Epic stał się synonimem elektronicznej dokumentacji medycznej w USA. Korzystają z niego prestiżowe szpitale, w tym uznawane za najlepsze na świecie Mayo Clinic i Cleveland Clinic. Sprawdzamy, jak Epic zdobył popularność i 42-proc. udział w rynku i czy Polska też ma swojego Epica.

• Epic jest wiodącym dostawcą systemów elektronicznej dokumentacji medycznej w USA, obsługując około 42 proc. placówek ochrony zdrowia i ponad połowę amerykańskich szpitali.
• Sukces systemu wynika z integracji wszystkich procesów szpitalnych w jednym środowisku oraz szybkiego wdrażania nowych technologii, w tym AI.
• W latach 2021–2025 Epic zwiększył udział w rynku z 31 do 42 proc., umacniając pozycję kosztem konkurencji.
• Pod względem filozofii działania najbardziej zbliżonym rozwiązaniem w Polsce jest KAMSOFT, oferujący zintegrowany ekosystem systemów dla placówek medycznych.
• Polskie szpitale dysponują porównywalnymi pod względem funkcjonalności systemami IT.

Czerwone niepozorne logo i epicki system

Epic, szpitalny system IT stworzony przez założoną w 1979 roku Epic Systems, zna każdy lekarz w USA. Nic dziwnego, bo jego elektroniczna dokumentacja medyczna jest wykorzystywana przez 42 proc. placówek zdrowia i ponad połowę szpitali (ok. 3600). Epic jest liderem zwłaszcza w grupie dużych placówek posiadających ponad 500 łóżek. Nazywany „cyfrowym mózgiem szpitala” zyskuje też popularność poza USA, m.in. w Kanadzie, Singapurze, na Bliskim Wschodzie, a ostatnio także w Europie – Wielkiej Brytanii, Holandii, Norwegii, Danii, Finlandii i Szwajcarii. W 2025 roku głośno było o wygranej Epica na dostawę zintegrowanego systemu dla największego w Europie szpitala, czyli Charité w Berlinie.

Skąd taka międzynarodowa kariera amerykańskiego systemu IT dla ochrony zdrowia? Skąd takie zaufanie do HIS-a Epic’a, czyli systemu szpitalnego, skoro można mieć wrażenie, że design interfejsu użytkownika zatrzymał się w latach 90-tych? Odpowiedź jest prosta: Epic stworzył zintegrowany, kompletny i spójny ekosystem IT. W jednym systemie zamknięto obsługę wszystkich procesów placówki medycznej – od zbierania danych w elektronicznej dokumentacji medycznej do rozliczeń, logistyki, planowania wizyt i komunikacji z pacjentem.

Wszystkie dane są zbierane i dostępne w jednym środowisku bez martwienia się o integrację ze sobą różnych systemów różnych firm. Taka filozofia tworzenia architektury IT jest zresztą zawarta w nazwie firmy. Epic – czyli epopeja, epos – symbolizuje całą historię zdrowia pacjenta. Dzisiaj Epic przekonuje do siebie chmurą danych opartą na rozwiązaniach Microsoft Azure albo Amazon Web Services oraz szybko integrowanymi w EDM rozwiązaniami AI.

Reputacja zapewnia stabilność, a rozwiązania AI – przewagę w opiece

Rozbudowana funkcjonalność Epic’a powoduje, że jego wdrożenie to zaawansowany proces wymagający reorganizacji procesów. Implementacja trwa często latami i kosztuje setki milionów dolarów. Ale to nie zniechęca – placówki otrzymują system dokładnie dopasowany do potrzeb, udrażniający przepływ danych i sprawiający, że wszystkie części organizacji zostają ze sobą połączone. Połączeni są też pacjenci, bo mają dostęp do swoich danych przez Portal Pacjenta.

Epic cieszy się reputacją stabilnej firmy. Według KLAS, firmy badającej rynek IT w ochronie zdrowia, elementy przewidywalności i partnerstwa odgrywają decydującą rolę przy wyborze dostawcy systemów HIS. Można było się o tym przekonać, gdy w 2021 roku Oracle – dostawca rozwiązań bazodanowych – kupił za 28,3 mld USD największego konkurenta Epic’a, czyli firmę Cerner. Wielu klientów zaczęło zmieniać system na Epic’a m.in. ze względu na niepewność związaną z rozwojem systemu EDM. I tak w latach 2021–2025 Epic zwiększył swój udział w rynku z 31% do obecnych 42%.

Ale Epic jest też często krytykowany za zamknięty ekosystem danych i utrudnianie wymiany danych z innymi systemami, w tym za praktyki monopolowe. Paradoksalnie, to zamknięte środowisko, zapewniające integrację danych, jest dla wielu szpitali największą wartością systemu.

Jaki dostawca IT w Polsce jest najbardziej zbliżony do filozofii Epic’a?

Kiedy przyjrzymy się z bliska platformie IT dla szpitali Epic’a, znajdziemy tam standardowe funkcjonalności, takie jak izba przyjęć, EDM, integrację z laboratorium i diagnostyką obrazową, zarządzanie blokiem operacyjnym, rozliczenia z płatnikami, moduły telemedyczne, analitykę danych oraz wsparcie decyzji klinicznych. Ostatnio Epic mocno stawia na automatyzację gromadzenia dokumentacji medycznej z pomocą AI scribes, czyli systemów zamieniających rozmowę lekarza z pacjentem na wpisy do EDM.

Z portalu pacjenta MyChart firmy Epic (dostępnego także jako aplikacja mobilna) korzysta już ok. 190 mln pacjentów, którzy mogą dzięki niemu m.in. przeglądać wyniki badań, odnawiać recepty na leki przyjmowane w chorobach przewlekłych oraz umawiać wizyty.

Polski rynek zdrowia jest zupełnie inny niż amerykański – przede wszystkim bardziej rozdrobniony i silnie regulowany centralnie, co powoduje, że informatyzacja wymaga znajomości lokalnych wymagań administracyjnych, integracji z centralną platformą P1 i częstych aktualizacji. Mimo to, pod względem architektury systemu i funkcjonalności Epic można porównać z KAMSOFT-em, który także oferuje zintegrowane systemy obsługujące wszystkie komórki organizacyjne szpitala. Z jedną różnicą – Epic stworzył gigantyczny, jednolity system, z kolei KAMSOFT rozwija modułowe rozwiązania oferujące większą elastyczność i możliwości stopniowej informatyzacji moduł po module. Jest to ważne, bo polskie placówki zdrowia nie mają takich budżetów na IT jak kliniki z USA: w Polsce wydatki na ochronę stanowią ok. 6,8% PKB, a w USA – 18%.

KAMSOFT od lat skupia się na ekosystemie interoperacyjnych rozwiązań, które można ze sobą zestawiać. Funkcjonalność systemu jest analogiczna do rozwiązania Epic’a, włącznie z portalem i aplikacją dla pacjenta. Do tego KAMSOFT przez lata stworzył bazy, które stały się ogólnopolskim standardem, jak m.in. baza leków BLOZ. I tak jak w przypadku giganta z USA, polska firma jest ceniona za stabilność (40 lat na rynku), dobrą obsługę wdrożeniową (sieć firm partnerskich w całej Polsce) i wprowadzane na bieżąco nowe funkcje idące za postępem technologicznym, w tym oparte na algorytmach. Z drugiej strony polscy dostawcy IT nie mogą sobie pozwolić na tak szybkie wdrażanie nowinek AI jak firmy amerykańskie, głównie ze względu na regulacje dotyczące ochrony danych osobowych oraz EU AI Act.

Epic jest często krytykowany za rozbudowany system, czego ceną jest większa złożoność obsługi. Ten sam problem dotyczy też rozbudowanych systemów KAMSOFT, choć w przeciwieństwie do Epic’a – który ma tylko jeden system dla dużych szpitali i tzw. Epic Garden Plot dla mniejszych klinik – firma ma w swoim portfolio prostsze systemy dla gabinetów lekarskich albo przychodni. Szpitale w Polsce mają dostęp do tak samo nowoczesnych rozwiązań IT jak największe kliniki w USA. Z kilkoma strategicznymi różnicami – w USA już ok. 80% szpitali korzysta z chmury danych, a przepisy, wyższe budżety na IT i kultura innowacyjności ułatwiają wdrażanie najnowszych technologii, w tym AI.

Czytaj także: „Analizator Terapii” wspiera lekarzy w decyzjach klinicznych

Wykorzystanie sztucznej inteligencji – i to mimo ogromnych możliwości – nadal ogranicza się do pojedynczych projektów pilotażowych. Najnowszy raport OECD „Scaling Artificial Intelligence in Health” ostrzega przed opóźnieniami we wdrażaniu AI, zaniedbaniami w szkoleniu personelu oraz niską jakością danych.

• OECD ostrzega, że większość projektów AI w ochronie zdrowia kończy się na pilotażach i nie jest wdrażana na większą skalę.
• Głównymi barierami wdrożeń są niska jakość danych, brak interoperacyjności, niejasne regulacje oraz niedostateczne kompetencje cyfrowe personelu.
• Tylko około 10 proc. rozwiązań AI w obrazowaniu medycznym zostało wdrożonych na poziomie całego kraju (kraje OECD).
• OECD wskazuje, że skuteczne wykorzystanie AI wymaga lepszych danych, nowych modeli refundacji, walidacji technologii i budowania zaufania użytkowników.
• Bez strategii i inwestycji w cyfryzację systemy ochrony zdrowia nie wykorzystają potencjału sztucznej inteligencji.

