bardziej w oczy zaczęły rzucać się negatywne aspekty rozwoju AI. Takie są po prostu fakty, jeśli z bliska przyjrzymy się temu, co robią potentaci AI.

Z czasem zdałam sobie sprawę z ogromnych dysproporcji pomiędzy ludźmi tworzącymi technologie AI a tymi, na których mają one wpływ. Zaczęłam dokumentować te historie – wówczas jeszcze niewiele osób zajmowało się tym tematem.

Twoja książka skupia się na OpenAI. Tymczasem Anthropic chce być postrzegany jako bardziej etyczna alternatywa. Pamiętamy na przykład kontrowersje wokół umowy z Pentagonem oraz decyzję Anthropic o opóźnieniu premiery swojego najpotężniejszego modelu, Mythos. Czy w ogóle istnieją etyczne firmy zajmujące się sztuczną inteligencją?

Tak, istnieją. Ale te firmy nie stosują podejścia, które krytykuję w książce, czyli modelu rozwoju sztucznej inteligencji opartego na „skalowaniu za wszelką cenę”.

Anthropic stosuje wprawdzie dodatkowe zabezpieczenia, ale to raczej działania wizerunkowe, które mają stworzyć wrażenie etycznego podejścia do AI. W rzeczywistości nie rozwiązują one podstawowego problemu, jakim jest negatywny wpływ skalowania AI na społeczeństwo.

Są jednak mniejsze firmy zajmujące się AI, które działają inaczej. Na przykład Hugging Face, zajmująca się sztuczną inteligencją w otwartym modelu, wzmacnia społeczność open source i wspiera badania naukowe nad nowymi modelami.

Niestety, wielu firmom stosującym zrównoważone podejście do rozwoju AI brakuje funduszy – między innymi dlatego, że duża część inwestycji trafia do potentatów zajmujących się masowym skalowaniem sztucznej inteligencji.

Trwa wyścig AI między USA a Chinami. Wygrają firmy, które będą szybsze w skalowaniu AI, a to wymaga bezkompromisowej szybkości, budowania centrów danych i nieoglądania się na etykę.

Moim zdaniem to nie jest walka między USA a Chinami – firmy z siedzibą w USA wcale nie reprezentują amerykańskich interesów ani nie służą amerykańskiemu społeczeństwu. W rzeczywistości to właśnie Amerykanie należą do społeczeństw najbardziej wyzyskiwanych i wykorzystywanych przez te firmy AI. Nie ma wyścigu między USA a Chinami. To jest wyścig o dominację firm. Nie rywalizują one w imieniu krajów, w których zostały założone.

Firmy z USA raczej wykorzystują Chiny jako swego rodzaju straszaka, by usprawiedliwić niszczenie środowiska, łamanie praw człowieka i ograniczanie praw samych Amerykanów. Kreowany jest mit wyścigu, by przekonać opinię publiczną i rządy do dania im wolnej ręki do robienia tego, co chcą, i dalszego rozbudowywania swoich imperiów.

OpenAI ma już ok. 1 mld użytkowników miesięcznie. Liczba rośnie, i to pomimo licznych kontrowersji. Czy ludzi naprawdę obchodzi, czy AI jest etyczna? Gdyby tak było, niewidzialna ręka rynku sprawiłaby, że nieetyczne firmy AI zniknęłyby z rynku, tracąc zaufanie.

Myślę, że dla konsumentów końcowych etyka jest niezwykle ważna. Często jednak nie znają alternatyw albo nie znają całej prawdy o sposobie rozwoju AI.

Sytuację można porównać do branży mody. Masowa produkcja tanich rzeczy i wykorzystywanie taniej siły roboczej doprowadziły do powstania określenia „fast fashion” – synonimu niszczenia środowiska i nieludzkich warunków pracy. Dzięki oburzeniu konsumentów, regulacjom rządowym i współpracy firm na całym świecie coraz większą uwagę przykłada się do zrównoważonej mody oraz marek modowych, które stosują podejście „fair” i respektują prawa człowieka. Konsumenci są gotowi zapłacić więcej za takie produkty, a presja społeczna zmusiła inne firmy do zmiany własnych praktyk.

