– Świadome dbanie o siebie jeszcze nigdy nie było tak intuicyjne – Samsung deklaruje, że Galaxy Watch 8 to „laboratorium biohackera” pomagające poprawić samopoczucie i kondycję fizyczną. Sprawdzamy, jakie funkcje zdrowotne posiada i czy można zaufać wynikom pomiarów.

Biohacking, czyli kontrola zdrowia i kondycji fizycznej

Inteligentne zegarki monitorujące parametry zdrowia sprawiły, że każdy może mierzyć jakość snu, wyniki sportowe, poziom stresu a nawet energii ciała – parametry, których kontrola wymagała do niedawna urządzeń dostępnych dla wyczynowych sportowców albo wizyty w laboratorium snu. Zbierane na nadgarstku dane dają wgląd w to, jak funkcjonuje organizm, pomagając wprowadzić czasami niewielkie zmiany poprawiające samopoczucie albo formę fizyczną. Przykładowo, każdy kto choć raz porównał jakość snu po wypiciu wieczorem nawet jednego kieliszka wina przekona się, jak alkohol negatywnie wpływ na nocny odpoczynek organizmu.

Według ostatnich badań, 36% Polaków już posiada smartwatcha, a 34% planuje jego zakup. Do liderów rynkowych należą Apple z Apple Watch i Samsung z Galaxy Watch. Rynek rośnie w błyskawicznym tempie: w I półroczu 2025 roku, Samsung sprzedał 4,9 mln inteligentnych zegarków i opasek fitness, aż o 74% więcej niż rok wcześniej.

Flagowym zegarkiem Samsunga z najszerszą gamą opcji zdrowotnych jest Galaxy Watch 8. To produkt z wyższej półki, za który zapłacimy od 1600 zł w górę w zależności od opcji. Dla tych, którym wystarczy mierzenie bazowych parametrów aktywności fizycznej i snu, w ofercie jest dużo tańszy Galaxy Fit 3. Cena: ok. 159 zł.

Monitoring snu

Dobrze przespana noc to lepszy nastrój, forma fizyczna i zdrowie, bo sen wpływa też na odporność organizmu. Galaxy Watch 8 zbiera parametry snu z nadgarstka, ale także monitoruje otoczenie i informacje zebrane w ciągu dnia, aby obliczyć jakość snu. Wszystkie dane trafiają do funkcji Poradnik Spania (Bedtime Guidance). Wyniki dostępne są po trzech nocach przespanych z zegarkiem na nadgarstku. Na podstawie analizy aktywności i rytmu dobowego zegarek podpowiada, kiedy należy wyciszyć organizm i przygotować się do snu.

W ciągu nocy Galaxy Watch8 zbiera dane o m.in. ruchach ciała, oddechu, tętnie, poziom natlenienia krwi (SpO2). Są one podstawą do monitorowania tzw. faz snu (od głębokiej do lekkiej), które – obok długości snu – decydują o jego jakości. Na tej podstawie użytkownik otrzymuje ocenę snu w skali od 0 (brak snu) do 100 (idealny sen).

Na podstawie pomiarów warunków panujących w sypialni (temperatura, wilgotność, poziom CO₂, natężenie światła) użytkownik może sprawdzić Raport Środowiska Snu (Sleep Environment Report). W ten sposób można się dowiedzieć, czy warto dodatkowo przewietrzyć sypialnię przed snem i czy nie jest konieczne dodatkowe zaciemnienie pomieszczenia.

W porównaniu do Apple Watch, Galaxy Watch 8 przypisuje dodatkowo tzw. profil snu (Sleep Animal). Ta opcja dostępna jest w ramach Coacha Snu (Sleep Coaching). Profil opisuje, jakim „nocnym zwierzęciem” jesteśmy, czyli jakie przyzwyczajenia najbardziej wpływają na sen. Na tej podstawie zegarek może np. zasugerować drobne zmiany w rytmie życia, jak ograniczenie kofeiny wieczorem albo krótką medytacją w celu wyciszenia organizmu.

Monitoring treningu

Inteligentne zegarki są następcami opasek fitness, ale z większą gamą opcji. Dlatego ich centralną funkcją pozostaje niezmiennie mierzenie aktywności fizycznej. Zresztą jej monitoring jest technologicznie prosty i wymaga połączenia podstawowych danych o tętnie i zmianie położenia na podstawie czujników GPS. W ten sposób można obliczyć m.in. prędkość i liczbę spalonych kalorii.

Galaxy Watch 8 potrafi dużo więcej. Zegarek ma wbudowany czujnik BIA (Bioelectrical Impedance Analysis), pozwalający przeprowadzić analizę oporności bioelektrycznej. Dokładnie chodzi o pomiar poziomu tkanki tłuszczowej, nawodnienia i masę mięśni szkieletowych. Dane te dają pełniejszy obraz kondycji fizycznej i efektów treningu. Co ciekawe, pomiar masy mięśni można było do niedawna wykonać tylko z pomocą dużych urządzeń dostępnych np. w siłowniach.

Standardowo dostępne są funkcje mierzenia różnych aktywności fizycznych od biegania do pływania czy jazdy na rowerze. Najbardziej rozbudowany jest monitoring biegu, bo to też najchętniej uprawiany sport. Funkcja Trenera Biegania (Running Coach) analizuje tempo i sprawność nawet podczas krótkiego, 12-minutowego biegu. Zegarek tworzy indywidualny plan treningowy, a podczas biegania podaje wskazówki wspierające motywację i zmniejszające ryzyko kontuzji.

Ciekawostką są porady dotyczące uzupełnienia płynów. Po zakończeniu treningu, zegarek mierzy puls i na podstawie analizy utraty potu podaje rekomendacje dotyczące nawodnienia organizmu. Nie mogło też zabraknąć klasycznej funkcji przydatnej dla tych, którzy chcą poprawiać wyniki sportowe – chodzi o spersonalizowane Strefy Tętna (Heart Rate Zones). Zegarek oblicza, czy znajdujemy się w kluczowej dla budowania wytrzymałości i poprawy spalania tłuszczu strefie.

Monitoring nawyków żywieniowych

Do funkcji wyróżniających zegarek Samsunga spośród konkurencji na pewno należą te związane z odżywaniem się. Galaxy Watch 8 jako pierwszy smartwatch mierzy poziom przeciwutleniaczy w czasie rzeczywistym. Chodzi o funkcję Indeksu Antyoksydantów (Antioxidant Index), która – według deklaracji Samsunga – pozwala sprawdzić, jak dieta i styl życia wpływają na proces starzenia się.

Aby dokonać pomiaru, należy przyłożyć kciuk do czujnika umieszczonego na zegarku. Pomiar metodą spektroskopii (czyli na podstawie odbijania światła od skóry) trwa ok. 5 sekund. Wynik prezentowany jest w skali od 1 do 100 i zawiera praktyczne wskazówki żywieniowe (Instant Nutritional Feedback) np. jakie produkty warto dodać do codziennego menu. Tutaj jednak trzeba być ostrożnym: Żaden czujnik nie jest w stanie zmierzyć poziomu antyoksydantów. Tak naprawdę zegarek sprawdza poziom karotenoidów w skórze – naturalnych antyoksydantów obecnych w owocach i warzywach. Trudno powiedzieć, na ile wyniki są wiarygodne – karotenoidy nie znajdują się we wszystkich owocach i warzywach.

Jest też Energy Score, czyli Index Energii, daje użytkownikowi ogólną informację, czy organizm potrzebuje odpoczynku i regeneracji. Do obliczenia indeksu brane są pod uwagę takie czynniki aktywność fizyczna, fazy odpoczynku, indeks antyoksydantów oraz jakość snu. W ten sposób możemy się dowiedzieć, że np. późno spożyty posiłek albo alkohol źle wypływają na sen i odpijają się na naszej energii. Do tego jest też opcja kontrolująca poziom nawodnienia organizmu, co także ma ogromny wpływ na samopoczucie i wydajność organizmu.

Nasza ocena: Galaxy Watch 8 ma kilka ciekawych opcji, które wyróżniają go od konkurencji, jak analiza oporności elektrycznej umożliwiająca pomiar masy mięśniowej. Według dostępnych informacji, precyzja pomiarów jest wysoka – ok. 97-98% w porównaniu do urządzeń klasy medycznej. Ale jest też sporo fajerwerków jak np. Indeks Antyoksydantów – opcja jest raczej chwytem marketingowym niż praktycznym i rzetelnym źródłem informacji o tym jak się odżywiać. Jeśli potrzebujesz prostego monitoringu aktywności fizycznej i snu, wystarczy dziesięciokrotnie tańsza opaska fitness Galaxy Fit 3. A jeśli zależy ci na stylowym gadżecie z funkcjami premium, Galaxy Watch 8 oferuje wgląd w bardzo szeroki wachlarz parametrów zdrowia i praktycznych wskazówek.

Czytaj także: Nowość od Apple. Kumpel AI podpowie jak trenować

SkinVision, aplikacja wykorzystująca sztuczną inteligencję do wykrywania raka skóry, jako pierwsze tego typu rozwiązanie uzyskała rejestrację CE w UE. Teraz zdobyła certyfikację wyrobu medycznego MDR klasy IIa, która potwierdza najwyższe standardy bezpieczeństwa i skuteczności.

Aplikacja jak inne urządzenia medyczne

SkinVision, holenderska aplikacja wykorzystywana już przez 3 mln osób, uzyskała certyfikację klasy IIa zgodnie z europejskim rozporządzeniem MDR w sprawie wyrobów medycznych (Medical Device Regulation). To najwyższy standard potwierdzający bezpieczeństwo, skuteczność i wiarygodność urządzeń medycznych dopuszczonych do użytku w Unii Europejskiej.

Apka jest też pierwszym urządzeniem medycznym opartym na AI, które otrzymało rejestrację CE, czyli europejski znak dla wyrobów medycznych. Klasyfikacja MDR klasy IIa potwierdza, że aplikacja należy do grupy produktów o średnim poziomie ryzyka, które jednak mają bezpośredni wpływ na zdrowie użytkowników. W praktyce jest to po prostu pełnoprawne narzędzie medyczne, a nie zwykła aplikacja zdrowotna.