Wnioski z raportu OECD są alarmujące: wiele projektów AI kończy się na etapie lokalnych wdrożeń, ponieważ brakuje wspólnych standardów danych, jasnych zasad odpowiedzialności, interoperacyjności oraz kompetencji cyfrowych personelu medycznego. Problemem pozostaje niski poziom zaufania do AI wśród pacjentów i pracowników ochrony zdrowia. Jak to zmienić? Skuteczne skalowanie AI wymaga dobrej jakości danych, regulacji, infrastruktury, edukacji i zarządzania. OECD przygotowało specjalną checklistę, która ma pomóc unikać najczęstszych błędów wdrożeniowych.

Boom technologii, ale wdrożenia pozostają daleko w tyle

Choć AI jest już stosowana we wszystkich krajach OECD m.in. do wsparcia zadań administracyjnych, w medycynie wykorzystywana jest rzadko. Przykładowo, zaledwie 10 proc. rozwiązań AI w obrazowaniu medycznym zostało wdrożonych na poziomie krajowym. OECD zwraca uwagę, że wiele szpitali i placówek ochrony zdrowia implementuje AI w izolacji, bez wspólnych standardów i bez możliwości łatwego skalowania rozwiązań w innych placówkach.

W praktyce prowadzi to do powielania kosztów, problemów z interoperacyjnością, ograniczonej jakości danych, trudności z oceną skuteczności AI i braku zaufania użytkowników. Aby to zmienić, AI powinno być postrzegane jako bazowe rozwiązanie w ochronie zdrowia, a nie dodatek do niego.

Bez wysokiej jakości danych sztuczna inteligencja po prostu nie będzie działać. Problem polega jednak na tym, że sektor zdrowia nadal wykorzystuje mniej niż 5 proc. dostępnych danych, a 95 proc. pozostaje na papierze albo w silosach danych.

Jednym z najważniejszych zaleceń raportu jest budowa fundamentów danych opartych na zasadzie FAIR, czyli danych możliwych do odnalezienia, dostępnych, interoperacyjnych i możliwych do ponownego wykorzystania. OECD przypomina też, że dane zdrowotne muszą być reprezentatywne dla populacji; w przeciwnym razie AI może wzmacniać nierówności i generować błędne decyzje kliniczne. W Europie sytuację może poprawić centralna struktura zarządzania danymi zdrowotnymi, jaką jest powstająca Europejska Przestrzeń Danych Zdrowotnych (EHDS). Dzięki niej, anonimowe dane m.in. z badań naukowych oraz systemów elektronicznej dokumentacji medycznej trafią do centralnych repozytoriów i będą mogły być wykorzystywane w rozwoju algorytmów AI.

Strategie AI. Nawet jeśli są, nie idą za nimi konkretne działania

Polska ma swoją strategię rozwoju AI w postaci „Polityki rozwoju sztucznej inteligencji w Polsce do 2030 roku”. Ale nie ma sektorowego planu dla AI, zresztą jak w większości krajów OECD. Z badania wynika, że tylko 18 proc. krajów OECD posiada strategię AI dla zdrowia, 18 proc. ma dedykowany organ nadzorujący AI w ochronie zdrowia, a jedynie 3 proc. opracowało dedykowane przepisy prawne.

Efekt: chaotyczne inwestycje w AI. Oprócz interoperacyjności danych, do rozwoju AI niezbędne są też mechanizmy walidacji i oceny skuteczności (w Polsce oceną technologii medycznych zajmuje się AOTMiT, ale nie w zakresie rozwiązań AI), nowe strategie refundacji (wiele modeli AI służy profilaktyce, a system zdrowia płaci za liczbę wykonanych usług, a nie za wyniki leczenia) oraz zasady odpowiedzialności (kto odpowiada w przypadku błędu AI).

Do tego dochodzi zaufanie, które z kolei wymaga edukacji użytkowników końcowych. OECD zwraca uwagę, że nawet najlepsze rozwiązania technologiczne nie będą działały bez akceptacji użytkowników końcowych. Lekarze muszą wiedzieć, jak działa AI, jakie są ograniczenia modeli, jak interpretować wyniki, kiedy kwestionować rekomendacje systemu oraz jak bezpiecznie wykorzystywać AI w praktyce klinicznej. Na końcu algorytmy AI – czego zresztą wymaga EU AI Act – muszą być monitorowane, a błędy – raportowane. Dotyczy to też kontroli tzw. zjawiska dryfowania modeli AI, czyli sytuacji, w której algorytm wyćwiczony na danych testowych ma wysoką skuteczność, ale spada ona ze zmianami danych lub gdy jest wdrożony w placówce.

Raport nie jest jednak wezwaniem do regulacji, ale raczej ostrzeżeniem, że bez odpowiedniej strategii, ochrona zdrowia przeoczy szanse związane ze sztuczną inteligencją.

Czytaj także: 8. urodziny IKP. 20 mln kont, ale nowych przybywa za wolno

Z pozoru to klasyczne laboratorium medyczne. Z jedną różnicą – nie ma w nim ludzi. Tak działa nowy ośrodek badań przeprowadzający 10 000 badań dziennie w Instytucie Nauki w Tokio. Obecnie pracuje w nim 10 robotów, w tym humanoidalny Maholo LabDroid wykonujący precyzyjne procedury laboratoryjne, które do tej pory wymagały pracy wykwalifikowanych biologów i techników laboratoryjnych.

• W Tokio uruchomiono pierwsze w pełni zautomatyzowane laboratorium biomedyczne, w którym eksperymenty prowadzą roboty bez udziału ludzi.
• Humanoidalny robot Maholo LabDroid wykonuje precyzyjne procedury laboratoryjne, dzięki temu ośrodek może wykonywać ok. 10 tys. badań dziennie.
• Japoński Instytut Nauki planuje zwiększyć liczbę robotów z 10 do 2000 do 2040 roku i niemal całkowicie zautomatyzować badania biomedyczne.
• Połączenie robotyki i AI ma przyspieszyć odkrywanie nowych leków, ograniczyć liczbę błędów i obniżyć koszty badań.
• Autonomiczne laboratoria „przy zgaszonych światłach” to trend przyszłości. Ale naukowcy nie stracą pracy, jedynie zmienią się ich role.

2000 robotów pomoże w badaniach naukowych

Nowe Centrum Innowacji Robotyki to pierwsze tego typu na świecie, w którym nie ma ani jednego człowieka. Japonia, jako jeden z najszybciej starzejących się krajów, jest liderem robotyki. Maholo LabDroid ma złagodzić niedobory specjalistów, zmniejszyć wysokie koszty badań oraz przyspieszyć badania nad nowymi terapiami. Laboratorium działa całodobowo bez obecności naukowców, a roboty realizują zaprogramowane procedury, obsługują urządzenia laboratoryjne i prowadzą powtarzalne eksperymenty wymagające dużej precyzji.

Najważniejszą częścią Maholo LabDroid są dwa bardzo precyzyjne ramiona, które płynnie operują probówkami laboratoryjnymi, podobnie jak ludzkie ręce. Potrafią przenosić odczynniki laboratoryjne, obsługiwać inkubatory i aparaturę laboratoryjną, dozować precyzyjnie odczynniki, prowadzić automatyczne hodowle komórkowe. Brak człowieka znacznie ułatwia zachowanie sterylności środowiska badań.

Jak podkreślają twórcy robota, największą zaletą jest możliwość szybkiej budowy podobnych laboratoriów, ponieważ nie wymagają one szukania i zatrudniania specjalistów. Instytut Nauki w Tokio chce zwiększyć liczbę robotów do około 2000 do 2040 roku.

Plany zakładają niemal całkowitą automatyzację procesu badań biomedycznych. Roboty i systemy sztucznej inteligencji mają wspólnie realizować eksperymenty medyczne, generować hipotezy naukowe, projektować badania, analizować wyniki, walidować dane eksperymentalne, optymalizować kolejne etapy badań.

AI szuka nowych cząsteczek leków, teraz dołączają do nich autonomiczne laboratoria

Kiedy w 2024 roku system AlphaFold od Google DeepMind otrzymał nagrodę Nobla za przewidywanie trójwymiarowej struktury białek na podstawie sekwencji aminokwasów, nadzieje na przyspieszenie prac nad lekami stały się w końcu realne. Jednak po udanych symulacjach sztucznej inteligencji, przychodzi zawsze kolej na eksperymenty laboratoryjne. A te mogą trwać nawet kilkanaście lat i pochłaniać sumy, na które stać tylko największe ośrodki naukowe.

Zdaniem japońskich naukowców, połączenie AI z robotyką może znacząco zwiększyć tempo odkrywania nowych terapii oraz ograniczyć liczbę błędów – roboty pracują 24 godziny na dobę, nie męczą się i wykonują zadania z wysoką precyzją. W badaniach biomedycznych ma to ogromne znaczenie, szczególnie przy eksperymentach wymagających wielokrotnego powtarzania tych samych procedur.

Automatyzacja ma przyspieszyć badania przesiewowe nowych cząsteczek, testowanie terapii biologicznych, eksperymenty związane z komórkami macierzystymi, rozwój medycyny spersonalizowanej i postępy w diagnostyce molekularnej.

Japońskie laboratorium już teraz wykorzystuje roboty do m.in. hodowli komórek, gdzie wymagana jest wysoka precyzja oraz sterylne warunki pracy. Nawet niewielkie błędy lub odchylenia proceduralne mogą wpływać na wyniki eksperymentów.

Maholo był wcześniej wykorzystywany między innymi w szpitalu okulistycznym w Kobe, gdzie wspierał badania kliniczne dotyczące indukowanych pluripotentnych komórek macierzystych.

Bezzałogowe laboratoria przy zgaszonych światłach. Ludzie przy komputerach zamiast probówkach

Projekt z Tokio wpisuje się w szerszy globalny trend integracji robotyki i sztucznej inteligencji w sektorze nauk o zdrowiu. Kilka miesięcy temu amerykańska firma Insilico Medicine wdrożyła humanoidalnego robota Supervisor w zautomatyzowanym laboratorium AI do prac nad lekami. System wspiera między innymi zarządzanie przepływem pracy, analizę danych i nadzór laboratoryjny.