Branża AI w końcu będzie musiała ewoluować w ten sam sposób. Sprzeciw konsumentów wobec nieetycznych praktyk firm AI będzie rósł, tworząc przestrzeń na pojawienie się alternatywnych podejść do budowy AI. Te zmiany wymagają czasu. Na razie przebiegają wolno, bo ludzie nie zdają sobie sprawy, że już są alternatywne rozwiązania AI tworzone w zgodzie z człowiekiem i środowiskiem naturalnym.

Jaką rolę w rewolucji AI może odegrać Europa?

W idealnym świecie Europa trzymałaby się mocno swoich wartości i egzekwowałaby przepisy, które już wprowadziła. Niestety, Komisja Europejska rozważa złagodzenie wielu regulacji (red.: chodzi o Omnibus AI, pakiet zmian reformujących EU AI Act).

Gdyby UE mogła zmusić firmy do większej przejrzystości w działaniu w całym łańcuchu dostaw związanym z rozwojem AI, stworzyłoby to kolejną ważną warstwę odpowiedzialności. Różne grupy społeczne i poszczególni obywatele uzyskaliby informacje potrzebne do oceny modeli AI i ich twórców.

Europa powinna znacznie intensywniej inwestować w podstawowe badania nad sztuczną inteligencją oraz w AI skoncentrowaną na rozwiązywaniu realnych problemów społecznych.

Przeznaczanie tak ogromnych ilości pieniędzy, gruntów, energii i wody na chatboty dla konsumentów – co obecnie ma miejsce – jest marnotrawstwem zasobów społecznych. Zamiast tego powinniśmy rozwijać specjalistyczne systemy AI przykładowo przyspieszające odkrywanie leków i poprawiające wyniki opieki zdrowotnej. To problemy, których rozwiązanie deklarują duże koncerny AI, ale rzadko w tym kierunku cokolwiek robią.

Tego rodzaju innowacje będą wymagały finansowania publicznego i nowych priorytetów politycznych. Badania nad AI muszą uwzględniać korzyści publiczne, a nie tylko interesy rynkowe. Celem jest rozwój przełomowych rozwiązań przynoszących długoterminową wartość społeczną.

Porozmawiajmy o opiece zdrowotnej. OpenAI wprowadziło ostatnio GPT dla Zdrowia i GPT dla Lekarzy. Czy uważasz, że te inicjatywy odzwierciedlają szerszą strategię OpenAI w opiece zdrowotnej?

Nie. Mam wrażenie, że jednym z powodów, dla których OpenAI wprowadziło te produkty, jest to, że dane dotyczące opieki zdrowotnej są trudnodostępne. W Stanach Zjednoczonych podlegają one przepisom HIPAA.

Ale jeśli firmy AI zdołają przekonać konsumentów lub lekarzy do bezpośredniego korzystania z tych rozwiązań, użytkownicy dobrowolnie przekazują swoje dane na podstawie zgody zawartej w umowach o świadczenie usług.

Tego rodzaju inicjatywy mają podwójny cel. Z jednej strony pozwalają firmom zbierać dane w obszarach, do których tradycyjnie nie miały łatwego dostępu. Z drugiej strony – działają jako forma „demonstracji wartości”. Mierząc się z coraz większą krytyką, że nie angażują się w rozwiązywanie wyzwań społecznych – przykładowo w dziedzinie opieki zdrowotnej albo zmian klimatycznych – sięgają do metod poprawy wizerunku.