W przypadku SkinVision oznacza to, że:

• służy do diagnozy lub wspiera proces diagnostyczny, np. w wykrywaniu raka skóry,
• musi spełniać znacznie wyższe wymagania niż urządzenia klasy I, dotyczące m.in. skuteczności klinicznej, zarządzania ryzykiem i bezpieczeństwa użytkownika,
• wymaga niezależnej oceny i zatwierdzenia przez jednostkę notyfikowaną w UE (nie wystarczy już wyłącznie deklaracja producenta),
• jej działanie musi być klinicznie udowodnione, a system zarządzania jakością oraz ochrona danych – zgodny z normami międzynarodowymi.

AI jak domowy dermatolog

Wykorzystując algorytmy AI, aplikacja SkinVision pozwala oceniać ryzyko związane ze zmianami skórnymi. Wystarczy zdjęcie wykonane smartfonem, aby użytkownik uzyskał wstępną ocenę, czy dana zmiana ma charakter łagodny, czy też może stanowić potencjalne zagrożenie nowotworowe i w związku z tym należy skonsultować się z lekarzem.

Uzyskanie certyfikatu MDR klasy IIa wymagało jednoznacznego udowodnienia medycznego celu aplikacji: wykrywania ryzyka raka skóry na podstawie zdjęć wykonywanych samodzielnie przez użytkowników. A to spore wyzwanie, bo każdy smartfon ma inną kamerę i każde zdjęcie jest wykonywane z różnych oświetleniem, co może wpływać na ocenę.

Aplikacja przeszła rygorystyczne testy kliniczne, które potwierdziły jej wiarygodność i bezpieczeństwo. SkinVision działa zgodnie z międzynarodowymi normami zarządzania ryzykiem (ISO 14971), a jej rozwój i bezpieczeństwo danych oparte są na certyfikowanych systemach jakości (ISO 13485) i zabezpieczeń (ISO 27001).

Rozwiązanie stworzone z dermatologami

W procesie uzyskiwania certyfikacji zgodnie z MDR, niezależny zespół ekspertów ds. technologii medycznych, wyznaczony przez Unię Europejską, dokonał przeglądu rozwiązania i potwierdził, że działa ona spójnie, niezależnie od rodzaju smartfona, warunków oświetleniowych czy rzadkich przypadków klinicznych.

Partnerem w badaniach naukowych nad skutecznością SkinVision jest od pięciu lat Erasmus MC w Rotterdamie – jeden z wiodących ośrodków medycznych w Europie. Prof. dr Tamar Nijsten z Erasmus MC podkreśla, że „certyfikacja EU MDR klasy IIa to potwierdzenie wartości prowadzonych wspólnie badań oraz dowód na siłę partnerstwa publiczno-prywatnego i korzyści płynących ze wspólnego rozwoju cyfrowej opieki zdrowotnej”.

SkinVision z siedzibą w Amsterdamie powstała w 2012 roku. Dotychczas z aplikacji skorzystało ponad 3 miliony osób na całym świecie, wykonując w sumie ponad 5 milionów badań skóry. Misją SkinVision jest zmniejszenie liczby zgonów spowodowanych rakiem skóry o 50 procent.

W wersji darmowej apki można utworzyć osobisty profil ryzyka, rozwiązywać quizy pozwalające poznać typ skóry, przechowywać zdjęcia znamion w celu monitorowania zmian w czasie oraz sprawdzać poziom promieniowania UV w okolicy. Płatne, płatne funkcje obejmują m.in. jednorazową ocenę ryzyka dla wybranego znamienia, pakiet nielimitowanych kontroli na okres 3 lub 12 miesięcy oraz możliwość przesłania zdjęcia do oceny przez specjalistę za dodatkową opłatą.

Czytaj także: Czy aplikacje zdrowotne będą na NFZ? Jest projekt AOTMiT

W I półroczu 2025 roku o 70% wzrosła liczba cyberataków na placówki zdrowia z wykorzystaniem złośliwego oprogramowania ransomware. Dlatego Akademia Centrum e-Zdrowia (CeZ) we współpracy z Sektorowym Zespołem ds. Cyberbezpieczeństwa CSIRT CeZ zaplanowały 6 nowych terminów bezpłatnych webinarów „Jak uchronić się przed atakiem ransomware oraz reagować, kiedy do niego dojdzie”.

Duży wzrost cyberzagrożeń w ochronie zdrowia

Liczba incydentów bezpieczeństwa z wykorzystaniem ransomware rośnie w szybkim tempie. Tylko w I półroczu 2025 r. odnotowano ponad 70% więcej ataków na placówki zdrowia niż w analogicznym okresie roku poprzedniego.

Ataki typu ransomware prowadzą do zaszyfrowania danych, uszkodzenia systemów, przerw w świadczeniu usług, a w skrajnych przypadkach – kiedy dochodzi do blokady systemu informatycznego i w efekcie zakłócenia bieżącej działalności placówki – mogą zagrażać życiu i zdrowiu pacjentów.

Jak wygląda taki atak? Złośliwe oprogramowanie infekuje komputer lub całą sieć i szyfruje dane. Do infekcji najczęściej dochodzi poprzez fałszywe załączniki w wiadomościach e-mail, zainfekowane strony internetowe lub luki bezpieczeństwa w nieaktualnym oprogramowaniu. Wystarczy, że pracownik placówki medycznej otworzy zarażony załącznik albo kliknie na link i wirus dostaje się do systemu, a następnie rozprzestrzenia się na inne urządzenia.

Często odbywa się to w ukryciu, aby nie wzbudzić podejrzeń. W tym czasie wirus próbuje wyłączyć oprogramowanie zabezpieczające oraz blokuje dostęp do kopii zapasowych. Następnie szyfruje pliki i blokuje możliwość ich otwarcia.

Ofiara takiego ataku nie może nic zrobić na komputerze, a na ekranie pojawia się komunikat, że dane zostały zablokowane i jedyną drogą do ich odzyskania jest zapłata okupu, zazwyczaj w kryptowalucie. Często cyberprzestępcy wywierają dodatkową presję, aby ofiara wpadła w panikę i nie szukała pomocy na zewnątrz. Przykładowo, hakerzy grożą opublikowaniem skradzionych danych w sieci albo ich bezpowrotnym wykasowaniem.

Skutki ataków bywają poważne. Już sama utrata dostępu do elektronicznych kartotek pacjentów powoduje paraliż placówki medycznej i konieczność odwołania zaplanowanych wizyt.  Według nowego raport Grant Thornton i ResilientX, cyberbezpieczeństwo w szpitalach jest na bardzo niskim poziomie. Autorzy raportu wykryli blisko 700 luk w systemach bezpieczeństwa 50 polskich szpitali, które wzięli pod lupę. Do tego placówki medycznej często popełniają podstawowy błąd i nie aktualizują haseł dostępu. We wspomnianym raporcie pojawia się informacja, że w sieci krąży 2,2 tys. haseł powiązanych ze szpitalami.

Szkolenia bezpieczeństwa danych w Centrum e-Zdrowia

Webinary Centrum e-Zdrowia mają nauczyć, jak zapobiegać atakom ransomware i jak niwelować ich skutki, jeśli już do nich dojdzie. Szkolenia skierowane są do osób odpowiedzialnych za bezpieczeństwo systemów w placówkach medycznych i obejmują takie tematy jak:

• skutki ataków ransomware dla podmiotów leczniczych,
• techniczne sposoby budowania odporności na cyberataki,
• zasady postępowania w przypadku wystąpienia incydentu.

Jak podkreśla CeZ, udział w szkoleniach to także okazja do bezpośredniego kontaktu z ekspertami CSIRT CeZ oraz uzyskania odpowiedzi na pytania związane z cyberbezpieczeństwem.

Najbliższe terminy webinarów

• 3 września 2025 r.
• 17 września 2025 r.
• 1 i 14 października 2025 r.
• 5 listopada 2025 r.
• 3 grudnia 2025 r.

Na webinar można się zapisać do 3 dni przed wydarzeniem lub do wyczerpania dostępnej puli miejsc. Aby zarejestrować się bezpłatnie, wystarczy wypełnić formularz na stronie Akademii CeZ.

Czytaj także: Placówka medyczna padła ofiarą hakerów. Co robić?

Które leki najlepiej sprzedawały się w aptekach w I półroczu 2025 roku? Jak w ostatnich latach szybko rosła popularność środków z ashwagandhą, dziś sprzedawana w milionach opakowań rocznie? Te oraz inne statystyki rynku farmaceutycznego znajdziesz w nowym wydaniu OSOZ Statystyki.

POBIERZ BEZPŁATNIE e-wydanie OSOZ Statystyki 8/2025 (43 strony, PDF)

W numerze 8/2025 OSOZ Statystyki:

Jakie leki sprzedawały się najlepiej w aptekach w I półroczu 2025 roku?

Niekwestionowanym liderem wzrostów są stosowane w odchudzaniu i cukrzycy agoniści GLP-1. Wartość tego rynku w okresie styczeń-czerwiec 2025 osiągnęła 1,3 mld zł (w cenach detalicznych dla pacjentów). A to oznacza wzrost o rekordowe 732 mln zł. Największe wzrosty – bo prawie 600 milionowe – odnotował tirzepatyd (Mounjaro), stosowany w leczeniu cukrzycy i otyłości. Drugim w rankingu w dynamice wzrostu rynkiem są inhibitory SGLT2 (dapagliflozyna, empafliflozyna i canafliflozyna). Rynek półroczny tych leków był wart ponad 700 mln zł i urósł rok do roku o 189 mln zł.

Czytaj dalej 👉

Sprzedaż środków z ashwagandhą. „2 miliony opakowań rocznie”

Błyskawiczna kariera ashwagandhy jest książkowym przykładem na zmieniające się mody na suplementy diety i powrót do medycyny tradycyjnej. Przed 2008 rokiem mało kto wiedział o jej istnieniu. Kiedy do aptek trafił pierwszy produkt zawierający korzeń witanii ospałej (polska nazwa), popyt był minimalny. W pierwszym roku Polacy kupili zaledwie 314 opakowań. Dzisiaj na półkach aptecznych jest 203 produktów ashwagandhy – od tabletek, proszku i nalewek do kosmetyków – i kupujemy ich 6400 razy więcej, a dokładnie ponad 2 mln opakowań rocznie.