Humanoidalne roboty mogą rozwiązać jeden z największych problemów automatyzacji laboratoriów. Większość urządzeń została zaprojektowana z myślą o obsłudze przez człowieka i miną dekady, zanim w pełni autonomiczne systemy zastąpią stare maszyny. Powodem są ogromne koszty. Dlatego rozwiązaniem pośrednim są roboty zdolne do obsługi maszyn wymagających sprawności ludzkich dłoni.

Twórcy projektu podkreślają jednak, że autonomiczne laboratoria nie oznaczają, że roboty całkowicie zastąpią ludzi w laboratoriach biomedycznych. Zmieni się raczej charakter pracy naukowców. Ich rolą będzie nadzór nad systemami AI, interpretacja wyników badań, projektowanie modeli eksperymentalnych, kontrola jakości danych oraz rozwiązywanie kwestii etycznych i regulacyjnych. Naukowcy wejdą w rolę inżynierów danych.

Trend robotyzacji przyspiesza też w innych branżach. W Chinach już działają pierwsze fabryki, gdzie pracują tylko roboty. Ponieważ roboty stosują światło podczerwone do nawigowania po otoczeniu, oświetlenie nie jest potrzebne. Dlatego nazywane są „ciemnymi fabrykami” (dark factories) albo „produkcją przy zgaszonych światłach” (lights-out manufacturing).

Czytaj także: Dla 48% osób chatbot AI jest jak przyjaciel – wynika z nowego badania

Tam, gdzie sztuczna inteligencja jest lepsza od lekarza, utrzymywanie człowieka w pętli decyzyjnej może tylko pogorszyć skuteczność modelu – twierdzi dr Robert Wachter. W swojej nowej książce „A Giant Leap: How AI Is Transforming Healthcare and What That Means for Our Future” („Ogromny krok naprzód: jak sztuczna inteligencja zmienia opiekę zdrowotną i co to oznacza dla naszej przyszłości”) twierdzi, że AI będzie standardowo wspierać podejmowanie decyzji klinicznych.

O czym jest Pana nowa książka „A Giant Leap”?

Opowiada ona o rewolucji, której jesteśmy świadkami. A dokładnie o wprowadzaniu do opieki zdrowotnej – dziedziny, w której zawsze człowiek odgrywał centralną rolę – nowej technologii, która, moim zdaniem, będzie mądrzejsza niż jakikolwiek człowiek. Oczywiście mam na myśli sztuczną inteligencję.

Dla mnie jest to największy eksperyment w historii opieki zdrowotnej. Chodzi o coś więcej niż wdrażanie rozwiązań ułatwiających pojedyncze czynności. Stawką jest to, czy AI sprawi, że medycyna będzie skuteczniejsza i bezpieczniejsza, a opieka zdrowotna tańsza. Jeśli się okaże, że AI znacznie poprawia wyniki leczenia i sprawia, że system zdrowia działa lepiej, będziemy postawieni przed większym pytaniem o rolę lekarzy, pielęgniarek i pacjenta.

Co nowego wnosi AI? Cyfryzacja, która też miała być wielką rewolucją, po kilku dekadach wdrażania elektronicznej dokumentacji medycznej bardziej rozczarowuje niż cokolwiek transformuje.

W mojej książce cytuję zdanie Hemingwaya z książki „Słońce też wschodzi”. Kiedy bohater zostaje zapytany, jak zbankrutował, odpowiada: „Na dwa sposoby: najpierw stopniowo, a potem nagle”. Analogicznie traktuję proces cyfryzacji. Dotąd byliśmy w tej „stopniowej” fazie rozwoju, ale teraz AI znacznie ją przyspiesza. Cyfryzacja, przez którą przechodziliśmy latami, była konieczna. Czy rozczarowała? Jestem innego zdania. Jako lekarz zacząłem pracować jeszcze przed erą komputerów. Kiedyś spędzałem większość dnia biegając pomiędzy pracownią rentgenowską a oddziałami szpitala, kompletując papiery, próbując odczytać pismo odręczne. Każdy dokument miał jedną kopię i dokumentację medyczną mógł przeglądać w tym samym czasie tylko jeden pracownik. Teraz mam dostęp do dokumentów na komputerze, kiedy chcę – i to już jest ogromne ułatwienie. Niestety, często o tym zapominamy, jak wiele się zmieniło na lepsze.

Ale cyfryzacja doprowadziła też do niezamierzonych, negatywnych konsekwencji i nie okazała się panaceum na problemy opieki zdrowotnej. Wielu z nas wierzyło, że elektroniczna dokumentacja automatycznie sprawi, że opieka będzie lepsza, bezpieczniejsza i tańsza. Rzeczywistość jest jednak zupełnie inna. Ale największą zaletą cyfryzacji jest zamiana papierów na dane elektroniczne. Stworzyliśmy bazę, na podstawie której można generować kolejne korzyści, przede wszystkim dzięki AI.

Już obecnie do medycyny wchodzą zaawansowane algorytmy AI (red.: amerykańska FDA dopuściła na rynek ponad 1400 algorytmów AI do zastosowań w medycynie) albo systemy do automatycznego tworzenia elektronicznej dokumentacji medycznej. Te nowe możliwości pojawiają się w czasie, kiedy systemy zdrowia są pod ogromną presją: brakuje lekarzy, dostęp do opieki jest nierówny, budżety na ochronę zdrowia pękają w szwach.

Zderzenie nowych narzędzi AI o ogromnej mocy z kryzysem opieki zdrowotnej sprawia, że optymistycznie myślę o przyszłości medycyny. O ile sektor zdrowia nigdy nie był pionierem we wdrażaniu AI, o tyle teraz mocno przyspiesza, bo AI zaczyna rozwiązywać konkretne problemy. Lekarze, którzy wypróbowali AI, szybko dostrzegają, że pomaga skrócić czas pracy administracyjnej albo lepiej zaopiekować się pacjentami.

Tych problemów w ochronie zdrowia narosło sporo. Wystarczy wspomnieć obowiązki administracyjne, które zajmują lekarzowi nawet do 50% czasu pracy i prowadzą do wypalenia zawodowego. Czy sztuczna inteligencja pomoże uporać się z tymi wyzwaniami?”

Wszystko zależy od tego, jak rozwinie się technologia i czy pójdą za nią zmiany w systemie zdrowia. Weźmy na przykład ambient scribing (red.: systemy AI, które słuchają rozmowy lekarza z pacjentem i na tej podstawie generują wpisy do elektronicznej dokumentacji medycznej, w tym recepty, skierowania itd.). Popularność tego rozwiązania w USA szybko rośnie, mimo że jest dostępne dopiero od 2–3 lat. W moim szpitalu ma do niego dostęp każdy lekarz, dzięki czemu możemy rozmawiać z pacjentami bez wpatrywania się w ekran czy klawiaturę. Treść rozmowy jest zamieniana przez AI na notatki o odpowiedniej strukturze. Zadowoleni są też pacjenci, co potwierdzają pierwsze badania.

Ale są i minusy. Badanie przeprowadzone w Stanach Zjednoczonych wykazało, że ambient scribes doprowadziły do zwiększenia kosztów opieki. Z prostego powodu: systemy te pomagają w dokumentowaniu wszystkich usług na tyle dokładnie, że wzrosła kwota refundacji. To obnażyło anomalie naszego systemu zdrowia – płacimy głównie za ilość zrealizowanych usług, a nie za wyniki leczenia.

Sztuczna inteligencja nie prowadzi więc automatycznie do oszczędności w systemie, ale rozwiązuje problemy na poziomie świadczeniodawcy, poprawiając – o czym wspomniałem wcześniej – relacje między lekarzem a pacjentem czy jakość leczenia.

Oczywiście istnieje wiele obaw związanych ze wspomaganiem decyzji z pomocą AI, jak przykładowo stronniczość. Ale stronniczość i błędy już występują, jedynie dotąd je ignorowaliśmy.

Przybywa rozwiązań AI. Oprócz ambient scribes rośnie liczba np. algorytmów predykcyjnych. Które z tych rozwiązań są przereklamowane, a które warto obserwować i wdrażać?

Najważniejsze są rozwiązania wspierające podejmowanie decyzji klinicznych oparte na AI, pomagające lekarzom w diagnozie i planowaniu leczenia. Wchodzą one do systemu zdrowia tylnymi drzwiami i są często wykorzystywane nieoficjalnie. Przykładowo, wielu lekarzy korzysta już z dużego modelu językowego dla medycyny OpenEvidence (red.: niedostępny w Europie). Radzi sobie bardzo dobrze z diagnozą i lekarze mu ufają.

Ale największy przełom dokona się wtedy, gdy tego typu rozwiązania zostaną wbudowane w systemy elektronicznej dokumentacji medycznej. Znając historię leczenia pacjenta i dane dotyczące zdrowia, AI wygeneruje zalecenia diagnostyczne i przygotuje wstępne plany leczenia. W ten sposób lekarze będą mieli nowego asystenta.

Stawka jest wysoka, bo jeśli AI się pomyli, lekarz może powielić ten błąd. A to właśnie lekarz odpowiada osobiście za podejmowane decyzje. To będzie najtrudniejszy element w rewolucji cyfrowej w medycynie. Usprawnienie rozliczeń czy prowadzenia dokumentacji medycznej to nisko rosnące jabłka, po które łatwo sięgnąć. Tutaj ryzyko jest niskie, a korzyści widać od razu, choć są one ograniczone.