Miliony ludzi na całym świecie diagnozują się z pomocą ChatGPT albo szukają wsparcia emocjonalnego i psychicznego w AI. Za każdym razem, gdy coś idzie nie tak – a odnotowano już kilka przypadków samobójstw – firma odpowiada, że winny jest użytkownik, który nieprawidłowo korzystał z narzędzia.

To dość klasyczny scenariusz z Doliny Krzemowej. Mark Zuckerberg użył dokładnie tego samego argumentu, gdy Meta została oskarżona o przyłożenie ręki do poważnych problemów ze zdrowiem psychicznym wśród nastolatków. Odpowiedź brzmiała tak: „To nie nasze algorytmy ani konstrukcja platformy; to użytkownicy rozpowszechniają szkodliwe treści”.

Ale są już orzeczenia sądowe, które stwierdzają, że sama konstrukcja tych platform odegrała kluczową rolę. OpenAI stosuje teraz bardzo podobną strategię, próbując zrzec się odpowiedzialności i argumentując, że to użytkownicy są problemem. Miejmy nadzieję, że wkrótce – podobnie jak to miało miejsce w przypadku mediów społecznościowych – zobaczymy sprawiedliwość w odniesieniu do platform AI.

Czy osobiście korzystasz z chatbotów opartych na generatywnej sztucznej inteligencji?

Nie.

A planujesz to robić?

Absolutnie nie.

Książka „Empire of AI” ukazała się w 2025 roku. Co w tym czasie zmieniło się w kwestii rozwoju sztucznej inteligencji?

Rękopis skończyłam pisać przed reelekcją Donalda Trumpa. Odkąd objął urząd prezydenta, jesteśmy świadkami głęboko niepokojącego sojuszu między państwem a branżą technologiczną – mariażu sił Doliny Krzemowej i Waszyngtonu.

AI została wykorzystana w działaniach wojennych, na przykład w operacjach wojskowych przeciwko Iranowi; zabija ludzi, niszczy środowisko i wywołuje kryzysy zdrowia publicznego na niemal niewyobrażalną skalę.

I szczerze mówiąc, to logiczna konsekwencja tego, jak te firmy zawsze działały. To są imperia. Mają imperialne ambicje. Będą sprzymierzać się z każdą stroną polityczną, która zapewni im paliwo przyspieszające realizację imperialnych ambicji.

Administracja Trumpa dała jasno do zrozumienia, że chce odbudować amerykańską potęgę imperialną. W ten sposób rząd i firmy AI stały się uzupełniającymi się sojusznikami, gotowymi na niezwykle destrukcyjne partnerstwa.

Co w ewolucji AI napawa cię optymizmem?

Zaczynają pojawiać się pęknięcia w obecnym podejściu imperiów AI do tworzenia nowych modeli. Po pierwsze, wiele firm nadal nie dysponuje modelami biznesowymi. Po drugie, widzimy rosnący sprzeciw społeczny na całym świecie, zwłaszcza w Stanach Zjednoczonych.

Konsumenci i pracownicy branży AI zaczynają się organizować. Nauczyciele i uczniowie wywierają presję na instytucje, by zerwały współpracę z tymi imperiami AI. Artyści i pisarze wytaczają procesy o naruszenie praw autorskich. Rodzice wnoszą pozwy w związku z psychologicznym wpływem AI na dzieci.

To wszystko sumuje się w potężny ruch społeczny, który stopniowo podkopuje zdolność tych firm do dalszego budowania swoich imperiów. Zwykli ludzie wciąż mają ogromny wpływ na wspólne kształtowanie przyszłości i zaczynają z tej siły korzystać.

Jak OpenAI zareagowało na twoją książkę?

Sam Altman opublikował tweet tuż przed premierą książki, w którym napisał, że nikt nie powinien jej czytać. Jak na ironię, to właśnie wzbudziło ogromne zainteresowanie książką. Potem OpenAI nigdy oficjalnie nie odniosła się do tego publicznie.