Czytaj dalej 👉

Ponadto w numerze:

• Sprzedaż leków według molekuł (czerwiec 2025)
• Najlepiej sprzedające się produkty (czerwiec 2025)
• Monitor epidemiologiczny (czerwiec 2025)
• Struktura dystrybucji leków (czerwiec 2025)
• Radar epidemiologiczny (wrzesień 2025)

Wszystkie archiwalne numery OSOZ Statystyki znajdziesz na zakładce POBIERZ.

Inteligentne zegarki i opaski fitness potrzebowały dekady, aby z prymitywnych liczników kroków ewoluować do osobistych doradców sportowych. Teraz sztuczna inteligencja pozwala zbierać coraz więcej danych, oferując personalizowane porady zdrowego stylu życia. O tym opowiada Jörn Watzke, starszy dyrektor w Garmin Health. Mający swoją siedzibę w Szwajcarii amerykański Garmin dotąd sprzedał ok. 300 mln urządzeń ubieralnych i jest jednym z liderów rynku wearables.

Pamiętam czasy, gdy Garmin był znany głównie z profesjonalnych smartwatchy dla sportowców. Kiedy firma uświadomiła sobie, że zbierane na nadgarstku dane mogą nie tylko poprawić wyniki sportowe, ale także stan zdrowia i jakość życia?

Garmin wprowadził pierwszy smartwatch przeznaczony dla biegaczy, czyli Forerunner, w 2003 roku. W ciągu następnej dekady na rynek wchodziły kolejne modele oferujące ulepszone funkcje GPS, dłuższą żywotność baterii i dokładniejsze dane dotyczące spalanych kalorii. W 2014 roku swoją premierę miał vivofit – minimalistyczny tracker fitness przeznaczony dla szerokiego grona odbiorców. W tym samym roku wydzielono dział Garmin Zdrowie.

Wraz z tym Garmin zdał sobie sprawę, że analiza danych ze smartwatchy i innych rozwiązań fitness może być wykorzystywana w modelu B2B do wspierania cyfrowych rozwiązań zdrowotnych i programów wellness oferowanych przez firmy.

Kolejna dekada przyniosła znaczne ulepszenia w obszarze śledzenia stanu zdrowia, zwłaszcza za sprawą optycznego czujnika tętna, który umożliwił śledzenie snu oraz poziomu stresu. Podobne możliwości wprowadził pomiar zmienności tętna, czyli tzw. HRV.

Proszę wytłumaczyć, jak technologia zaszyta wewnątrz smartwatcha pozwala śledzić aktywność fizyczną?

Najszerszy wgląd w zdrowie dostarcza ciągłe monitorowanie tętna, umożliwiając śledzenie stresu, monitorowanie energii (Body Battery™), częstości oddechów i snu. To także baza do ilościowego określenia VO2 max, czyli pułapu tlenowego. Aby mierzyć tętno, urządzenia do noszenia Garmin posiadają czujnik optyczny PPG wbudowany w tylną część koperty zegarka. Emituje on zielone światło, które przechodzi przez skórę i odbija się od czerwonych krwinek w naczyniach krwionośnych. W ten sposób możliwy jest pomiar tętna. Podobnie mierzone jest HRV, które z kolei daje wgląd w poziom stresu, szybkość regeneracji organizmu po treningu i fazy snu.

Z kolei do nawigacji Garmin wykorzystuje odbiorniki GPS. Na ich podstawie obliczana jest pozycja 2D użytkownika, czyli szerokość i długość geograficzna, lub 3D – szerokość i długość geograficzna oraz wysokość nad poziomem morza. Warto wspomnieć, że pozycjonowanie 3D jest bardziej skomplikowane, bo wymaga większej liczby satelitów niż w przypadku 2D. Informacje GPS są używane nie tylko do określenia położenia i nawigowania, ale także do obliczania prędkości, odległości podróży, czasu do miejsca docelowego, czasu wschodu/zachodu słońca i innych parametrów.

A jak mierzone są parametry związane ze zdrowiem, na przykład jakość snu?

Obliczenia związane ze zdrowiem, takie jak wspomniana ocena snu, opierają się na danych dostępnych z czujników smartwatcha lub monitora fitness. Etapy snu – lekki, głęboki, REM i czuwanie – oraz całkowity czas snu oceniane są przy użyciu kombinacji danych dotyczących tętna, HRV i ruchu ciała. Nowsze urządzenia rejestrują dodatkowo zmianę temperatury skóry, wahania oddechu i nasycenie krwi tlenem (poprzez pulsoksymetr), dzięki czemu pomiary są jeszcze dokładniejsze.

Inteligentne zegarki coraz częściej dają użytkownikom konkretne wskazówki dotyczące odpoczynku, snu, relaksu. A to duża odpowiedzialność.

Opieramy się zawsze na wiarygodnych badaniach naukowych i zaleceniach wiodących autorytetów, tak aby wszelkie zalecenia dotyczące zdrowia lub ćwiczeń były oparte na faktach. Przykładowo, rady dotyczące faz snu są poparte raportami Narodowej Fundacji Snu (National Sleep Foundation) z siedzibą w USA. Kolejnym źródłem informacji i wskazówek jest amerykańskie Centrum Kontroli Chorób (CDC, Centers for Disease Control and Prevention). Wszystkie urządzenia i funkcje są rygorystycznie oceniane w ramach globalnego programu beta-testów, zapewniającego wysoki standard jakości przed ich publicznym udostępnieniem.

Użytkownicy kierują się zaleceniami smartwatcha tylko wtedy, gdy ufają technologii. Jak to zaufanie jest budowane?

Od czasu wprowadzenia na rynek Forerunnera w 2003 roku, strategicznie rozwijamy swoje portfolio smartwatchy i monitorów fitness, rozszerzając je o kategorie takie jak Advanced Wellness (red.: zaawansowana samoopieka i dobre samopoczucie)

Pierwszym krokiem jest dokładne zrozumienie potrzeb różnych użytkowników, poświęcenie czasu na opracowanie dokładnych czujników i technologii, rygorystyczne testowanie i walidowanie produktów przed wprowadzeniem na rynek oraz edukowanie konsumentów na temat możliwości stojących za nowymi funkcjami. Jest to długi i czasochłonny proces.

Smartwatche mogą dziś wykonywać testy, które do niedawna wymagały wizyty w gabinecie lekarskim, jak przykładowo nasycenie krwi tlenem albo funkcja EKG do wykrywania migotania przedsionków.

Rzeczywiście, tempo ewolucji technologicznej smartwatchów w kierunku zaawansowanych urządzeń do monitorowania zdrowia znacznie przyspieszyło. W ciągu kilku ostatnich lat byliśmy świadkami, jak urządzenia do noszenia przechodziły od prostych opasek fitness do urządzeń z funkcjami medycznymi, jak ocena ryzyka bezdechu sennego, wykrywanie arytmii serca i wspomaganie zdrowia kobiet.

Urządzenia ubieralne dostarczają dane zdrowotne w czasie rzeczywistym, które mogą być cenne zarówno dla poprawy dobrego samopoczucia, jak i w medycynie. A to prowadzi do coraz większego zainteresowania świadczeniodawców opieki zdrowotnej integracją tych informacji, aby lepiej zrozumieć zdrowie pacjentów.

Jesteśmy dopiero na początku tego, do czego te urządzenia będą zdolne w najbliższej przyszłości.

Jak AI wpływa na funkcje i możliwości smartwatchy? Czy aby mierzyć więcej parametrów zdrowia potrzebujemy nowych czujników, czy po prostu dobrych algorytmów mogących obliczać nowe parametry na podstawie istniejących danych?

Sztuczna inteligencja i uczenie maszynowe mają niezwykłą umiejętność analizowania dużych ilości danych i identyfikowania wcześniej nierozpoznanych lub niezbadanych przez naukowców korelacji.

Warto tutaj zaznaczyć, że nie każda korelacja oznacza od razu występowanie związku przyczynowego – każde zależności w danych muszą zostać zweryfikowane, zanim zostaną uznane za przydatne dla konsumentów.

Celem nie jest dodawanie większej liczby czujników lub lepszych algorytmów, ale raczej skrupulatna analiza wniosków wyciąganych przez AI. Priorytetem jest bowiem ochrona użytkownika końcowego przed niezamierzoną dezinformacją, która może wystąpić w przypadku niektórych modeli AI. Dlatego zanim przygotujemy nowe biomarkery, najważniejsza jest personalizacja informacji zwrotnych, aby mogły one być wykorzystywane przez konsumentów do podejmowania decyzji.

Jakiego kolejnego czujnika możemy spodziewać się w smartwatchach?

Analiza krwi z wykorzystaniem nieinwazyjnych czujników byłaby interesującym rozwiązaniem. Na razie jednak nie mamy takiej technologii.

A jakie są trzy najczęściej śledzone przez użytkowników parametry?

Jeśli chodzi o rodzaj aktywności fizycznej, to w czołówce jest bieganie, jazda na rowerze i piesze wędrówki. Z kolei w przypadku pasywnego śledzenia – czyli gdy użytkownik nie musi włączać opcji monitoringu, tylko działa ona cały czas w tle – są to kroki, tętno i sen.

Pasywne śledzenie danych jest szczególnie ważne, bo dzięki niemu wszyscy użytkownicy smartwatchy otrzymują wgląd do ogólnych danych zdrowotnych, które następnie mogą wykorzystać do wprowadzenia zmian behawioralnych.

Biorąc pod uwagę rosnące moce analityczne smartwatchy można się spodziewać, że w niedalekiej przyszłości większość danych zdrowotnych wykorzystywanych przez lekarzy będzie pochodzić bezpośrednio z nadgarstka, a nie z laboratoriów…

Medycyna, jako branża, często jest bardzo powolna. Widać to na przykładzie wieloletniego wdrażania elektronicznej dokumentacji medycznej. Wierzę jednak, że coraz więcej lekarzy będzie chciało wykorzystywać dane z urządzeń do noszenia, aby wspierać opieką nad pacjentem.