Dopiero włączenie AI do decyzji klinicznych będzie miało realny wpływ na jakość leczenia. Proszę pamiętać, że wynagrodzenia lekarzy stanowią około 10 procent kosztów bezpośrednich opieki zdrowotnej. Z kolei ich decyzje generują około 80 procent tych kosztów. Każde dodatkowe badanie zlecone pacjentowi to większe koszty. Jeśli AI będzie w stanie np. ograniczyć liczbę koniecznych testów laboratoryjnych, aby dojść do prawidłowej diagnozy, to jest to ogromna szansa na zwiększenie efektywności całego systemu.

To po stronie lekarzy. W przypadku pacjentów, generatywna AI staje się szybko pierwszym narzędziem, po które sięgają, kiedy mają jakiś problem zdrowotny.

To prawda. Wyszukiwarki AI rejestrują codziennie tysiące zapytań związanych ze zdrowiem, a pacjenci coraz częściej korzystają z AI, zanim pójdą do lekarza. Na wizytę często przychodzą z pytaniami lub sugestiami czatbotów. Nie wszystkim lekarzom się to podoba, ale to część szerszego trendu – AI to technologia, która demokratyzuje dostęp do informacji. Ale z drugiej strony są i plusy. Osobiście wolę, kiedy pacjenci korzystają z ChatGPT zamiast wyszukiwarki Google, bo wyniki są dużo lepsze.

Z jedną uwagą – nie zawsze są to podpowiedzi poprawne, a pacjenci nie wiedzą, jak weryfikować opinie AI i czasami wierzą im ślepo. A to może prowadzić do błędnych decyzji dotyczących zdrowia. W przyszłości, odpowiadając na pytania o zdrowie, czatboty powinny postępować tak samo jak lekarz, zadając kolejne pytania uszczegóławiające. Jeszcze lepiej, jeśli byłyby zintegrowane z portalami pacjentów, zyskując w ten sposób dostęp do dokumentacji medycznej. To znacznie poprawiłoby jakość sugestii AI. Dużo większym wyzwaniem będzie wbudowanie mechanizmów bezpieczeństwa, aby AI dokładnie wiedziała, kiedy może dać rekomendacje, a kiedy skierować pacjenta do lekarza.

Co zrobi medycyna, gdy AI dorówna lub prześcignie lekarzy w diagnozowaniu i leczeniu?

To pytanie, przed którym stoją także inne zawody: dziennikarze, prawnicy, księgowi itd. Nie sądzę, aby w ochronie zdrowia doprowadziło to do tego, że AI będzie autonomicznie leczyć pacjentów. Narzędzia AI mogą dostarczać nowej wiedzy i wskazówek, ale decyzja, które z nich są istotne z punktu widzenia leczenia, wymaga specjalistycznej wiedzy, szczególnie w tak odpowiedzialnej dziedzinie jak medycyna.

AI sprawi, że każdy lekarz będzie jeszcze lepszym lekarzem. Na razie AI jest drugim pilotem, który ostrzega o błędach, sprawdza informacje, podpowiada. I nawet jeśli AI ma większą wiedzę, lekarz ma empatię. Ale zmiana ról jest nieunikniona, nawet jeśli niełatwo jest zaakceptować fakt, że maszyna może być lepsza niż człowiek. Myślę jednak, że z czasem się przyzwyczaimy. Zresztą młodsze pokolenie chętnie sięga do AI, bo jest to wygodne.

W swojej książce zwraca Pan uwagę, że AI nie musi być idealna.

Mamy tendencję do stawiania technologii bardzo wysokich wymagań. Jest to oczywiście zrozumiałe, bo jeśli sztuczna inteligencja popełni błąd, może go szybko powielić na setki, tysiące pacjentów. Jednak oczekiwanie perfekcji jest nierealne i przynosi efekt przeciwny do zamierzonego.

Błędy zawsze były i będą. Przyjdzie na pewno taki moment, kiedy AI doprowadzi do śmierci pacjenta i będzie o tym głośno, podobnie jak głośno było o pierwszych wypadkach z udziałem autonomicznych samochodów. Ale już teraz każdego roku odnotowuje się setki tysięcy zgonów spowodowanych błędami medycznymi. Z tego powodu nie zamykamy szpitali i zwalniamy lekarzy.

Pytanie brzmi, czy sztuczna inteligencja jest lepsza od obecnego systemu. Lepsza w różnych kategoriach: wiedzy medycznej, generowanych kosztów, efektów leczenia. Może być lepsza, zwiększając dostępność pomocy, która wcześniej była bardzo ograniczona. Weźmy za przykład czatboty wykorzystywane w poradach psychologicznych. Zapewniają one dostęp do opieki, której wiele osób inaczej by nie miało.

Musimy realnie spojrzeć na możliwości AI w kontekście ułomności obecnego systemu. Czekanie, aż AI będzie w 100% bezpieczna i precyzyjna, mija się z celem.

A jeśli będzie lepsza niż lekarz, to czy lekarz nadal powinien być „w pętli decyzyjnej”?

O tym też wspominam w swojej książce. Obecnie panuje przekonanie, że lekarz zawsze ma ostatnie zdanie i musi być elementem procesu podejmowania decyzji. Ale co jeśli AI będzie lepsza od lekarza i ewentualna interwencja lekarza tylko zaszkodzi decyzjom AI? To całkiem realistyczny scenariusz – wraz z upowszechnieniem się AI, lekarze będą coraz bardziej polegać na jej możliwościach, co z kolei doprowadzi do tzw. deskillingu, zmniejszenia kompetencji medycznych. Wtedy utrzymywanie człowieka w pętli decyzyjnej będzie kontraproduktywne.

Czyli o mocy AI w medycynie zadecyduje nie tyle sama technologia, ile regulacje.

Nie martwię się brakiem regulacji, jeśli chodzi o wdrażanie AI przez szpitale i systemy opieki zdrowotnej. Z mojego doświadczenia wynika, że organizacje opieki zdrowotnej są bardzo ostrożne i nie wprowadzają narzędzi, co do których nie są przekonane, że są w pełni bezpieczne.

Bardziej niepokoi mnie odpowiedzialność prawna za błędy popełnione przez AI. W sektorze konsumenckim, kiedy pacjenci pytają AI o diagnozę i porady zdrowotne, nadzór jest dużo mniejszy. Cały obszar pozostawiono firmom AI, którym bardziej zależy na szybkości rozwoju niż na bezpieczeństwie.

Co najbardziej Pana zaskoczyło podczas pisania książki o AI w medycynie?

Chyba to, że AI daje mi coraz więcej powodów do optymizmu, jeśli chodzi o przyszłość medycyny. Dziesięć lat temu, kiedy pisałem moją poprzednią książkę „The Digital Doctor” („Cyfrowy Lekarz”), byłem sfrustrowany postępem cyfryzacji, a zwłaszcza elektroniczną dokumentacją medyczną. Tym razem, im więcej rozmawiałem z osobami z sektora zdrowia – a na potrzeby książki przeprowadziłem ponad 100 wywiadów – tym bardziej zacząłem przekonywać się, że AI to wielka szansa dla ochrony zdrowia, która znajduje się w głębokim kryzysie.

Czytaj także: „Lekarz nie jest od raportowania. To może przejąć AI”

OpenEvidence jest najchętniej stosowanym przez lekarzy narzędziem generatywnej sztucznej inteligencji. Działa jak czatbot odpowiadający na pytania kliniczne w oparciu o wiedzę medyczną. W USA sięga do niego ok. 40% lekarzy, ale w Europie od kwietnia jest niedostępny. Winny jest EU AI Act.

• Z OpenEvidence korzysta już ok. 40 proc. lekarzy w USA i 10 000 placówek zdrowia.
• Platforma oferuje bezpłatny dostęp do aktualnej wiedzy medycznej, dotychczas dostępnej głównie w drogich systemach wspomagania decyzji klinicznych.
• Narzędzie jest niedostępne w UE i Wielkiej Brytanii z powodu wymogów regulacyjnych wynikających z EU AI Act.
• Według przepisów europejskich OpenEvidence jest systemem wysokiego ryzyka. A to nakłada na jego twórcę wiele obowiązków, których nie jest w stanie spełnić.
• Jest to też duża konkurencja dla systemów wspomagania decyzji klinicznych.

4 z 10 lekarzy w USA korzysta z OpenEvidence

Jeszcze dwa lata temu mało kto poza Doliną Krzemową słyszał o firmie OpenEvidence. Dziś to jedno z najpopularniejszych narzędzi AI wśród lekarzy na świecie i symbol demokratyzacji dostępu do wiedzy medycznej.

OpenEvidence działa jak wyspecjalizowana wyszukiwarka i asystent AI pomagający w diagnozie albo zaplanowaniu leczenia zgodnego z aktualną wiedzą medyczną. Podpowiedzi generowane przez AI bazują wyłącznie na recenzowanej literaturze medycznej, wytycznych klinicznych i publikacjach takich jak New England Journal of Medicine czy JAMA. Lekarz wpisuje pytanie, np. dotyczące objawów pacjenta, a platforma generuje odpowiedź wraz z cytowaniami źródeł i streszczeniem aktualnych publikacji naukowych.

Z OpenEvidence korzysta codziennie ponad 40 proc. lekarzy w USA w ponad 10 tys. szpitali i placówek medycznych. W tej grupie są najbardziej renomowane ośrodki naukowe, jak Harvard Medical School, Stanford Medicine czy Johns Hopkins Medicine.

Pod koniec 2025 roku platforma obsługiwała około 18 mln zapytań klinicznych miesięcznie. Według danych OpenEvidence, uzyskuje 100% poprawnych odpowiedzi na amerykańskim egzaminie lekarskim.