Czytaj także: Zakres samodzielnej pracy AI podwaja się co 7 miesięcy

OpenAI dał darmowy dostęp do najnowocześniejszych modeli i narzędzi AI 100 000 naukowcom, matematykom i inżynierom. Na tej liście na razie nie ma żadnej polskiej placówki – alarmuje prof. Piotr Sankowski z Instytutu Badawczego IDEAS.

ChatGPT dla naukowców bez polskich naukowców. „Europejska nauka jest uzależniona od USA”

Po tym jak Google i Anthropic wkroczyły ze swoimi modelami AI do badań naukowych, robi to też OpenAI. 29 lipca gigant AI uruchomił program „ChatGPT dla naukowców akademickich”. Ma pomóc badaczom nauk ścisłych, matematyki i inżynierii przyspieszyć odkrycia naukowe i zwiększyć wydajność pracy. Na liście są m.in. badania nad nowymi lekami.

Na początek dostęp do modelu otrzymało 10 000 instytucji. Będzie on stopniowo rozszerzany i do 2027 roku będzie to już 100 000 naukowców.

Jak donosi prof. Piotr Sankowski, dyrektor Instytutu Badawczego IDEAS, na oficjalnej liście na ten moment brakuje polskich ośrodków. Według nieoficjalnych doniesień, ma to jednak zmienić się w ciągu kilku dni. Jednak problem jest o wiele większy: polska nauka jest uzależniona od modeli z USA.

– Jeśli jako Europa nie zbudujemy w pełni niezależnych i otwartych ekosystemów AI, nasza rola w światowej nauce sprowadzi się wkrótce do roli beta-testerów i bezwiednego klikania w automatach losujących – pisze na LinkedIn prof. Sankowski.

Program jest obecnie dostępny dla naukowców z wybranych uczelni i instytucji badawczych o wysokiej aktywności naukowej. Kandydaci muszą potwierdzić swoje zatrudnienie i opisać planowane wykorzystanie AI w badaniach. Każdy zakwalifikowany naukowiec może zaprosić do programu maksymalnie czterech współpracowników z tej samej instytucji. Nabór zgłoszeń już się rozpoczął.

Najnowsze modele do badań, przeglądu literatury, wniosków grantowych i publikacji naukowych

Uczestnicy otrzymają bezpłatny dostęp do najnowocześniejszych modeli w ramach ChatGPT, ChatGPT Work i Codex, w tym do rodziny modeli GPT‑5.6⁠. Naukowcy mogą korzystać z narzędzi i funkcji wspierających prace wspierające m.in. analizy genomowe i modelowanie białek, przeglądy literatury, przygotowywanie wniosków o granty oraz publikacje.

GPT-5.6 jest dostępny w kilku wersjach dostosowanych do różnych zadań. Model Terra sprawdza się w codziennej pracy badawczej, Luna zapewnia szybsze odpowiedzi przy prostszych zadaniach, a Sol został zaprojektowany do rozwiązywania najbardziej złożonych problemów naukowych i matematycznych. W testach oceniających zaawansowane rozumowanie matematyczne model Sol osiągnął 83% skuteczności, poprawiając wynik poprzedniej generacji (72,5%).

Nowa platforma oferuje naukowcom ponad 75 specjalistycznych narzędzi z zakresu biologii i medycyny, m.in. do analizy genomu, sekwencjonowania DNA, badań pojedynczych komórek, modelowania białek i odkrywania nowych leków. AI ma także dostęp do publikacji naukowych, baz danych i narzędzi analitycznych. Wbudowany Codex pomaga pisać i poprawiać kod oraz analizować dane, natomiast ChatGPT Work wspiera przygotowanie przeglądów literatury, wniosków grantowych, publikacji naukowych i prezentacji wyników badań.

Program oferuje też szkolenia w zakresie wykorzystywania modeli AI do badań naukowych. Jak zapewnia OpenAI, dane wykorzystywane przez instytucje badawcze nie są domyślnie wykorzystywane do szkolenia modeli.