Zalety nowego źródła danych, jakim jest pacjent, i możliwości zdalnego monitorowania zdrowia są zbyt duże, by je ignorować. Przedwczesne jest jednak twierdzenie, że „większość” lekarzy przyjmie ten nowy sposób opieki nad pacjentem w najbliższej przyszłości. Punkt zwrotny nastąpi, gdy studenci medycyny zaczną uczyć się najlepszych praktyk związanych z integracją danych do noszenia w procesie leczenia.

Dane mogą ze smartwatchy mogą też być wykorzystywane w badaniach naukowych.

Tak, nasze urządzenia były do tej pory stosowane w ponad 1000 badaniach naukowych. W tym celu instytucje naukowe mogą korzystać z bezpłatnego interfejsu API Garmin Health i szerokiego portfolio produktów w różnych przedziałach cenowych. Oto kilka przykładów badań, w których uczestniczyliśmy:

• W badaniu przeprowadzonym przez Kyushu Institute of Technology (Japonia) wykorzystano trackery fitness Garmin do zbierania danych, takich jak czas trwania snu i liczba kroków, od pacjentów z chorobą Parkinsona w celu znalezienia wzorców związanych z „zużyciem” ich leków. Okazało się, że zmiany snu i aktywności mogą pomóc przewidzieć, kiedy objawy powrócą, co z kolei pozwala lepiej dopasować opiekę.

• Czterotygodniowe badanie z Uniwersytetem Maastricht (Holandia) z wykorzystaniem Forerunner’a i HRM-Dua wykazało, że muzyka w tempie o 7,5–10% szybszym niż kadencja wyjściowa (red.: liczba kroków stawianych przez biegacza w ciągu jednej minuty) zwiększyła kadencję biegu bez wpływu na prędkość lub tętno, pokazując, że muzyka może poprawić formę i zmniejszyć ryzyko kontuzji bez dodatkowego wysiłku.

• W badaniu przeprowadzonym przez University of Calgary (Kanada) śledzono aktywność fizyczną u osób z ostrą białaczką poddawanych przeszczepom komórek macierzystych. Celem było zmierzenie ich aktywności na różnych etapach leczenia. Dane posłużyły do określenia spersonalizowanego programu ćwiczeń wspierającego powrót do zdrowia i jakości życia.

• Badanie przeprowadzone przez Universidad de Guayaquil (Ekwador) polegało na integracji smartwatcha Garmin z aplikacją mobilną i systemem internetowym, aby pomóc pacjentom i lekarzom monitorować nadciśnienie tętnicze w czasie rzeczywistym. Celem było wspomożenie pacjentów w przestrzeganiu planów leczenia, z kolei lekarze mogli śledzić parametry życiowe chorych i w ten sposób lepiej się nimi zaopiekować.

Jakich czujników brakuje obecnie smartwatchom, aby poszerzyć zakres monitorowanych danych?

Nieinwazyjne czujniki, które mogą dostarczyć wcześniej niedostępnych danych biometrycznych, byłyby cennym dodatkiem do każdego smartwatcha. W szczególności monitorowanie poziomu glukozy ma szerokie zastosowanie w zarządzaniu cukrzycą, zdrowiu metabolicznym i ogólnej kondycji.

Dużo mówi się o agentach AI, czyli personalizowanych doradcach. Czy tacy agenci AI pojawią się wkrótce w smartwatchach?

W kwietniu Garmin zaprezentował Connect+, który oferuje nową funkcję AI – Active Intelligence. Nasz model sztucznej inteligencji został przeszkolony na ponad 8 bilionach tokenów danych tekstowych. Z Active Intelligence użytkownicy otrzymują spersonalizowane informacje na temat ostatnich aktywności lub trendów zdrowotnych. Chociaż model nie daje rekomendacji, informacje pozwalają użytkownikom podejmować bardziej świadome decyzje dotyczące ich zdrowia i kondycji.

Sztuczną inteligencję wdraża też wielu partnerów biznesowych Garmin bezpośrednio w swoich cyfrowych rozwiązaniach zdrowotnych. Na przykład Uptivo, dostawca technologii dla siłowni, zaprezentował ostatnio NATE – chatbota AI analizującego dane zbierane przez smartwatch i odpowiadającego na pytania dotyczące snu, kondycji fizycznej oraz podającego personalizowane zalecenia. Można z całą pewnością założyć, że trend ten będzie kontynuowany w obszarach fitness, wellness i zdrowia.

A co z analityką predykcyjną?

Smartwatche Garmin zawierają już kilka analiz predykcyjnych w obszarze fitness. Najbardziej znaną funkcją jest Race Predictor, która szacuje, jak można osiągnąć pożądane wyniki na różnych dystansach biegowych. Bierze ona pod uwagę ostatni bieg, obciążenie treningowe i VO2 max.

Z kolei wiele zegarków fitness ma funkcję Recovery Time, która oblicza i przewiduje, jak długo należy odpoczywać po aktywności. Po stronie śledzenia zdrowia, Sleep Coach podaje zalecenia dotyczące ilości snu potrzebnego danego dnia w oparciu o sen z poprzedniej nocy.

Wraz z rozwojem Active Intelligence, liczba dostępnych analiz predykcyjnych będzie rosła. Trzeba jednak zaznaczyć, że wszelkiego rodzaju rekomendacje dodajemy bardzo ostrożnie i dopiero po etapie rygorystycznej weryfikacji pod względem dokładności i bezpieczeństwa.

Jaka będzie rola inteligentnych zegarków za 10 lat?

Na pewno nastąpi znaczny wzrost specjalistycznych rozwiązań w zakresie opieki, a nacisk zostanie położony na zapobieganie chorobom. Centralnym elementem śledzenia będzie zdrowie metaboliczne, a zbieranie i przetwarzanie danych z urządzeń do noszenia będzie standardem w dbaniu o zdrowie albo dla jego poprawy.

Smartwatche w jeszcze większym stopniu staną się całodziennymi towarzyszami zdrowia, bez względu na to, czy ktoś uprawia sport, prowadzi siedzący tryb życia, albo zmaga się z przewlekłą chorobą. Coraz więcej danych będzie można przekuć na coraz lepsze wskazówki dotyczące zdrowego trybu życia i szeroko rozumianego wellness. I w końcu możemy spodziewać się integracji danych biometrycznych z urządzeń do noszenia z danymi gromadzonymi w systemie opieki zdrowotnej. To będzie rewolucja.

Czytaj także: Czy VO2 max naprawdę jest miernikiem długowieczności?

Technologie cyfrowe i dostęp do danych zacierają granicę pomiędzy klasyczną medycyną a samo-opieką. A to oznacza, że system zdrowia czekają duże przetasowania – wielkie firmy technologiczne wchodzą w rolę neo-dostawców opieki, umywając ręce od odpowiedzialności, ale za to towarzysząc pacjentowi w dbaniu o zdrowie dzień i noc.

Teoria dwóch systemów zdrowia

Ochrona zdrowia to jedna z tych branż, która zmienia się nieustannie za sprawą rewolucji wiedzy i technologii. Tak było jak wynaleziono pierwszy stetoskop, antybiotyki albo RTG. Dlatego transformacja cyfrowa nie jest niczym nowym, choć po raz pierwszy mamy do czynienia z zupełnie nowymi siłami oddziaływującymi na sektor zdrowia: technologie komunikacyjne oraz dane i sztuczna inteligencja razem wzięte powodują, że nagle powstaje alternatywny model świadczenia usług, usytuowany poza systemem zdrowia, a kreowany przez firmy nowych technologii, które z sektorem zdrowia nie mają nic wspólnego.

AI, smartwatche i aplikacje zdrowotne nie są już tylko „dodatkami” do opieki zdrowotnej, jak miało to miejsce jeszcze kilka lat temu. Stają się fundamentem coraz potężniejszego, równoległego systemu zdrowia, a pacjenci – sfrustrowani długim czasem oczekiwania na wizyty, medycyną skupioną na leczeniu narządów zamiast opiece i profilaktyce – chętnie korzystają z nowych form świadczenia usług.

W efekcie system zdrowia rozwarstwia się na:

• system 2 – klasyczną medycynę realizowaną w szpitalach, przychodniach i gabinetach lekarskich;
• system 1 – cyfrowe usługi typu „well-being”, które jednak coraz częściej przypominają usługi medyczne.

System 2 – w analogii do teorii podejmowania decyzji Daniela Kahneman’a – to medycyna „powolna” realizowana w placówkach zdrowia, a system 1 – medycyna „szybka”, czyli decyzje pacjenta dotyczące zdrowia oparte na wskazówkach z urządzeń cyfrowych mierzących parametry zdrowia.

To zjawisko będzie szybko postępować, bo systemy opieki zdrowotnej są pod dużymi obciążeniami, a jako statyczne kolosy nie są w stanie już spełnić oczekiwań pacjentów. Ludność starzeje się, rośnie częstość występowania chorób przewlekłych, brakuje pracowników służby zdrowia. Nawet jeśli wydatki na zdrowie rosną z roku na rok, idą one na utrzymanie systemu 1 przed upadkiem, zamiast na reformy.

System 1 możliwy dzięki nowym technologiom

Pacjenci nie czekają i w ewolucji technologicznej szukają korzyści dla siebie. Dotyczy to zwłaszcza pokolenia Z, które wychowało się w erze mediów społecznościowych i e-usług, oczekując od ochrony zdrowia podobnych standardów.

Duże modele językowe obsługują codziennie miliony zapytań związanych ze zdrowiem. Już nie doktora Google, ale profesora ChatGPT pytamy o objawy, dietę, zdrowie psychiczne, sen i ćwiczenia. Nie tylko w celu uzyskania informacji, ale także, aby znaleźć wsparcie psychiczne – według ostatniego raportu Harvard Business Review, właśnie „wsparcie psychiczne” jest najczęstszą przyczyną, dlaczego zwracamy się do AI z pytaniem. Narzędzia AI są zawsze dostępne, łatwe w użyciu i oferują coś, czego tradycyjna opieka często nie jest w stanie zagwarantować: natychmiastową odpowiedź, bez osądzania, bez uprzedzeń, bez patrzenia na zegarek, bo kończy się 10-minutowa wizyta.