Popularność OpenEvidence wynika z dwóch czynników. Po pierwsze, narzędzie jest bezpłatne i dostępne online w postaci czatbota podobnego do ChatGPT. Po drugie, rozwiązuje problem, który od lat doskwiera lekarzom – mowa o nadążaniu za przyrostem wiedzy medycznej. Każdego dnia publikowane są tysiące nowych artykułów naukowych na temat leczenia, postępowania w chorobach, skuteczności leków itd. Żaden lekarz nie jest w stanie na bieżąco ich śledzić i stosować nowe zalecenia w swojej praktyce.

Powstały w 2022 roku OpenEvidence jest dziś wyceniany na 12 mld dolarów, a w firmę zainwestowały m.in. NVIDIA i Mayo Clinic.

OpenEvidence jako pierwsza ofiara EU AI Act

Także w Europie lekarze pokochali OpenEvidence. Jednak pod koniec kwietnia br. platforma niespodziewanie przestała być dostępna w Unii Europejskiej i Wielkiej Brytanii. Oficjalny powód: „rosnąca niepewność regulacyjna dotycząca systemów AI”.

Chodzi dokładnie o konflikt z europejskim aktem ws. AI (EU AI Act). Według niego, systemy wspierające decyzje kliniczne zaliczane są do technologii wysokiego ryzyka. Wprowadzenie takiego rozwiązania na rynek pociąga za sobą konieczność spełnienia szeregu wymogów, w tym zagwarantowania przejrzystości działania modelu AI, dostarczenia dokumentacji w zakresie danych treningowych, walidacji klinicznej, monitorowania błędów, audytów i jasnego określenia odpowiedzialności prawnej.

Problem polega na tym, że OpenEvidence opiera się na generatywnej AI, więc jego działanie jest niewytłumaczalne, jest stale aktualizowany i uczy się w czasie rzeczywistym na tysiącach codziennie publikowanych artykułów naukowych. Spełnienie wymagań EU AI Act jest więc prawie niemożliwe. A to oznacza, że europejscy lekarze nie będą mieli dostępu do nowoczesnych modeli AI dla medycyny. Problem jest jeszcze głębszy, bo powstaje pytanie, czy AI w medycynie powinno być oceniane według klasycznych metod evidence-based medicine, wymagających wieloletnich badań i statyczności wyrobu, czy raczej poprzez ciągły monitoring skuteczności w praktyce klinicznej?

Dyskusja na ten temat już się toczy. W kwietniu na łamach Nature Medicine ukazał się komentarz pod tytułem „Show us the evidence for the value of medical AI” („Pokażcie nam dowody na wartość medycznych rozwiązań AI”). Autorzy wskazywali, że sektor medyczny potrzebuje solidnych badań klinicznych potwierdzających bezpieczeństwo i realną wartość modeli generatywnych.

Paradoksalnie, publikacja tekstu zbiegła się z premierą nowej wersji ChatGPT dla lekarzy (dostępnej tylko w USA) i nowego benchmarku (standaryzowany test służący ocenie skuteczności modelu AI). I teraz lekarze mają trudny orzech do zgryzienia: czekać, aż narzędzia AI, jak OpenEvidence, będą klasyfikowane jako urządzenia medyczne, czy zaufać skuteczności potwierdzonej w testach. Stare podejście zakłada powolną walidację i ostrożność regulacyjną. Nowe – opiera się na dynamicznej ocenie w czasie rzeczywistym, czyli ciągłej analizie jakości odpowiedzi AI w codziennej pracy lekarzy.

Darmowy model AI nie wszystkim się podoba, ale może wrócić do Europy

OpenEvidence to także ogromna konkurencja dla systemów wspomagania decyzji klinicznych (CDSS, Clinical Decision Support Systems). Przez lata segment ten był zdominowany przez duże platformy CDSS, jak UpToDate czy Lexicomp, oferujące dostęp do uporządkowanej wiedzy medycznej i wytycznych. Za licencję dla indywidualnego lekarza trzeba zapłacić kilkaset dolarów rocznie, a koszty dla dużych szpitali liczone są w tysiącach USD. Nic dziwnego, bo aby systemy CDSS były zgodne z aktualną wiedzą medyczną, ich dostawcy zatrudniają setki lekarzy-redaktorów, którzy codziennie aktualizują wiedzę w systemie. Tymczasem OpenEvidence oferuje darmowy dostęp i wygodną formę czatbota generującego odpowiedzi na podstawie aktualnej literatury, także tej opublikowanej kilka sekund temu.

A to dopiero początek, bo teraz OpenEvidence pracuje nad integracją narzędzia z systemami elektronicznej dokumentacji medycznej, aby jeszcze bardziej zautomatyzować cały proces analizy danych i personalizować opiekę. Firma niedawno ogłosiła integrację z systemem Epic, czyli jednym z największych dostawców EDM w USA. Jeśli AI wspomagająca decyzje kliniczne zostanie włączona do systemów gabinetowych, będzie to dużym zagrożeniem dla producentów CDSS. Ale nie podoba się to też organizacjom medycznym, które dotychczas centralnie wydawały rekomendacje i wytyczne leczenia. W ten sposób stracą one swoją pozycję i prestiż.

Najpierw ChatGPT sprawił, że pacjenci mają dostęp do wiedzy wcześniej zarezerwowanej wyłącznie dla lekarzy, a teraz OpenEvidence pokazuje, że każdy lekarz może mieć dostęp do informacji, które wcześniej były domeną posiadaczy systemów wspomagania decyzji klinicznych. To pokazuje, jak AI zakłóca ustalony przez dekady porządek w ochronie zdrowia. A to dopiero pierwsza odsłona zmian, które nas czekają. Czy OpenEvidence wróci do Europy? Jest na to szansa. Komisja Europejska pracuje nad tzw. pakietem „AI Omnibus”. Jeśli zostanie przyjęty, obowiązki EU AI Act dla systemów wysokiego ryzyka wejdą w życie dopiero w grudniu 2027 roku zamiast sierpnia 2026 r. Planowane jest też zawężenie definicji systemów wysokiego ryzyka, wprowadzenie wyjątków dla systemów „wspomagających użytkownika”, ale nie podejmujących decyzji, i uproszczenie obowiązków dokumentacyjnych.

Czytaj także: Komisja Europejska łagodzi EU AI Act i przesuwa terminy

Liczba sprzedanych opakowań produktów ziołowych w aptekach zmniejszyła się w latach 2002–2025 aż o 69%, z 27,5 mln do 8,7 mln. Tylko w latach 2017–2025 spadek wyniósł 50%. Ponadto w numerze: Liczba aptek maleje. Czy to oznacza, że rośnie popyt w innych aptekach?

POBIERZ BEZPŁATNIE e-wydanie OSOZ Statystyki 6/2026 (44 strony, PDF)

W numerze 6/2026 OSOZ Statystyki:

Im mniej aptek, tym więcej pacjentów w jednej aptece. Czy to prawda?

W okresie od marca 2025 do kwietnia 2026 nastąpił 2-proc. spadek liczby pacjentów w statystycznej aptece. W tym czasie w jednej aptece transakcje zrealizowało niemal 53,4 tysięcy pacjentów, o 1300 mniej niż w analogicznym okresie ubiegłego roku. Ten spadek to w dużej mierze efekt słabego sezonu przeziębień na początku 2026 roku. PEX prognozuje, że w całym 2026 roku w statystycznej aptece zakupy zrealizuje niemal 54 tysiące pacjentów, a to nadal o 0,17% mniej niż w roku 2025. Jednocześnie, w marcu – według danych PEX – na rynku funkcjonowało 12 160 aptek i punktów aptecznych, o 186 mniej niż rok wcześniej.

Czytaj dalej 👉

Polacy kupują coraz mniej ziół w aptekach

Polski rynek ziół aptecznych od lat znajduje się w trendzie spadkowym. Liczba sprzedanych opakowań zmniejszyła się w latach 2002–2025 aż o 69%, z 27,5 mln do 8,7 mln. Do 2010 roku była stabilna i wynosiła ok. 25–27 mln opakowań rocznie. Potem powoli zaczęła spadać, a od 2018 roku popyt załamał się. Tylko w latach 2017–2025 spadek wyniósł 50%. Trend spadkowy sprawia, że wielu producentów wycofuje się z rynku – asortyment zmalał z 2879 preparatów w szczytowym okresie (2007 rok) do ok. 1,2 tys. w 2025 roku. Na sytuację rynku wpływają zmiany w zachowaniach konsumentów. Produkty roślinne coraz częściej trafiają do konsumentów przez sklepy internetowe, drogerie, sklepy zielarskie oraz rynek suplementów diety, a nie przez apteki. Na spadek wpływają również nowe unijne regulacje dotyczące bezpieczeństwa produktów pochodzenia roślinnego.

Czytaj dalej 👉

Ponadto w numerze:

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

Wszystkie archiwalne numery OSOZ Statystyki znajdziesz na zakładce POBIERZ.

Agenda 2030 Organizacji Narodów Zjednoczonych (ONZ), czyli globalny plan poprawy zdrowia, jakości życia oraz walki z nierównościami, jest w tarapatach. Powód: brakuje danych, aby dokładnie określić, jak wygląda realizacja tzw. Celów Zrównoważonego Rozwoju (SDGs, Sustainable Development Goals).

• WHO alarmuje, że nie można ocenić postępów w realizacji zdrowotnych Celów Zrównoważonego Rozwoju (SDG). Dla większości wskaźników brakuje danych.
• W 2024 roku dla 41 z 43 analizowanych wskaźników zdrowotnych SDG brakowało ponad 90 proc. wymaganych danych.
• Choć w ostatnich dekadach poprawiły się m.in. wskaźniki przeżywalności dzieci i dostęp do szczepień, postęp jest nierówny i zagrożony przez nowe wyzwania zdrowotne.
• Niedobory danych wynikają ze słabych systemów raportowania, kosztownych badań populacyjnych oraz braku obowiązku przekazywania części informacji do WHO.
• Bez kompletnych i interoperacyjnych danych zdrowotnych trudno skutecznie zarządzać ochroną zdrowia, oceniać efekty działań i osiągnąć cele Agendy 2030.