Czytaj także: Anthropic wchodzi do przemysłu farmaceutycznego

Anthropic, twórca popularnego modelu AI Claude, zaprezentował platformę AI do badań nad nowymi lekami – Claude Science. Firma zapowiada własne prace badawcze w poszukiwaniu leków na choroby rzadkie i sieroce.

• Claude Science to platforma AI dla firm farmaceutycznych wspierająca odkrywanie i rozwój leków.
• Automatyzuje analizę danych i planowanie eksperymentów, przejmując część pracy naukowców.
• Według Anthropic, AI może skrócić czas opracowania nowego leku z około 12 do 7–8 lat.
• Anthropic to nie pierwsza firma AI wchodząca do przemysłu farmaceutycznego. Liderem jest Google DeepMind, które w 2024 roku otrzymało nagrodę Nobla za system AI AlphaFold.

AI skróci drogę od pomysłu do leku

Claude Science to nowy produkt AI skierowany do firm farmaceutycznych, laboratoriów i zespołów badawczych. Przejmuje część pracy naukowców, przyspieszając proces odkrywania nowych leków i pomagając w realizacji skomplikowanych eksperymentów.

Platforma integruje różne bazy danych i specjalistyczne narzędzia laboratoryjne. Naukowiec wydaje jedno polecenie – na przykład dotyczące poszukiwania kandydatów na cząsteczki terapeutyczne – a Claude Science sam przeprowadzi analizę, wykona obliczenia i przedstawi wyniki.

Ambicją firmy jest skrócenie procesu opracowywania nowych leków, który statystycznie trwa ok. 10–15 lat i pochłania ok. 2,5 mld dolarów. Według przedstawicieli przemysłu farmaceutycznego sztuczna inteligencja może znacząco ograniczyć czas potrzebny na analizę danych, planowanie eksperymentów czy organizację badań klinicznych – to etapy, które czasami ciągną się latami.

Prezes Novartis Vas Narasimhan, który zasiada również w radzie nadzorczej Anthropic, wskazał trzy główne źródła opóźnień w rozwoju nowych terapii: informacyjne, operacyjne i biologiczne. Jego zdaniem AI może niemal całkowicie wyeliminować dwa pierwsze.

– Informacje będą praktycznie natychmiast dostępne dla naukowców, a organizacja eksperymentów i badań klinicznych będzie znacznie sprawniejsza. Pozostają jednak ograniczenia biologii. Eksperymentów laboratoryjnych i badań na ludziach nie da się przyspieszyć wyłącznie dzięki sztucznej inteligencji – zaznaczył.

Narasimhan ocenia, że wykorzystanie platform takich jak Claude Science mogłoby skrócić proces opracowania nowego leku z około 12 lat do 7–8 oraz zwiększyć skuteczność projektów badawczych (liczbę leków trafiających na rynek) z około 8 do nawet 16 proc. Jednocześnie podkreślił, że AI nadal nie rozwiązuje jednego z najtrudniejszych problemów współczesnej farmacji – wskazania właściwego celu biologicznego dla nowej terapii.

Ostrożność zachowuje również Chris Boerner, prezes Bristol Myers Squibb. Jego zdaniem branża powinna unikać składania nierealistycznych obietnic dotyczących szybkiego „wyleczenia raka dzięki AI”. Jednocześnie przyznaje, że technologia już dziś przynosi wymierne korzyści. Bristol Myers Squibb wykorzystuje sztuczną inteligencję do przesiewowej analizy wszystkich kandydatów na leki małocząsteczkowe i znacznej części projektów biologicznych jeszcze przed rozpoczęciem badań laboratoryjnych. Firma chce skrócić proces rozwoju nowych leków o 30 proc. dzięki wykorzystaniu AI.

Anthropic będzie firmą farmaceutyczną?