Za szybkim rozwojem konsumenckiej ochrony zdrowia w modelu „jeden dostawca – miliony konsumentów zdrowia” stoją też media społecznościowe. Na platformach takich jak TikTok i Instagram to influencerzy, a nie lekarze, radzą, co jeść, jak się diagnozować, co zrobić, aby żyć długo. Filmy na temat ADHD, suplementów diety i „longevity” notują miliardy wyświetleń, bo pochodzą od autorytetu, kogoś kto imponuje, zbudował zasięg i mówi przekonującym oraz zrozumiałym językiem, dostarczając prostych rozwiązań na skomplikowane problemy.

Wiele z tych treści wprowadza w błąd, a niektóre są nawet niebezpieczne dla zdrowia i życia. Mimo to, faworyzują je algorytmy, których celem jest sprawienie, aby użytkownik jak najwięcej czasu spędził na Facebooku, Tik-Toku albo YouTube. Dlatego promowane są angażujące, emocjonalne, krótkie treści, a niekoniecznie te najbardziej poprawne pod względem naukowym. Edukacja zdrowotna dawno temu została przejęta przez media społecznościowe, a negatywne efekty będą widoczne za kilka lat.

Na to trzeba nałożyć jeszcze jeden trend: w wysokorozwiniętych społeczeństwach zdrowie stało się symbolem prestiżu społecznego, determinantem sukcesu. Aby utrzymać zdrowie oraz żyć długo i szczęśliwie trzeba wykazać się własną zaradnością, stosować niekonwencjonalne metody, nie ufając starej medycynie. Stąd popularność suplementów diety obiecujących większą energię i pozbycie się problemów, kariera Ozempicu jako drogi na skróty do atrakcyjności fizycznej i formy zdrowotnej, a wkrótce – agentów AI.

2026-2027: Agenci AI zaczynają przyjmować pierwszych pacjentów

Urządzenia wearables śledzą już sen, stres, tętno, a nawet wczesne oznaki choroby. Nowej generacji smartwatche potrafią wykonać EKG, monitorować wzorce ruchu i na tej podstawie ostrzegać przed chorobami przewlekłymi, a inteligentna biżuteria zbiera skrupulatnie dane, aby radzić, jak poprawić jakość snu i zoptymalizować styl życia. To już tylko kwestia czasu, gdy zegarki Apple albo Samsung będą mierzyły nieinwazyjnie poziom glukozy we krwi.

Najlepszym przykładem firmy big tech wchodzącej do ochrony zdrowia, aby zagospodarować niszę związaną z profilaktyką, jest Neko Health – klinika założona przez szefa platformy streamingowej Spotify. Neko Health z filiami w Londynie i Sztokholmie oferuje skanowanie całego ciała i analizę danych z wykorzystaniem AI za 299 dolarów. Na tej podstawie lekarze szukają możliwych ryzyk zdrowotnych albo pierwszym objawów chorób. Lista oczekujących na wizytę w Londynie przekroczyła 100 000 osób.

Profilaktyka staje się domeną firm technologicznych, które mają dostęp do danych pacjenta w czasie rzeczywistym. Oznacza to, że tradycyjni dostawcy usług medycznych tracą powoli monopol na opiekę, a granica pomiędzy usługami medycznymi – które, zgodnie z przepisami, mogą być realizowane tylko przez uprawnione podmioty – a usługami „wellness” staje się płynna.

Pacjenci się cieszą, bo mają dostęp do informacji i porad w czasie rzeczywistym, ale problem jest poważny, bo opieka cyfrowa świadczona jest z pominięciem jakiekolwiek odpowiedzialności, a dane z np. smartwatchy nie będących urządzeniami medycznymi mogą wprowadzać w błąd. Ale dla pacjentów nie posiadających wiedzy technicznej nie ma to znaczenia. Liczą się porady i poczucie, że zdrowie jest „pod kontrolą”. To zaufanie w inteligencję maszyn i AI zostało dokładnie zbadane dekady temu i określane jest antropomorfizmem.

AI nie jest cudownym lekiem na kulejący system zdrowia

Oczywiście, AI nie wchodzi tylko do systemu 1, czyli zdrowia konsumenckiego, ale także do systemu 2. I wiele z rozwiązań rodzi nadzieje na pozbycie się obciążeń administracyjnych. AI automatycznie analizuje dane pacjentów w elektronicznej dokumentacji medycznej (EDM), aby przewidzieć rozwój chorób, pomaga wyszukiwać dane albo notować przebieg wizyty na podstawie rozmowy z pacjentem. AI wspomaga decyzje kliniczne zestawiając dane pacjenta z dostępną literaturą medyczną i ostatnimi badaniami naukowymi, aby pacjent otrzymał leczenie dopasowane do jego indywidualnego przypadku, w oparciu o twarde fakty, a nie tylko wybiórcze deklaracje.

Choć zdolności systemów AI w medycynie szybko rosną, AI nie jest magicznym rozwiązaniem na wszystkie problemy sektora zdrowia. Obecnie znajdujemy się w okresie zachwytu nad AI i wiele doniesień prasowych wywołuje nieuzasadniony hurra-optymizm. Nie jest wykluczone, że coraz silniejsze modele AI będą wkrótce stosowane w diagnozie pacjentów. Ale równie prawdopodobny jest scenariusz, że szybko nie poradzimy sobie z halucynacjami i duże modele językowe (LLM) nieszybko doczekają się certyfikacji do zastosowań klinicznych.

Jest jeszcze jedno wyzwanie. Sztuczna inteligencja wymaga czystych, wysokiej jakości danych. A tych ciągle brakuje. Dlatego przez najbliższe lata placówki medyczne muszą skupić się na budowaniu dobrych baz, najlepiej w chmurze danych.

Cyfryzacja w czasach rosnących jak na drożdżach nowych aplikacji AI wymaga też jasnej mapy drogowej. Niektóre z najbardziej innowacyjnych szpitali na świecie stosują obecnie prostą zasadę minimalizmu cyfrowego: każda nowa aplikacja cyfrowa musi zmniejszać liczbę kliknięć, a nie ją zwiększać, a każdy nowy system musi być zintegrowany z systemem centralnym elektronicznej dokumentacji medycznej.

To będzie największa w historii transformacja sektora zdrowia

Jesteśmy świadkami czegoś więcej niż transformacji technologicznej. To zmiana ustanowionych od wieków reguł ochrony zdrowia. Przechodzimy od modelu opieki „jeden lekarz – jeden pacjent w tym samym czasie” do „jeden algorytm/agent AI – miliony pacjentów”, od „leczenia pacjenta” do „leczenia danych pacjenta”.

Opieka przenosi się z klinik do telefonów, z EDM do agentów AI, z planowanych 10-minutowych wizyt do zawsze dostępnych usług on-line. Nie oznacza to, że tradycyjna opieka zdrowotna traci na znaczeniu. Technologia nie zakłóci medycyny jako nauki, bo ta chroniona jest przepisami i nadal ma monopol na opiekę w bardziej skomplikowanych przypadkach albo gdy wymagana jest operacja. Kolejki przed klinikami nie zmniejszą się. Jednak zmienia się sposób, w jaki pacjenci postrzegają medycynę i wchodzą z nią w interakcje.

To proces przemian społecznych, których nie da się już zatrzymać, oraz nowe rozdanie kart o zdrowie, gdzie duże firmy technologiczne zaczynają przejmować pacjentów w walce o rynek warty globalnie ponad 21 222 mld dolarów.

Czytaj także: Sztuczna inteligencja nie uratuje systemu zdrowia

Pacjenci czekają w długich kolejkach do specjalistów, tymczasem 77% pracowników ochrony zdrowia traci czas na szukaniu danych w różnych źródłach – wynika z raportu Philips Future Health Index 2025. Rośnie optymizm lekarzy w stosunku do sztucznej inteligencji i już 82% uważa, że AI i analityka predykcyjna pozwolą skuteczniej leczyć dzięki przyspieszonej diagnozie.

Pacjenci umierają w kolejkach

W 16 krajach objętych badaniem, 73% pacjentów czekało w kolejkach na wizytę u specjalisty średnio 70 dni. Statystyczny czas oczekiwania w niektórych krajach sięgał nawet 131 dni (badanie nie obejmuje Polski). W Kanadzie i Hiszpanii to nawet cztery miesiące lub więcej. Każdy dodatkowy dzień obniża skuteczność leczenia, bo stan pacjentów czekających na wizytę często pogorsza się. Z powodu opóźnień, aż 36% pacjentów kardiologicznych, którzy mogliby być leczeni ambulatoryjnie, trafiło do szpitala.

Tymczasem pracownicy służby zdrowia pracują na granicy wytrzymałości – paradoksalnie, bo ogromną ilość ich czasu pracy pożerają nieefektywności systemu i biurokracja. Aż 77% zgłasza, że traci cenny czas (średnio 45 minut dziennie) z powodu niedostępnych lub niekompletnych danych pacjentów. W skali roku daje to cztery tygodnie pracy, które wyciekają z nieefektywnego systemu.

Drugim problemem jest nadmiar obowiązków administracyjnych. 35% pracowników ochrony zdrowia twierdzi, że poświęca coraz więcej czasu na papierkową robotę i zostaje go coraz mniej dla pacjentów. To prowadzi do wypalenia zawodowego.

Lepsza opieka dzięki AI

Jak rozwiązać te problemy, skoro dotychczasowe reformy albo cyfryzacja nie sprawdziły się? Pracownicy służby zdrowia zgadzają się, że wyjściem może być szerokie zastosowanie AI. 84% ankietowanych uważa, że AI może zautomatyzować powtarzalne zadania, 78% – że pomoże obsłużyć większą liczbę pacjentów, a 76% – że skróci czas oczekiwania na wizytę. 8 na 10 lekarzy jest przekonanych, że analityka predykcyjna pozwoli zredukować czas pomiędzy wystąpieniem pierwszych objawów a rozpoczęciem leczenia, a 3 na 4 ma nadzieję, że nowe technologie zmniejszą liczbę pacjentów przyjmowanych do szpitala.