Zrealizujemy cele SDG do 2030 r.? Nikt nie wie, bo nie ma danych

W 2015 roku wszystkie państwa członkowskie ONZ przyjęły Agendę 2030, czyli globalny plan rozwoju oparty na 17 Celach Zrównoważonego Rozwoju (SDG, Sustainable Development Goals). Miała to być odpowiedź na najważniejsze wyzwania współczesnego świata: ubóstwo, nierówności społeczne, kryzys klimatyczny, brak dostępu do edukacji i ochrony zdrowia.

W przypadku ochrony zdrowia kluczowy jest Cel nr 3: „Zapewnić wszystkim ludziom w każdym wieku zdrowe życie oraz promować dobrobyt”. Obejmuje m.in. eliminację zgonów wśród noworodków i dzieci poniżej 5. roku życia, walkę z AIDS, gruźlicą i malarią, ograniczenie skali chorób niezakaźnych, poprawę zdrowia psychicznego, dostęp do opieki reprodukcyjnej, ograniczenie skutków zanieczyszczenia środowiska, bezpieczeństwo zdrowotne i zbudowanie gotowości na epidemie.

Ale zdrowie przewija się też w celach dotyczących jakości powietrza, dostępu do czystej wody, warunków mieszkaniowych, edukacji czy poziomu ubóstwa. W teorii system działa. Państwa raportują dane, organizacje międzynarodowe monitorują postęp, a na tej podstawie aktualizowane są strategie i podejmowane decyzje polityczne. Inicjatywa jest szczytna, bo połączyła 193 kraje świata – o różnych systemach politycznych, kulturach i poziomach rozwoju gospodarczego – pod jednym szyldem wspólnych wartości.

Ale okazuje się, że brakuje danych, aby wiarygodnie określić postęp. I to w krytycznym punkcie – z 15-letniego planu działania zostały już tylko 4 lata. Alarm dotyczący monitorowania wskaźników zdrowotnych podnosi nowe badanie opublikowane w „Bulletin of the World Health Organization”.

Czego nie da się zmierzyć, trudno poprawić

Jedenaście lat po przyjęciu Agendy 2030 wiadomo już, że wiele celów nie uda się osiągnąć na czas. ONZ od kilku lat zwraca uwagę na spowolnienie postępów związane z pandemią COVID-19, kryzysami gospodarczymi, konfliktami zbrojnymi i zmianami klimatycznymi.

W obszarze zdrowia część wskaźników poprawiła się w porównaniu ze stanem na początku XXI wieku. Spadła śmiertelność dzieci i matek, poprawił się dostęp do szczepień i leczenia wielu chorób zakaźnych. Jednak postęp jest nierówny regionalnie. Coraz większym wyzwaniem stają się także choroby przewlekłe, zdrowie psychiczne i skutki starzenia się społeczeństw. Do tego dochodzą nowe zagrożenia związane z klimatem, zanieczyszczeniem środowiska czy odpornością bakterii na antybiotyki.

Jednak według autorów najnowszego badania WHO problemem nie są ambitne cele i opóźnienia, ale brak możliwości rzetelnego monitorowania postępu. Jeśli dane są niepełne albo pojawiają się z kilkuletnim opóźnieniem, trudno ocenić, które działania przynoszą zakładane efekty, a które trzeba zmodyfikować.

Badacze przeanalizowali 43 wskaźniki zdrowotne SDG dla 194 państw członkowskich WHO w latach 2015–2024. W 2024 roku w przypadku aż 41 z 43 analizowanych wskaźników brakowało 90 proc. danych. Dla porównania, w 2019 roku takich wskaźników było 11. A to oznacza, że globalny monitoring zdrowia coraz częściej bazuje na szacunkach, a nie na bieżących i kompletnych danych z systemów opieki zdrowotnej.

W przypadku wszystkich 17 celów SDG, braki danych przekraczające 90% dotyczą jednej trzeciej z nich. Problem nie dotyczy wyłącznie państw rozwijających się, ale wszystkich.

Bez rzetelnych danych polityka zdrowotna jest ślepa i chaotyczna

Autorzy badania podkreślają, że dane są fundamentem zarządzania zdrowiem. Bez nich trudno planować inwestycje, oceniać skuteczność programów zdrowotnych albo zrozumieć, które grupy pacjentów pozostają poza systemem zdrowia i gdzie interwencje są najbardziej potrzebne.

Niedobory danych mają wiele źródeł. Część wskaźników dotyczy tematów politycznie i społecznie wrażliwych, takich jak przemoc domowa czy zdrowie seksualne. W innych przypadkach problemem są kosztowne badania populacyjne prowadzone zbyt rzadko. Autorzy wskazują również na słabe systemy raportowania oraz brak formalnych obowiązków przekazywania danych do WHO.

Paradoksalnie jednym z najlepiej raportowanych wskaźników okazała się gotowość państw do reagowania na zagrożenia epidemiczne. Ale tylko dlatego, że istnieje formalny obowiązek corocznego raportowania wynikający z Międzynarodowych Przepisów Zdrowotnych WHO.

Badanie obnaża ponadto problem jakości i rozproszenia danych zdrowotnych. Wiele z nich jest gromadzonych w elektronicznej dokumentacji medycznej albo w innych rejestrach, ale nadal pozostają zamknięte w silosach. Wykorzystane do celów wtórnych mogłyby przynieść wiele korzyści, przykładowo w trenowaniu nowych modeli AI do predykcji zdrowia, pracach nad nowymi lekami czy doskonaleniu działania systemu zdrowia. Ale chaos w danych istnieje na każdym poziomie systemu zdrowia – nawet lekarze nie mają dostępu do pełnych informacji zdrowotnych pacjentów, bo dane nie są ustandaryzowane, zbierane ani dalej udostępniane. Bez nich nie można ani monitorować postępu leczenia ani realizować ambitnych globalnych celów zdrowotnych w postaci SDG.

Czytaj także: Co MZ planuje w e-zdrowiu? Wywiad z Karoliną Tądel [WIDEO]

Ponad 32 tys. publikacji medialnych i blisko 350 tys. wpisów w mediach społecznościowych wygenerowały w ciągu 16 miesięcy treści związane z dezinformacją medyczną – wynika z nowego raportu Uniwersytetu Medycznego we Wrocławiu i Mediaboard Dezinformacja Medyczna. Fałszywe informacje coraz rzadziej przybierają formę teorii spiskowych, a coraz częściej ukrywają się pod postacią lifestyle’owych porad dotyczących diet, suplementów i „naturalnych” metod leczenia.

• Dominującym źródłem fałszywych narracji pozostają ruchy antyszczepionkowe, odpowiadające za ponad połowę analizowanego przekazu.
• Sensacyjne teorie spiskowe ustępują z pozoru niewinnym treściom dotyczącym diet, suplementów, detoksów i „naturalnych” metod leczenia.
• Sztuczna inteligencja ułatwia tworzenie wiarygodnie wyglądających manipulacji. Pojawiają się już wygenerowani przez AI fałszywi lekarze promujący niesprawdzone teorie.
• Skuteczna walka z dezinformacją wymaga współpracy środowisk medycznego, naukowego, edukacyjnego, mediów oraz instytucji publicznych.
• UM we Wrocławiu zapowiada utworzenie Obserwatorium Dezinformacji Medycznej.

Dezinformacja medyczna stała się problemem zdrowia publicznego

Autorzy raportu podkreślają, że problem dezinformacji to już nie tylko pojedyncze fake newsy. Fałszywe informacje dotyczące zdrowia wpływają na decyzje dotyczące szczepień, leczenia, profilaktyki i diagnostyki. Mogą prowadzić do opóźnienia terapii, rezygnacji z leczenia lub podejmowania działań bez naukowego uzasadnienia. W efekcie stają się zagrożeniem dla pacjentów oraz bezpieczeństwa zdrowotnego całego społeczeństwa.

Dezinformacja zdrowotna często wykorzystuje emocje związane ze strachem o własne zdrowie i bezpieczeństwo najbliższych. To właśnie tematy medyczne stają się dziś punktem wyjścia do budowania szerszej nieufności wobec ekspertów, instytucji publicznych, nauki oraz państwa. Zdrowie okazuje się jednym z najbardziej podatnych obszarów na manipulację informacyjną.

W analizowanym okresie od stycznia 2025 r. do połowy maja 2026 r. odnotowano 32 083 publikacje w mediach tradycyjnych oraz 347 377 wpisów w mediach społecznościowych dotyczących dezinformacji medycznej. Łączny zasięg przekazu przekroczył 3,5 mld kontaktów z odbiorcami, a jego wartość reklamową oszacowano na 3,46 mld zł.

Antyszczepionkowcy nadal dominują, ale szybko rośnie nowy trend

Największą część analizowanych narracji dezinformacyjnych stanowią treści antyszczepionkowe – odpowiadają one za 54 proc. przekazu i koncentrują się głównie wokół bezpieczeństwa szczepień przeciw HPV oraz COVID-19. Autorzy raportu wskazują, że szczególnie silnie wykorzystywane są obawy rodziców dotyczące zdrowia dzieci, a debata o szczepieniach coraz częściej wychodzi poza kwestie medyczne i staje się elementem sporów ideologicznych.

Drugą najważniejszą kategorią są teorie żywieniowe i lifestyle’owe, które odpowiadają już za 23 proc. analizowanego przekazu. To jednocześnie najszybciej rozwijający się segment dezinformacji zdrowotnej. To przykładowo narracje promujące „naturalne leczenie”, detoksy organizmu, walkę z pasożytami, głodówki czy suplementację witaminami jako alternatywę dla medycyny opartej na dowodach naukowych.