Największym zaskoczeniem była zapowiedź, że Anthropic rozpoczyna własne badania nad lekami przeznaczonymi do leczenia chorób rzadkich i sierocych.

Jak podkreśla Eric Kauderer-Abrams, szef działu life sciences w Anthropic, rozwój nauki jest jednym z kluczowych elementów misji firmy. – Wierzymy, że największą szansą na poprawę dobrobytu ludzkości są właśnie nauki przyrodnicze – podkreśla.

Premiera Claude Science to element strategii biznesowej Anthropic. Firma przygotowuje się do debiutu giełdowego i chce zbudować silną pozycję w jednym z najbardziej perspektywicznych segmentów gospodarki.

Jednocześnie zaostrza się rywalizacja z OpenAI, Google i innymi firmami rozwijającymi rozwiązania AI dla sektora ochrony zdrowia. Przykładem jest Google DeepMind, który za swój model AlphaFold otrzymał nagrodę Nobla. Anthropic ma dodatkowy atut: jej dyrektor generalny, Dario Amodei, jest naukowcem z doktoratem, a do zespołu firmy niedawno dołączył John Jumper, współtwórca AlphaFold i laureat Nagrody Nobla w dziedzinie chemii.

Czytaj także: Dlaczego nowy chiński model Kimi K3 szokuje ekspertów AI?

W blisko 90-minutowym wywiadzie dla The Economist Elon Musk podzielił się swoimi wizjami przyszłości. Według szefa SpaceX, Tesli i Neuralink za 3 lata sztuczna inteligencja przewyższy zdolności intelektualne całej ludzkości, przejmie większość pracy umysłowej i fizycznej, roboty doprowadzą do „gospodarki obfitości”, a pieniądze nie będą miały żadnego znaczenia.

To nie pierwszy raz, gdy Musk wygłasza futurystyczne prognozy. Ale jak podkreślają analitycy The Economist, trudno je całkowicie zignorować, bo to właśnie firmy Muska najszybciej rozwijają sztuczną inteligencję, robotykę, technologie kosmiczne i interfejsy mózg–komputer. Jego wcześniejsze wizje – od rakiet wielokrotnego użytku po upowszechnienie samochodów elektrycznych – również były uznawane za nierealne.

Ludzie nie będą musieli pracować – wszystko zrobią za nich roboty

Według Muska, w ciągu 5 lat AI przewyższy inteligencją wszystkich ludzi i powstanie ogólna sztuczna inteligencja (AGI). Za 10 lat humanoidalne roboty przejmą większość zadań fizycznych, a modele AI – prace intelektualne. Praca stanie się w dużej mierze dobrowolna. Produkcja dóbr i usług będzie niemal całkowicie zautomatyzowana, a rządy będą musiały zapewniać obywatelom uniwersalny dochód, niezależny od pracy. Problemem przyszłości nie będzie inflacja, lecz deflacja wynikająca z ogromnej podaży produktów wytwarzanych przez maszyny. W efekcie pieniądze będą stopniowo tracić na znaczeniu.

Musk wspomina też o zagrożeniach AI i popiera pomysł stworzenia międzynarodowego mechanizmu bezpieczeństwa, w ramach którego największe laboratoria AI – również chińskie – mogłyby wzajemnie testować swoje modele przed ich udostępnieniem. To pomysł, który szef Google DeepMind, Demis Hassabis, zaprezentował w lipcu br. Musk zadeklarował nawet gotowość do współpracy z Samem Altmanem z OpenAI, z którym od lat jest w konflikcie, aby ochronić ludzkość przed niszczącą siłą AI.

Musk uważa ponadto, że chińskie firmy mają szansę zostać światowymi liderami AI – wszystko dzięki ogromnym zasobom energetycznym oraz zdolności do masowej produkcji robotów.