Z badania wynika, że lekarze oczekują od AI usprawnienia organizacji pracy, np. poprzez optymalizację harmonogramów zabiegów po triaż pacjentów i podsumowania danych z różnych źródeł, tak aby nie trzeba było manualnie sprawdzać wyników badań i przeglądać elektronicznej dokumentacji medycznej. Kolejną korzyścią AI jest podniesienie kompetencji mniej doświadczonego personelu, szczególnie ważne na terenach wiejskich często borykających się z niedoborami kadrowymi. Lekarze specjaliści oczekują od AI poprawy precyzji diagnostyki, szczególnie w specjalizacjach o wysokim ryzyku, takich jak kardiologia, gdzie skrupulatna analiza danych i wczesne wykrycie choroby mają kluczowe znaczenie.

Do tego dochodzą oszczędności. Dane z USA sugerują, że szerokie zastosowanie AI mogłoby przynieść oszczędności rzędu 200–360 mld dolarów rocznie, co przelicza się na około 5–10% wydatków na opiekę zdrowotną. Skąd ta suma? W kalkulacji uwzględniono zmniejszenie liczby ponownych hospitalizacji oraz niepotrzebnych świadczeń obecnie realizowanych ze względu na brak danych oraz oszczędności wynikające z automatyzacji zadań administracyjnych.

Lekarze optymistyczni, pacjenci ostrożni

Aż 79% pracowników ochrony zdrowia uważa, że AI poprawi wyniki leczenia pacjentów. Tego entuzjazmu nie podzielają pacjenci – tak twierdzi tylko 59% świadeczniobiorców.

Pacjenci są przywiązani do lekarzy i dlatego często sceptyczni wobec AI. Choć akceptują stosowanie AI w zadaniach administracyjnych, takich jak planowanie wizyt lub rejestracja, ich zaufanie gwałtownie spada, gdy AI ma być wykorzystywana w gabinecie lekarskim, np. do sporządzania dokumentacji medycznej, triażu lub jako wsparcie w diagnozowaniu.

Pacjenci boją się po prostu, że z czasem AI zastąpi ich lekarza (52% ankietowanych). Obawy są takie same bez względu na kraj albo grupę wiekową. Paradoksalnie, najbardziej ostrożni w stosunku do AI są pacjenci, którzy mają największą wiedzę na temat AI.

Problem odpowiedzialności i zaufania

Optymizm pracowników zdrowia maleje, gdy padają pytania o szczegóły zastosowania AI w codziennej praktyce klinicznej. Tylko 38% uważa, że narzędzia AI są zaprojektowane z myślą o ich pracy. Przeszkodą wdrożenia AI pozostaje słaba integracja z przepływami pracy. W efekcie rozwiązania technologiczne często przeszkadzają zamiast pomagać.

Ponadto 76% lekarzy obawia się odpowiedzialności prawnej w przypadku błędu systemu AI, a 61% – stronniczości algorytmów, która może pogłębić nierówności w opiece zdrowotnej. Autorzy raportu wskazują też argumenty, które pozwolą wzmocnić zaufanie pacjentów do AI. Wśród najmocniej przemawiających są poprawa stanu zdrowia, mniejsza liczba błędów medycznych, szybszy dostęp do lekarzy i więcej czasu na rozmowę z lekarzem.

Wniosek: pacjenci nie są przeciwni sztucznej inteligencji, ale są ostrożni i pragmatyczni. Jeśli AI daje im konkretne korzyści i nie jest zagrożeniem dla ludzkiego charakteru opieki, są otwarci na jej stosowanie. Kto powinien ich edukować na temat AI? Odpowiedź jest prosta: lekarze. 86% pacjentów ufa informacjom dotyczącym wykorzystania sztucznej inteligencji w leczeniu, których udzielają lekarze.

Plan wdrożenia AI

W podsumowaniu Raportu Future Health Index 2025 znalazło się pięć kluczowych zaleceń, jak wprowadzać sztuczną inteligencję do ochrony zdrowia, aby skorzystali na niej lekarze i pacjenci oraz aby technologia cieszyła się zaufaniem:

1. W projektowaniu sztucznej inteligencji należy stawiać na pierwszym miejscu ludzi. Narzędzia AI muszą być projektowane w oparciu o procesy kliniczne realizowane w placówce zdrowia i potrzeby pacjentów, a nie abstrakcyjne ideały techniczne.
   
2. Należy wzmocnić współpracę między ludźmi a AI. AI powinna pełnić rolę wspomagającą, wspierać i poszerzać wiedzę kliniczną pracowników zdrowia, a nie zastępować ich. To wymaga szkoleń dla lekarzy z AI.
   
3. Zanim AI zostanie wdrożone, trzeba wykazać skuteczność i bezpieczeństwo działania algorytmów. Każde rozwiązanie AI musi być podparte dowodami naukowymi potwierdzającymi, że AI działa niezawodnie w różnych populacjach pacjentów i nie jest stronnicza.
   
4. Prawo musi dawać jasność stosowania AI. Bez odpowiednich przepisów gwarantujących bezpieczeństwo stosowania AI, lekarze nie będą chcieli z niej korzystać. Bezpieczne wdrażanie AI powinno opierać się na tzw. piaskownicach regulacyjnych. Oprócz krajowych przepisów niezbędna jest też globalna harmonizacja regulacji, bo systemy AI przekraczają granice państw.
   
5. Rozwój AI wymaga partnerstw międzysektorowych. Dobre rozwiązania AI nie powstają w silosach, ale są efektem współpracy lekarzy, placówek medycznych, dostawców technologii, organów regulacyjnych i pacjentów.

Raport uświadamia, jak duże nadzieje środowisko ochrony zdrowia wiąże z AI. Jest to wynik zmęczenia chronicznymi problemami sektora, przepracowania i obciążeń biurokracją. Ten duży kredyt zaufania to duża szansa i odpowiedzialność. Zwlekanie z wdrożeniem AI oznacza przymykanie oczu na rosnące problemy ochrony zdrowia, które odbijają się negatywnie na zdrowiu pacjentów, ale i lekarzy oraz pielęgniarek na pierwszej linii opieki.

Indeks Philips Future Health Index 2025 opiera się na dwóch ankietach internetowych przeprowadzonych w okresie od grudnia 2024 r. do kwietnia 2025 r. w 16 krajach. Wzięło w niej udział 1926 pracowników służby zdrowia i 16 144 pacjentów. Metodologia badania: internetowe badanie (CAWI). W badaniu wzięli udział lekarze, pielęgniarki i asystenci medyczni różnych specjalności, a próbka badawcza pacjentów była reprezentatywna pod względem demograficznym. Wyniki podsumowano z 95-procentowym poziomem ufności.

Czytaj także: Wszystko o AI w ochronie zdrowia. Pobierz bezpłatnie 242-stronicowy raport

Żadna inna dziedzina medycyny nie wdrażała tak intensywnie AI w ostatnich 5 latach jak obrazowanie medyczne. Tymczasem za rogiem czai się kolejna innowacja: generatywna AI, która jest w stanie łączyć wyniki RTG, MRI, TK i USG z zapisami w EDM. O postępach AI w radiologii rozmawiamy z prof. dr hab. n. med. Mathiasem Goyenem, Dyrektorem Medycznym ds. obrazowania i zaawansowanych rozwiązań wizualizacyjnych w GE HealthCare.

Jaka innowacja najbardziej zmieniła sposób pracy radiologów w ostatnich latach?

Jedną z najbardziej przełomowych innowacji w obrazowaniu medycznym była i nadal jest integracja sztucznej inteligencji (AI) w procesach klinicznych. Chociaż AI wdrażana jest już od dawna, dopiero teraz widzimy efekty i to, jak jej zastosowanie wpływa wymiernie na poprawę wydajności pracy, jakość interpretacji zdjęć medycznych i wspomaganie decyzji klinicznych.

Przykład z radiologii: techniki rekonstrukcji obrazu oparte na głębokim uczeniu, takie jak AIR™ Recon DL, zapewniają wyższą jakość obrazów przy znacznie krótszym czasie skanowania. Nie tylko poprawia to komfort pacjenta, ale także zwiększa przepustowość skanera, co ma kluczowe znaczenie, bo zapotrzebowanie na usługi obrazowania medycznego jest duże, a liczba sprzętu – często niewystarczająca.

Kolejnym osiągnięciem jest rozwój ilościowych biomarkerów obrazowania. Pomagają one przejść od jakościowej interpretacji obrazowania do opartych na danych, wymiernych ocen. Ma to szczególne znaczenie w onkologii, kardiologii i neurologii, gdzie kontrola postępu choroby lub odpowiedzi na leczenie wymaga precyzyjnych, powtarzalnych pomiarów.

Jakie konkretnie aplikacje AI są obecne w rozwiązaniach GE HealthCare?

Koncentrujemy się na opracowywaniu rozwiązań AI, które wychodzą naprzeciw rzeczywistym problemom klinicznym, takim jak potrzeba poprawy precyzji diagnostycznej, przepływów pracy i wyników diagnozy. Przykładem jest pakiet Critical Care Suite, który wykorzystuje AI do wykrywania odmy opłucnowej na zdjęciach rentgenowskich klatki piersiowej w punkcie opieki, co pozwala na priorytetowe traktowanie tych przypadków do przeglądu przez radiologa. Dzięki rozwiązaniu można skrócić czas leczenia w krytycznych przypadkach.

Rozwijamy również AI wspierającą sam proces pobierania obrazów. Tutaj to dyspozycji są narzędzia do automatycznego pozycjonowania i wyboru protokołu. Zmniejszają one zmienność i optymalizują jakość badania przy mniejszym zaangażowaniu technologa, co jest szczególnie korzystne tam, gdzie brakuje wykwalifikowanych kadr. Do tego, nasze narzędzia do przetwarzania końcowego z obsługą AI pomagają klinicystom w kwantyfikacji i interpretacji subtelnych wyników, na przykład umożliwiając automatyczną segmentację struktur serca w echokardiografii lub oceny wolumetryczne w tomografii komputerowej.

Ostatnio jedna z firm technologicznych pokazywała model generatywnej AI, dzięki któremu radiolog może rozmawiać z PACS/RIS? Czy takie narzędzie wejdą wkrótce do radiologii?