Trzecią grupę stanowią teorie związane ze środowiskiem i technologią. Do najczęściej powtarzanych należą przekazy dotyczące 5G, chemtrails czy fluoryzacji wody. W tych narracjach zdrowie jest łączone z teoriami kontroli społecznej, depopulacji lub ukrytych działań elit. Autorzy raportu zwracają uwagę, że współczesna dezinformacja medyczna coraz rzadziej funkcjonuje jako pojedyncza teoria spiskowa. Zwykle tworzy rozbudowane pakiety narracji obejmujące zdrowie, politykę, środowisko i technologię.

Oto lista najczęstszych tematów, które przewijają się w treściach dezinformacyjnych:

• Ruchy antyszczepionkowe (HPV, COVID-19, obowiązek szczepień)
• Naturalne metody leczenia
• Suplementy diety (szczególnie witaminy C i D)
• Detoksy i oczyszczanie organizmu
• Pasożyty jako rzekoma przyczyna większości chorób
• Głodówki lecznicze
• Alternatywne terapie nowotworów
• Pseudomedycyna i działalność „uzdrowicieli”
• 5G i wpływ technologii na zdrowie
• Chemtrails
• Fluoryzacja wody
• Fałszywi eksperci i lekarze
• Deepfake’i medyczne tworzone przez AI
• Fałszywe reklamy suplementów
• Podważanie autorytetu lekarzy i naukowców
• Dezinformacja wokół edukacji zdrowotnej
• Dezinformacja wokół szczepień HPV
• Teorie o kontroli społecznej i depopulacji
• „Ukrywane przez medycynę” metody leczenia
• Wykorzystywanie wycofanych badań naukowych jako dowodów („zombie papers”)

Sztuczna inteligencja i fałszywi eksperci napędzają nową falę manipulacji

Jednym z najważniejszych wniosków raportu jest zmiana sposobu działania dezinformacji po 2023 roku. Zamiast sensacyjnych teorii spiskowych coraz częściej pojawiają się pozornie niewinne porady dotyczące codziennych nawyków zdrowotnych. Odbiorcy otrzymują instrukcje dotyczące suplementacji, oczyszczania organizmu czy diet mających rzekomo zastępować leczenie. Dzięki temu fałszywe treści stają się trudniejsze do rozpoznania i zyskują większą wiarygodność.

Raport wskazuje również na rosnącą rolę sztucznej inteligencji. Generatywna AI jest wykorzystywana do tworzenia deepfake’ów lekarzy i ekspertów, a także reklam cudownych suplementów. Tego typu materiały często służą wyłudzaniu pieniędzy, szczególnie od osób starszych. Rozwój AI sprawia, że produkcja wiarygodnie wyglądających fałszywych treści staje się szybsza, tańsza i łatwiejsza niż kiedykolwiek wcześniej.

Kolejnym mechanizmem opisanym w raporcie jest tzw. technika autorytetu. Polega ona na wykorzystywaniu wizerunku osób w lekarskich kitlach, tytułów naukowych lub wycofanych publikacji naukowych, określanych jako „zombie papers”. Mimo że badania te zostały zdyskredytowane lub wycofane, nadal funkcjonują w internecie jako rzekome dowody potwierdzające fałszywe tezy. Takie działania utrudniają odbiorcom odróżnienie rzetelnej wiedzy od manipulacji.

Potrzebne działania systemowe i stały monitoring

Autorzy raportu podkreślają, że walka z dezinformacją medyczną wymaga działań wykraczających poza tradycyjny fact-checking. Konieczna jest współpraca środowisk medycznych, naukowych, edukacyjnych, medialnych oraz instytucji publicznych. Szczególne znaczenie ma budowanie zaufania do ekspertów i tworzenie wiarygodnych źródeł informacji zdrowotnej dostępnych dla pacjentów.

Elementem debaty publicznej stały się również prace nad ustawą określaną jako „Lex Szarlatan”. Według raportu temat ten odpowiadał za znaczną część przekazu medialnego, zwłaszcza w mediach regionalnych. Projekt ma ograniczyć działalność osób promujących pseudomedycynę i niesprawdzone metody leczenia, szczególnie wśród pacjentów onkologicznych.

Raport jest jednocześnie początkiem szerszego programu przeciwdziałania dezinformacji zdrowotnej. Uniwersytet Medyczny we Wrocławiu zapowiedział utworzenie Obserwatorium Dezinformacji Medycznej. Jego zadaniem będzie monitorowanie nowych narracji oraz analiza ich wpływu na zdrowie publiczne. W planach znajduje się również kampania społeczna „Zdrowiej wiedzieć” oraz uruchomienie ogólnodostępnego serwisu obalającego najpopularniejsze mity zdrowotne.

Czytaj także: Raport CSIRT CeZ – 60% więcej incydentów cyberbezpieczeństwa

EU AI Act miał ochronić społeczeństwo przed niebezpieczeństwami sztucznej inteligencji. Ale dzisiaj wiadomo, że przepisy są nieżyciowe i blokują wdrażanie najnowszych rozwiązań AI ułatwiających lekarzom pracę z dokumentacją medyczną. Komisja Europejska robi krok w tył i przesuwa terminy. Jak zmieni się EU AI Act?

• Pakiet legislacyjny AI Omnibus przesuwa terminy wdrożenia części przepisów EU AI Act.
• Przepisy dotyczące systemów AI wysokiego ryzyka wejdą w życie w grudniu 2027 r. zamiast w sierpniu br., a dla rozwiązań regulowanych przez MDR – w sierpniu 2028 r.
• Komisja Europejska przyznała, że obecne regulacje mogą ograniczać rozwój innowacyjnych narzędzi AI dla lekarzy i utrudniać ich wdrażanie na rynku europejskim.
• Nowe propozycje przewidują uproszczenie części obowiązków, większe wsparcie dla małych i średnich firm oraz ograniczenie problemu nakładających się regulacji (AI Act i MDR).
• Mimo zmian filozofia EU AI Act pozostaje bez zmian: systemy AI w medycynie nadal będą podlegały rygorystycznym wymogom dotyczącym transparentności, dokumentacji i nadzoru człowieka.

EU AI Act chroni obywateli głównie przed korzyściami AI

7 maja br. Rada UE i Parlament Europejski osiągnęły porozumienie dotyczące pakietu uproszczeń dla aktu ws. sztucznej inteligencji, tzw. AI Omnibus. Przewiduje on złagodzenie części przepisów, odroczenie terminu wejścia w życie deadlinów dotyczących systemów wysokiego ryzyka (także w medycynie) i udogodnienia dla firm rozwijających AI, zwłaszcza tych mniejszych.

Bruksela zdała sobie sprawę, że choć EU AI Act ma dobre intencje, to niektóre przepisy mogą dosłownie zdusić w zarodku innowacje w ochronie zdrowia, na które czekają lekarze i pacjenci. Pierwszą ofiarą aktu stał się OpenEvidence, czyli platforma generatywnej AI wspierająca decyzje kliniczne. Choć w USA korzysta z niej ok. 40% lekarzy, w Europie nie jest dostępna. Według EU AI Act, taki system to rozwiązanie wysokiego ryzyka, a to nakłada na producenta obowiązki, których nie jest w stanie spełnić.

AI Act reguluje systemy AI w zależności od poziomu ryzyka. Najbardziej restrykcyjne przepisy dotyczą rozwiązań tzw. wysokiego ryzyka, czyli systemów wykorzystywanych m.in. w ochronie zdrowia (miały one wejść w życie już w sierpniu br.). Taki model miał zapewniać użytkownikom większą ochronę podczas korzystania z AI dzięki wymogom w zakresie dokumentowania błędów oraz przejrzystości działania modeli. Ale firmy AI zaczęły bić na alarm, że regulacje zduszą rozwój algorytmów tworzonych w Europie i wyeliminują z rynku rozwiązania, które mogłyby pomóc milionom pacjentów. Bruksela wylała dziecko z kąpielą – EU AI Act miał chronić obywateli krajów członkowskich przed negatywnymi skutkami AI, ale w efekcie zaczął chronić ich przed korzyściami AI.

Fala krytyki spadła na ogromne obowiązki dokumentacyjne, niejasne definicje systemów wysokiego ryzyka, nakładające się regulacje sektorowe (EU AI Act a regulacje dotyczące urządzeń medycznych MDR), brak standardów technicznych, ogromne ryzyko odpowiedzialności prawnej za dynamicznie zmieniające się modele AI. OpenEvidence to nie jedyna ofiara EU AI Act. Wśród nich jest też nowy ChatGPT dla Lekarzy, asystenci AI analizujący dane medyczne w poszukiwaniu trendów, algorytmy predykcyjne, a nawet tzw. AI scribes, czyli systemy do automatycznego tworzenia dokumentacji medycznej podczas wizyty pacjenta. I nawet jeśli to ostatnie może być kwalifikowane jako AI administracyjne o niskim ryzyku, placówki medyczne wolą dmuchać na zimne i nie wdrażać tego typu rozwiązań.

AI Omnibus może rozczarować, część organizacji zdrowia za twardymi regulacjami

Nowy pakiet Omnibus łagodzi część przepisów. Najważniejsza zmiana dotyczy systemów wysokiego. Zamiast sierpnia 2026 roku część przepisów zacznie obowiązywać dopiero od grudnia 2027 roku. W przypadku systemów, które już są wyrobami medycznymi, a więc regulowanymi w MDR (np. AI w radiologii i diagnostyce, Software as a Medical Device SaMD, systemy wspomagania decyzji kluczowych), termin przesunięto na sierpień 2028 roku.

AI Omnibus upraszcza część obowiązków, wprowadza wyjątki dla małych i średnich firm, redukuje niepewność związaną z nakładającymi się regulacjami i poluzowuje wymagania dla systemów wspierających podejmowanie decyzji, a nie podejmujących je autonomicznie.