Maszyny lepsze niż najlepsi chirurdzy do 2029 roku

Musk kilka miesięcy temu wzbudził kontrowersje swoją wypowiedzią, że do 2029 roku roboty prześcigną swoimi umiejętnościami najlepszych chirurgów. W podcaście Petera Diamandisa przyznał też, że za kilka lat nie będą potrzebne uniwersytety medyczne. AI przejmie tworzenie i analizę dokumentacji medycznej, stawiając diagnozy i planując leczenie szybciej i dokładniej niż człowiek. Lekarz będzie pełnił rolę nadzorcy i osoby odpowiedzialnej za ostateczne decyzje kliniczne oraz coacha wspierającego emocjonalnie pacjentów.

Eksperci medycyny i robotyki są jednak sceptyczni. Praca lekarza wymaga działania w warunkach niepewności; lekarz nie zawsze ma dostęp do wszystkich danych. To samo dotyczy operacji. Choć roboty mogą opanować precyzję ruchów dłoni człowieka, nie będą zdolne do szybkich i ryzykownych decyzji.

Przypomnijmy, że jedna z firm Muska działa na pograniczu medycyny. Chodzi o Neuralink, która rozwija wszczepialne interfejsy mózg–komputer umożliwiające sterowanie komputerem za pomocą myśli. Musk zapowiada zwiększenie produkcji implantów oraz automatyzację zabiegów chirurgicznych, a długofalowo mówi również o symbiozie człowieka z AI. Obecnie prace koncentrują się jednak na przywracaniu utraconych funkcji neurologicznych, np. u osób sparaliżowanych po udarze mózgu.

Czysta mrzonka, próba podbicia wartości firmy czy jednak szczypta prawdy?

Niektóre wizje Elona Muska są trafne, ale wiele z nich to science fiction. W przeszłości wielokrotnie mylił się co do czasu potrzebnego na realizację swoich planów. Większość ekspertów zgadza się, że AI będzie coraz silniej wpływać na gospodarkę, ale ekonomiści są sceptyczni wobec wizji końca roli pieniądza. Już teraz wiele produktów jest wytwarzanych masowo i tanio jak nigdy dotąd. Na chińskim TEMU ceny są kilkakrotnie niższe niż u lokalnych producentów. Ale decydująca dla konsumenta jest jakość. Z kolei zasoby naturalne potrzebne do wytwarzania towarów są ograniczone. Przykładowo, żyzna gleba i słodka woda do produkcji żywności, ropa naftowa, z której powstaje plastik, metale rzadkie do produkcji półprzewodników.

Musk udzielił wywiadu kilka tygodni po tym, jak SpaceX zadebiutował na giełdzie w największej ofercie publicznej w historii, osiągając chwilowo wycenę przekraczającą 2,6 bln dolarów. Euforia inwestorów szybko opadła, a kurs akcji spadł poniżej ceny emisyjnej 135 dolarów, a kapitalizacja stopniała o ponad 1 bln dolarów. Analitycy tłumaczą przecenę realizacją zysków po rekordowym debiucie, obawami o bardzo wysoką wycenę oraz rosnącym sceptycyzmem wobec spółek opierających swoją wartość na przyszłym potencjale sztucznej inteligencji, a nie bieżących wynikach finansowych. Rozmowę z The Economist można interpretować jako próbę przypomnienia inwestorom długoterminowej wizji, na której Musk od lat buduje wartość swoich przedsięwzięć.

Elon Musk nie jest sam, wieszcząc kres obecnego modelu gospodarki. Podobną tezę stawia Emad Mostaque, były szef Stability AI, w książce The Last Economy. Autor przekonuje, że najbliższe 1000 dni przyniosą największą transformację ekonomiczną od czasów rewolucji przemysłowej. AI sprawi, że inteligencja stanie się powszechnym i tanim zasobem, zmieniając wartość pracy, kapitału i pieniądza.

Czytaj także: Dlaczego nowy chiński model Kimi K3 szokuje ekspertów AI?