Jak najbardziej. Generatywna AI już teraz znajduje zastosowanie w zadaniach związanych z przetwarzaniem języka naturalnego, a zastosowanie wspomnianych narzędzi w radiologii będzie kolejnym dużym krokiem naprzód. Aktywnie badamy modele generatywne, które mogą łączyć kontekst kliniczny z obrazów, raportów i dokumentacji pacjentów, umożliwiając radiologom jeszcze lepiej zrozumieć podłoże choroby i w ten sposób interpretować zdjęcia medyczne nie tylko na podstawie obrazu, ale pełnego stanu zdrowia.

Wyobraźmy sobie scenariusz, w którym radiolog może zapytać system: „Pokaż mi podobne przypadki z potwierdzeniem histopatologicznym” lub „Jakie było wcześniejsze tempo wzrostu tej zmiany?”. Ten poziom interakcji może znacznie zwiększyć wydajność pracy i poprawić poziom dostępnej wiedzy klinicznej. Choć takie narzędzia są dopiero na wczesnym etapie rozwoju, prawdopodobnie w niedalekiej przyszłości pojawią się cyfrowi asystenci wbudowani w systemy PACS/RIS – świadomi kontekstu choroby, którzy nieustannie się uczą i są ulepszani.

Wspomniał Pan, że największa siła AI leży w optymalizacji pracy i identyfikacji krytycznych wyników, takich jak odma opłucnowa i krwotok wewnątrzczaszkowy. Jednak sukces AI zależy od nie tylko od samej technologii, ale i wdrożenia.

Pomyślne wdrożenie rozpoczyna się od jasnych celów klinicznych i solidnego zarządzania zmianą. Po pierwsze, oddziały powinny zidentyfikować wąskie gardła lub obszary prowadzące do opóźnień. Mogą to być ścieżki ratunkowe lub udarowe. Z doświadczenia wynika, że narzędzia AI ukierunkowane na te obszary często mają największy wpływ na poprawę opieki.

Po drugie, kluczowa jest integracja z istniejącymi przepływami pracy. Sztuczna inteligencja jest najbardziej pomocna, gdy jest osadzona w środowisku pracy IT radiologa – PACS, RIS lub EDM – dzięki czemu go wspiera, a nie przeszkadza. Na przykład oznaczanie krytycznych wyników nie powinno wymagać osobnych loginów lub oprogramowania; powinno to odbywać się automatycznie i przy minimalnej interakcji użytkownika.

I wreszcie kluczowe są ciągłe monitorowanie i informacje zwrotne. Placówki zdrowia powinny śledzić wskaźniki wydajności, takie jak czułość, specyficzność i oszczędność czasu, i w razie potrzeby dokonywać ponownej kalibracji. Budowanie zaufania wśród użytkowników poprzez przejrzystość i udowodnioną wartość jest niezbędne do akceptacji innowacji.

Czyli AI powinna działać w tle.

Tak, nasza filozofia projektowania koncentruje się na tym, aby uczynić AI „niewidoczną”, pracującą cicho w tle, ale wyraźnie usprawniając pracę kliniczną. Doskonałym przykładem jest integracja pakietu Critical Care Suite z przepływami pracy RTG. AI działa na urządzeniu i wysyła priorytetowe alerty bezpośrednio do PACS bez konieczności wprowadzania dodatkowych danych przez użytkownika. Radiolog nie musi klikać na osobną kartę AI lub logować się na zewnętrzny portal; wyniki są prezentowane kontekstowo w ramach dotychczasowych przepływów pracy.

Zasadę tę stosujemy również w modelu Smart Subscription, który umożliwia świadczeniodawcom otrzymywanie ciągłych aktualizacji oprogramowania bez przerywania operacji klinicznych. Z kolei nasza warstwa harmonizacji AI pozwala zapewnić, że odpowiednie algorytmy działają na właściwych badaniach we właściwym czasie, w oparciu o kontekst kliniczny, modalność i anatomię.

Jak tego typu rozwiązania AI zmieniają pracę radiologów?

AI nie zastąpi radiologów, ale znacznie podniesie rangę zawodu, zmniejszając liczbę powtarzalnych zadań i umożliwiając skupienie się na syntezie danych i opiece nad pacjentami. Radiolodzy będą w coraz większym stopniu pełnić rolę integratorów informacji, łącząc dane z obrazowania, historię leczenia, dane patologiczne i genetyczne i na tej podstawie wyciągając wnioski diagnostyczne.

Co więcej, radiolodzy będą odgrywać kluczową rolę w rozwoju AI, oznaczając zbiory danych do trenowania modeli, walidując je i gwarantując ich etyczne wdrożenie. Jako członkowie multidyscyplinarnych zespołów będą odgrywać strategiczną rolę w medycynie precyzyjnej.

Jak radiolodzy wchodzący do zawodu powinni przygotować się na tę zmianę?

Przede wszystkim muszą poszerzyć swoje umiejętności poza obrazowanie. Mam na myśli zrozumienie biologii molekularnej, patologii i bioinformatyki. Działy radiologii mogą również wspierać tę ewolucję napędzaną AI, tworząc komisje diagnostyczne i włączając do swoich zespołów naukowców zajmujących się danymi.

Zrozumienie podstaw bioinformatyki czy AI pozwoli lekarzom poznać sposób działania algorytmów i oceniać ich przydatność oraz poprawność działania.

Jeszcze raz podkreślę, że AI będzie wspomagać proces oceny klinicznej, a nie wyręczać ludzi. To radiolodzy muszą być zawsze ostatecznymi arbitrami diagnozy, wspieranymi przez AI, ale nie wypieranymi przez nią.

Jakie są największe wyzwania stojące przed świadczeniodawcami opieki zdrowotnej wdrażającymi zaawansowane technologie obrazowania?

To przede wszystkim ograniczenia infrastruktury, przygotowanie użytkowników do ich obsługi i zarządzanie zmianami. Zaawansowane narzędzia do obrazowania często wymagają posiadania dobrych systemów informatycznych, umożliwiających integrację i niezawodną łączność z oprogramowaniem PACS/RIS.

Równie ważny jest czynnik ludzki. Lekarze potrzebują szkolenia, zaufania i czasu na dostosowanie się do nowych technologii. Innymi przeszkodami pozostają od lat zwrot inwestycji i jasność przepisów. Z jednej strony menedżerowie muszą wdrażać coraz to nowsze innowacje, aby nadążyć za rynkiem zdrowia, wiedzą kliniczną i oczekiwaniami pacjentów, z drugiej – tak wykorzystywać technologie, aby się one opłacały w rachunku ekonomicznym placówki. Każda placówka działa w określonych ramach budżetowych.

Co najbardziej ekscytuje Cię w przyszłości obrazowania medycznego?

Najbardziej ekscytuje mnie konwergencja danych, diagnostyki i personalizacji. Przechodzimy od analizy obrazów do generowania interpretacji obejmujących cały kontekst pacjenta; od statycznych do dynamicznych obrazów.

Niezależnie od tego, czy jest to AI pomagająca klinicystom wcześniej wykrywać choroby, biomarkery obrazowania przewidujące odpowiedź na terapię czy platformy łączące informacje i dane z zakresu radiologii, patologii i genomiki, cel pozostaje jasny: wzmocnić pozycję klinicystów w opiece nad pacjentem, ułatwić dostęp do diagnozy i poprawić wyniki leczenia każdego pacjenta, niezależnie od miejsca zamieszkania.

Czytaj: Czytaj więcej wywiadów o AI w ochronie zdrowia – pobierz bezpłatny raport

Do Ministerstwa Zdrowia wpłynęła petycja o opracowanie centralnego oprogramowania intepretującego wyniki badań medycznych, aby skrócić czas oczekiwania pacjentów na diagnozę. Ministerstwo Zdrowia takich planów nie ma i wysuwa racjonalne argumenty. W poczekalni czekają dziesiątki innych pomysłów, w tym m.in. umieszczenie numeru telefonu pacjenta na e-recepcie.

Co roku do Ministerstwa Zdrowia trafiają setki petycji w różnych kwestiach. Czasami to ciekawe propozycje usprawnień w systemie zdrowia, a czasami prośby o interwencje w konkretnej sprawie. W samym roku 2024 roku było ich aż 191, rok wcześniej – 178. W tym roku będzie podobnie, bo do 17 lipca ich liczba osiągnęła 110.

MZ nie może narzucać oprogramowania

Od samych petycji, o wiele ciekawsze są często odpowiedzi udzielane przed Ministerstwo Zdrowia, bo stanowią stanowisko w sprawach, o które jeszcze nikt wcześniej nie zapytał. A każdą z nich MZ musi rozpatrzyć i udzielić odpowiedzi. Tak też jest w przypadku petycji z 26 stycznia 2025 r. w sprawie „zwiększenia jakości usług medycznych” (identyczna pojawiła się też 12 czerwca). Znalazła się w niej propozycja wprowadzenia oprogramowania interpretującego wynik takich badań jak ENG, EMG, KTG, USG, UKG, tomografii komputerowej i rezonansu magnetycznego.

Takie podejście mogłoby skrócić czas oczekiwania pacjentów na wynik badania. W uzasadnieniu podano, że przecież już teraz wyniki takich badań realizowanych przez aparaty EKG, kardiomonitory oraz analizatory laboratoryjne są podawane automatycznie. Do tego istnieje szereg innych systemów jak np. oprogramowanie do automatycznej detekcji guzków (CAD) w tomografii komputerowej wysokiej rozdzielczości HRCT. 

Dlaczego więc USG czy TK lekarz musi interpretować samodzielnie?

Z odpowiedzi Ministerstwa Zdrowia jasno wynika, że resort nie planuje takiego systemu. Po pierwsze, na rynku jest już szereg komercyjnych rozwiązań informatycznych oferujących taką możliwość, wykorzystujących algorytmy porównawcze, analizę wzorców oraz AI do generowania wyników na podstawie obrazów medycznych. Placówki medyczne mogą je wdrażać w zależności od potrzeb i możliwości budżetowych. Po drugie, jak czytamy w uzasadnieniu, „MZ nie ingeruje w dobór konkretnych narzędzi informatycznych stosowanych przez szpitale i inne jednostki ochrony zdrowia.” Po trzecie, wprowadzenie ustawowego obowiązku stosowania określonego typu oprogramowania naruszałoby zasadę swobody organizacyjnej i mogłoby prowadzić do nieproporcjonalnych obciążeń finansowych oraz ograniczenia innowacyjności.