Oficjalnie UE tłumaczy to koniecznością uniknięcia „niepewności prawnej” i brakiem gotowych standardów technicznych. Ale wiadomo też, że EU AI Act poległ na regulowaniu technologii, która rozwija się tak szybko, że dziś wprowadzane regulacje jutro okazują się nieaktualne. Przykładem są modele generatywne AI, których działanie nie jest wytłumaczalne, a ich sposób działania zmienia się w czasie rzeczywistym. Powstają już pierwsze rozwiązania agentowe, a AI staje się częścią systemów EDM, co z kolei balansuje na granicy systemów wysokiego i niskiego ryzyka.

AI Omnibus jest częścią szerszej strategii Digital Omnibus, której celem jest ograniczenie biurokracji cyfrowej w Europie. W ochronie zdrowia liczba przepisów regulujących produkt cyfrowy może zniechęcić nawet najbardziej zdeterminowanego innowatora. Wystarczy wymienić MDR, GDPR, Data Act, NIS2, EHDS.

Komisja Europejska zrozumiała, że AI EU Act blokuje rozwój generatywnych systemów dla lekarzy i wypycha startupy i firmy medtech poza UE. Ale zawiodą się ci, którzy liczyli na przełomową liberalizację – EU AI Act w swojej filozofii pozostaje bez zmian. Nadal opiera się na klasyfikacji ryzyka, nadal wymaga transparentności modeli AI; bez zmian generuje nowe obowiązki dokumentacyjne, wymusza tzw. nadzór człowieka, nawet jeśli model AI jest lepszy od niego.

Propozycje złagodzenia przepisów zawarte w Digital Omnibus napotykały już na krytyczne opinie m.in. Stałego Komitetu Lekarzy Europejskich (CPME, Standing Committee of European Doctors). W opublikowanym w kwietniu br. stanowisku, CPME opowiada się za ostrożnym podejściem do AI w medycynie. CPME domaga się usunięcia lub ograniczenia przepisów, które m.in. mają ułatwić rozwój AI poprzez szersze wykorzystanie anonimowych danych pacjentów.

Czytaj także: Co MZ planuje w e-zdrowiu? Wywiad z Karoliną Tądel [WIDEO]

API.MED to platforma integracyjna oparta na standardzie HL7 FHIR stworzona przez KAMSOFT S.A., która poprawia poziom interoperacyjności w placówkach ochrony zdrowia. Łącząc dane z różnych źródeł, ułatwia personelowi medycznemu dostęp do pełnej informacji o stanie zdrowia pacjenta, a menedżerom – prowadzenie analiz zarządczych.

• Rozproszone dane medyczne blokują korzyści, jakie oferuje cyfryzacja. Dane są zamknięte w kilku aplikacjach, trzeba je przepisywać ręcznie i szukać w różnych miejscach.
• API.MED firmy KAMSOFT integruje dane zbierane w placówkach zdrowia w oparciu o HL7 FHIR. W ten sposób dane zbierane przez różne systemy i urządzenia trafiają do jednej bazy.
• HL7 FHIR jest uznanym i bezpiecznym standardem wymiany danych medycznych.
• API.MED wspiera asynchroniczną i synchroniczną wymianę danych, gwarantując wysokie standardy bezpieczeństwa.
• Przykładowo, API.MED agreguje dane o pacjencie, wspierając lekarzy POZ w ocenie bezpieczeństwa farmakoterapii oraz monitorowaniu leczenia.

Cyfrowe wyzwanie każdej placówki zdrowia: rozproszone i niezintegrowane dane

Każdego dnia systemy medyczne generują ogromne ilości danych, na które składają się m.in. wyniki badań laboratoryjnych, e-Recepty, e-Skierowania czy informacje administracyjne. Problem pojawia się wtedy, gdy te informacje są rozproszone między różnymi systemami, które nie potrafią skutecznie się ze sobą komunikować.

W efekcie lekarz nie zawsze ma szybki dostęp do pełnego obrazu sytuacji pacjenta, menedżerowie mają utrudniony wgląd w procesy zachodzące w organizacji, a działy IT są zmuszone do utrzymywania wielu indywidualnych integracji. Właśnie dlatego tak ważna jest interoperacyjność, czyli zdolność systemów do bezpiecznej i zrozumiałej wymiany informacji.

Aby systemy mogły skutecznie współpracować, potrzebują wspólnego języka. Tę rolę pełni standard HL7 FHIR (Fast Healthcare Interoperability Resources).

FHIR jest obecnie jednym z najważniejszych światowych standardów wymiany danych medycznych. Wykorzystywany jest zarówno przez dostawców systemów medycznych, jak i krajowe programy cyfryzacji ochrony zdrowia w wielu państwach. Jego popularność wynika z tego, że pozwala w uporządkowany sposób wymieniać dane pomiędzy różnymi systemami – od dokumentacji medycznej i wyników badań po procesy administracyjne i analityczne.

Dzięki wykorzystaniu wspólnego standardu informacje o pacjencie mogą być prezentowane i interpretowane w taki sam sposób niezależnie od tego, z jakiego systemu pochodzą. Dlatego to właśnie standaryzacja danych staje się fundamentem nowoczesnych usług cyfrowych w ochronie zdrowia.

Kiedy dane są zapisane według wspólnych standardów, łatwiej wykorzystać je w nowych rozwiązaniach – niezależnie od tego, z jakiego systemu pochodzą. Ma to szczególne znaczenie w przypadku narzędzi analitycznych oraz rozwiązań wykorzystujących sztuczną inteligencję.

Nowa platforma integracyjna oparta na standarszie HL7 FHIR

Sama standaryzacja nie rozwiązuje wszystkich problemów. Potrzebne jest jeszcze rozwiązanie, które umożliwi rzeczywistą wymianę danych pomiędzy systemami. Taką rolę pełni API.MED – platforma integracyjna firmy KAMSOFT wykorzystująca standard HL7 FHIR jako podstawę komunikacji pomiędzy systemami medycznymi.

Ponieważ w wymianie biorą udział dane wrażliwe, bezpieczeństwo jest priorytetem platformy. API.MED korzysta z uwierzytelniania i autoryzacji w standardzie OAuth 2.0 – każda integrująca się aplikacja musi posiadać odpowiednie poświadczenia, a uprawnienia są weryfikowane przy każdym żądaniu. Cała komunikacja odbywa się szyfrowanymi kanałami (HTTPS/TLS), dane w spoczynku są szyfrowane, a platforma prowadzi szczegółowe logi audytowe – co odpowiada wymogom RODO. Rozwiązanie wpisuje się w systemy zarządzania bezpieczeństwem informacji zgodne z ISO 27001.

API.MED działa jak pośrednik między systemami. Zamiast tworzyć osobne integracje dla każdego rozwiązania, placówka korzysta z jednego wspólnego sposobu wymiany danych. Dzięki temu liczba integracji jest mniejsza, a dodawanie kolejnych rozwiązań nie wymaga każdorazowo budowania nowych połączeń pomiędzy systemami.

W zależności od potrzeb, API.MED obsługuje dwa tryby wymiany danych:

• tryb rozgłoszeniowy to asynchroniczny, plikowy eksport danych – wykorzystywany m.in. w badaniach retrospektywnych, zasilaniu hurtowni danych czy projektach analitycznych, gdzie informacje przekazywane są w paczkach (CSV, NDJSON lub Parquet) za pośrednictwem chmurowego repozytorium.
• tryb żądaniowy to z kolei synchroniczna komunikacja system–system w protokole GraphQL, pozwalająca na bieżący odczyt lub zapis danych w systemie docelowym – przydatna tam, gdzie informacje muszą być wymieniane w czasie rzeczywistym. Oba tryby wzajemnie się uzupełniają i mogą działać równolegle w jednej placówce.

Case study: API.MED intergruje dane o pacjencie, aby lekarz widział je w jednym miejscu

Jednym z pierwszych praktycznych zastosowań API.MED było utworzenie kontekstu pacjenta, który zasila m.in. rozwiązania wspierające analizę danych klinicznych.

API.MED pozwala zebrać informacje pochodzące z różnych źródeł i udostępnić je w jednym miejscu. Przykładem jest rozwiązanie Analizator terapii, które zostało udostępnione lekarzom POZ pracującym w systemie KS-SOMED.

Analizator Terapii bierze pod uwagę listę leków, wyniki badań laboratoryjnych oraz podstawowe dane pacjenta, takie jak wiek i płeć. Na tej podstawie prezentuje w jednym miejscu informacje o ryzykach, ograniczeniach i zalecanym monitorowaniu właściwe dla grup pacjentów o zbliżonym profilu – przyjmujących te same leki, w tym samym wieku i tej samej płci.

Rozwiązanie korzysta z wiedzy PHARMINDEX dotyczącej bezpieczeństwa farmakoterapii i zalecanego monitorowania leczenia. W praktyce pozwala szybciej odnaleźć i przejrzeć informacje dotyczące bezpieczeństwa stosowania leków oraz zalecanych badań kontrolnych – bez konieczności przechodzenia pomiędzy wieloma ekranami czy źródłami informacji.

Dzięki temu lekarz otrzymuje potrzebne informacje szybciej i w bardziej przejrzystej formie.

Rozwój ochrony zdrowia zmierza w stronę lepszej wymiany i wykorzystania danych pomiędzy systemami i organizacjami. Widać to zarówno w rozwoju narzędzi opartych na sztucznej inteligencji, jak i w inicjatywach takich jak EHDS, która ma uporządkować i ujednolicić sposób korzystania z danych medycznych w całej Unii Europejskiej. Dlatego interoperacyjność jest warunkiem budowy nowoczesnych usług medycznych.

Jak działa API.MED? Kliknij tutaj, aby dowiedzieć się więcej