Kolejny pomysł: numer telefonu pacjenta na e-recepcie

Na liście petycji, która publikowana jest na stronie Ministerstwa Zdrowia, znalazły się m.in. postulaty wprowadzenia kar finansowych za nieodwoływanie wizyt, zmian w triażu na SOR, kontroli podmiotów medycznych czy mierzenia jakości usług.

Jedną z ciekawszych jest ta z 6 czerwca dotycząca umieszczenia numeru telefonu pacjenta na e-recepcie. To postulat zgłaszany przez środowisko farmaceutów od lat, który miałaby zwiększyć bezpieczeństwo pacjentów. Chodzi o sytuacje, kiedy farmaceuta popełni błąd wydając lek choremu i nie może się z nim skontaktować, co może prowadzić do zagrożenia utraty życia lub zdrowia. Zdarzają się też błędy dawkowania, które – choć mniej groźne – też mogłyby być skorygowane jednym telefonem do pacjenta. Do tego niektóre leki są wycofywane z obrotu przez GIF, a o tym pacjent już się nie dowiaduje.

Numer telefonu do placówki zdrowia, w której wystawiono receptę nie wystarczy, bo apteki są czynne praktycznie cały czas, a placówki nie i niekiedy kontakt jest niemożliwy. Do tego dochodzą przepisy RODO utrudniające komunikację i uzyskanie numeru pacjenta. To prowadzi do kuriozalnych sytuacji, kiedy farmaceuci muszą czasami szukać pacjentów w mediach społecznościowych, a na wsiach korzystać z uprzejmości sołtysów albo straży pożarnej.

Poprzednia, analogiczna petycja została przez MZ odrzucona. W uzasadnieniu napisano, że nr telefonu jest informacją możliwą do uzyskania z pozycji Internetowego Konta Pacjenta IKP. MZ jest świadome możliwych do wystąpienia negatywnych scenariuszy i błędów realizacji recepty, jednak „uzasadnionym działaniem w celu ich przeciwdziałania jest w pierwszej kolejności rozpowszechnienie dostępu do Internetowego Konta Pacjenta”. Taka zmiana wymagałaby nowelizacji ustawy i na pewno wzbudziłaby duże pytania pod kątem ochrony danych osobowych. W nowej petycji autorka argumentuje, że IKP nie jest rozwiązaniem, bo farmaceuci nie mają przecież do niego dostępu. Odpowiedzi na to pismo MZ jeszcze nie udzieliło.

Jakie jeszcze petycje trafiają do Ministerstwa Zdrowia? Kliknij tutaj, aby przejrzeć pełną listę.

Czytaj także: Czy aplikacje zdrowotne będą na NFZ? Jest projekt AOTMiT

Zamiast od razu pytać, jaką AI najlepiej wdrożyć, trzeba najpierw się zastanowić „po co”, a następnie przeanalizować gotowość pod względem technicznym, finansowym, operacyjnym i etycznym. W porównaniu do klasycznych rozwiązań cyfrowych, AI wymaga dobrego przygotowania.

Jak placówki medyczne stosują AI?

Zainteresowanie wdrażaniem dużych modeli językowych (LLM) nie wynika z mody, ale z korzyści jakie raportują szpitale, które już je wdrożyły – wynika z raportu AI Adoption in Healthcare Report 2024 opracowanego przez HIMSS i Medscape.

Od momentu premiery generatywnej sztucznej inteligencji, w kontekście ochrony zdrowia dużo mówi się o wspomaganiu tworzenia elektronicznej dokumentacji medycznej (EDM). Po raz pierwszy od czasu pojawienia się pierwszych EDM-ów pojawiła się szansa, że lekarz nie będzie musiał przeglądać manualnie wszystkich zapisów w e-kartotekach, bo AI podsumuje najważniejsze informacje i trendy.

I faktycznie, generatywna AI stosowana jest najczęściej do zadań administracyjnych jak transkrypcja rozmowy lekarza z pacjentem i tworzenie na tej podstawie wpisów w EDM oraz zarządzanie dokumentacją medyczną. Równie często placówki medyczne sięgają do modeli AI w celu wyszukiwania i podsumowywania literatury medycznej. W tym zakresie najlepiej sprawdzają się rozwiązania w modelu „open-source”, które zapewniają bezpieczeństwo danych (dane medyczne nie opuszczają bazy placówki i są analizowane lokalnie). Przykładem jest Llama (Meta, dawniej Facebook).

AI jest zaskakująco często stosowana do wspomagania procesu diagnozy i w doborze terapii – częściej prywatnie przez lekarzy niż oficjalnie przez placówki medyczne. 57% badanych (raport AI Adoption in Healthcare Report 2024) wskazuje, że dzięki AI zwiększyła się efektywność pracy, 25% deklaruje oszczędności czasowe, a 21% chwali się redukcją kosztów. Najwyższe korzyści odnotowane zostały w radiologii oraz w transkrypcji rozmów lekarza z pacjentem do tworzenia wpisów w EDM.

Z drugiej strony placówki medyczne ostrożnie wdrażają AI, bo obawiają się o prywatność danych (72%) oraz stronniczość algorytmów i odpowiedzialność za błędne decyzje AI (70%). Nadal tylko niewielka część podmiotów zdrowia oferuje szkolenia z zakresu AI, co rodzi jeszcze większy opór przez technologią.

AI dobrze się sprawdza w rozwiązywaniu krytycznych problemów

W 2024 roku Chiny otworzyły pierwszy na świecie szpital w pełni zasilany AI „Agent Hospital”. Na razie pracują w nim ludzie, ale jego twórcy mają wizję, że wkrótce osiągnie pełną autonomię działania. To pokazuje, co już jest możliwe technologicznie. Ale europejskie placówki zdrowia ograniczone są przepisami prawnymi i nie mogą sobie pozwolić na eksperymentowanie bez jakichkolwiek hamulców. Zresztą wiele rozwiązań AI jest niedojrzałych i niegotowanych do pracy w medycynie.

Mimo to pierwsze podmioty z powodzeniem stosują generatywną AI. Przykładowo, w szwajcarskim Szpitalu Uniwersyteckim w Bazylei, AI podsumowuje informacje z różnych, niekompatybilnych systemów IT oraz pisze wypisy ze szpitala. Lekarze cenią sobie przede wszystkim skrócenie czasu potrzebnego na tę czasochłonną czynność.

Zanim szpital zaczął stosować AI, przeprowadził analizę gotowości, unikając podejścia „musimy mieć AI, bo inni też mają”. Obejmuje ona ryzyka operacyjne (jak wdrożenie algorytmu wpłynie na pracę personelu), finansowe (koszty utrzymania AI w przyszłości i serwisowania systemu), kliniczne (wpływ na ścieżkę opieki i wyniki pacjenta, ryzyka zdrowotne), a nawet reputacyjne (ryzyko w przypadku nieudanego wdrożenia lub błędów).

Zaleca się zadanie sobie trzech pytań:

1. Jaki problem próbujesz rozwiązać wdrażając algorytm?
2. Czy istnieją inne sprawdzone rozwiązania – technologiczne lub nie-technologiczne – które mogą rozwiązać problem?
3. Czy masz wystarczająco dobre dane do zasilenia algorytmu?

Taka analiza może doprowadzić do znalezienia innych rozwiązań tego samego problemu, ale obciążonych mniejszym ryzykiem wdrożenia, a do tego mniej kosztochłonnych. Jeśli jednak zapadnie decyzja o adaptacji AI, w kolejnym kroku trzeba się zapytać o umiejętności personelu, konieczność przebudowy ścieżek opieki nad pacjentem w przypadku algorytmów wspomagających procesy kliniczne, koszty utrzymania. Do tego zaleca się wyznaczenie nienegocjowanych, minimalnych korzyści.

Jeśli placówka chce spróbować wdrożyć generatywną AI do tworzenia EDM, szybko zda sobie sprawę z potencjalnych kosztów – taki model, aby był bezpieczny, musi działać lokalnie, a to często wymaga rozbudowy infrastruktury bazy danych. Jeśli szpital albo klinika ma swój dział IT, trzeba będzie doszkolić jego pracowników.

Uwaga na dług technologiczny

Jednym z najczęstszych błędów we wdrażaniu AI jest tzw. dług technologiczny. Dyrektorzy placówek zamiast najpierw zreformować procesy organizacyjne stojące za stratami i problemami, spieszą się z zakupami i wszczepiają do organizacji rozwiązanie, na które organizacja nie jest przygotowana. Innym problemem jest ślepa wiara w obietnice dostawców – łatwo ulec urokowi ładnie przygotowanych prezentacji i nowych rozwiązań, za działaniem których nie stoją żadne badania naukowe czy dowody. Nawet jeśli jedno badanie potwierdza skuteczność algorytmu, trzeba zastanowić się razem z personelem, czy te same korzyści są do skopiowania w unikalnych warunkach placówki.

Jeszcze innym złudzeniem jest przekonanie, że nowe technologie automatycznie rozwiązują stare problemy. Nawet jeśli w ochronie zdrowia nie ma klasycznej konkurencji, to jest na pewno kultura ukrywania porażek i chwalenia się sukcesami. Jeśli nieprzygotowana klinika wdroży AI, wdrożenie się nie uda, a pieniądze zostaną wyrzucone w błoto, fakt ten rzadko kiedy ujrzy światło dziennie. O wiele gorsze jest utrwalenie w zespole poczucia porażki i zrażenie się do technologii. Tego można uniknąć przeprowadzając szczerą ewaluację i szukając przyczyn niepowodzenia. Jak w przypadku każdego rozwiązania cyfrowego, bez dobrej strategii, dojrzałych procesów organizacyjnych i kultury innowacyjności, wdrażanie AI jest narażone na porażkę.

Czytaj także: Pobierz bezpłatny, 242-stronicowy raport specjalny „AI w ochronie zdrowia”