AI w szpitalu: AI Act, EHDS i Living Lab

Analiza Living Labu i piaskownicy operacyjnej Fundacji Healthcare Poland. Stan prawny na 12 listopada 2026 r.

Raport „Polacy o AI w medycynie. Edycja 2026”, przygotowany przez UCE RESEARCH we współpracy merytorycznej z Fundacją Medigent, pokazuje społeczeństwo ostrożnie otwarte: sztuczna inteligencja tak, ale jako wsparcie lekarza, nie jego zastępstwo. Autorzy raportu odczytują wyniki jako dowód racjonalności. Pacjenci mieliby intuicyjnie wskazać obszary, w których technologia odciąża system, nie naruszając kompetencji lekarza.

Z perspektywy Living Labu i piaskownicy operacyjnej Healthcare Poland ten odczyt jest trafny co do zasady, lecz nietrafny co do mapy ryzyka. A to mapa ryzyka, nie mapa sympatii, decyduje o tym, co szpital może bezpiecznie wdrożyć — i na jakich danych.

Zgodność z przepisem mówi, czy rozwiązanie wolno wdrożyć. Deklaracja społeczna mówi, czy ludzie są gotowi je przyjąć. Dopiero test operacyjny w realnym środowisku klinicznym mówi, czy da się je wdrożyć: czy personel będzie z niego korzystał, czy mieści się w ścieżce pacjenta i czy nie przenosi ryzyka w inne miejsce.

1. Co mówią dane — i czego nie mówią

Badanie przeprowadzono metodą CAWI na próbie 1017 osób w wieku 18–80 lat. 46,7% badanych popiera wykorzystanie AI jako wsparcia lekarzy, 30,6% jest temu przeciwnych, a 22,7% nie ma zdania. Wśród popierających najczęściej wskazywano monitoring pacjenta (37,9%), prowadzenie dokumentacji medycznej (36,4%) i umawianie wizyt (21,3%). Znacznie rzadziej wskazywano analizę badań obrazowych (7,5%), diagnostykę (6,1%) i dobór terapii (4,7%).

Rzetelna lektura tych liczb wymaga czterech zastrzeżeń.

Odsetki zastosowań liczono wyłącznie w grupie popierających. W odniesieniu do całej próby monitoring wskazało ok. 17,7% badanych, dokumentację ok. 17,0%, umawianie wizyt ok. 9,9%, analizę obrazową ok. 3,5%, diagnostykę ok. 2,8%, a dobór terapii ok. 2,2% (przeliczenie HCPL).
Niewskazanie nie jest sprzeciwem. Pytanie było wielokrotnego wyboru. Teza, że Polacy nie chcą AI w decyzjach klinicznych, jest interpretacją: badanie pytało o obszary wsparcia. Współautor raportu, dr n. med. Wojciech Francuzik, zwraca uwagę, że pytanie o wsparcie lekarza, a nie jego zastąpienie, mogło podnieść akceptację.
Badanie internetowe obejmuje osoby aktywne cyfrowo. Należy zakładać, że akceptacja narzędzi zdalnych jest w nim raczej zawyżona, a słabiej reprezentowani są seniorzy wykluczeni cyfrowo — główni adresaci telemonitoringu.
Deklaracja to nie zachowanie. Sondaż mierzy postawy wobec AI w abstrakcji, bez konkretnego narzędzia i konkretnej korzyści, i wyłącznie po stronie pacjentów. Nie mówi nic o personelu, od którego akceptacji zależy, czy wdrożenie przetrwa pierwszy kwartał.

Sondaż jest więc cennym sygnałem dla społecznej warstwy oceny. Nie jest dowodem, że dane rozwiązanie da się wdrożyć.

2. Mapa akceptacji a mapa ryzyka

W Living Labie HCPL każde rozwiązanie oceniamy w trzech warstwach. Technologiczna: czy działa i z jaką jakością wobec ustalonego punktu odniesienia. Operacyjna: czy mieści się w ścieżce pacjenta i w procesie pracy, ile czasu dokłada, a ile odejmuje. Społeczna: czy personel i pacjenci je akceptują i czy rozumieją, jak zmienia się odpowiedzialność. Zestawienie wyników sondażu z tymi warstwami daje obraz mniej oczywisty niż nagłówki.

Wykres: odsetek badanych wskazujących obszar zastosowania AI w medycynie wobec intensywności nadzoru regulacyjnego — Mapa akceptacji a mapa ryzyka. Dane: UCE RESEARCH / Fundacja Medigent; przeliczenie i ocena: Healthcare Poland.

Obszar	Wskazania (cała próba)	Status regulacyjny	Główne ryzyko wdrożeniowe	Ocena HCPL
Monitoring pacjenta	ok. 17,7%	Oprogramowanie, które interpretuje sygnały i generuje alerty, jest co do zasady wyrobem medycznym (reguła 11 MDR: klasa IIa; przy parametrach życiowych, których zmiany mogą stwarzać bezpośrednie zagrożenie — IIb) i systemem AI wysokiego ryzyka.	Zmęczenie alarmami; brak ścieżki reakcji na alert w nocy; przypadki przeoczone; koszt utrzymania po zakończeniu finansowania projektowego.	Kierunek trafny, kwalifikacja nietrafna. Algorytm, który rozstrzyga, który sygnał jest alarmem, ustala pierwszeństwo. To triaż — tyle że ciągły.
Dokumentacja medyczna	ok. 17,0%	Narzędzia do transkrypcji i streszczania zwykle pozostają poza MDR, a więc bez obowiązku dowodów klinicznych. Przetwarzają dane szczególnej kategorii, często nagrywają rozmowę z pacjentem (wymagana ocena skutków dla ochrony danych).	Błędnie wygenerowane treści trafiają do dokumentu o skutkach prawnych i przenoszą się do kolejnych decyzji; „zatwierdzanie bez czytania”.	Ryzyko niedoszacowane. Jest mało widoczne, ale nie jest małe.
Umawianie wizyt	ok. 9,9%	Poza MDR, dopóki system nie ustala pierwszeństwa według objawów — wtedy staje się triażem. Systemy rozmawiające z pacjentem muszą informować, że rozmówcą jest AI.	Wykluczenie osób starszych; integracja z e-rejestracją. AI nie tworzy nowych terminów.	Ryzyko ocenione trafnie, efekt przeszacowany. Jeśli wąskim gardłem jest podaż świadczeń, kolejka się nie skróci.
Analiza badań obrazowych	ok. 3,5%	Wyrób medyczny klasy IIa lub IIb, z oceną zgodności z udziałem jednostki notyfikowanej. Radiologia dominuje wśród dopuszczeń systemów AI jako wyrobów medycznych (lista FDA).	Bezkrytyczne zaufanie do podpowiedzi (automation bias); stopniowa utrata umiejętności; niejasna rola w liście roboczej — drugi czytający czy ustalanie kolejności opisów.	Nietrafna. To obszar z najmocniejszą bazą dowodową, który już dziś działa jako wsparcie pod nadzorem — dokładnie takie, jakiego oczekują respondenci.
Diagnostyka i dobór terapii	ok. 2,8% / ok. 2,2%	Wyrób medyczny klas IIa–III, często z badaniem klinicznym; system AI wysokiego ryzyka.	Model skuteczny w jednym szpitalu może zawieść w innym; potrzeba walidacji w realnej praktyce; podział odpowiedzialności.	Trafna. Ostrożność proporcjonalna do wpływu na zdrowie i życie pacjenta.

Uwaga: w grudniu 2025 r. Komisja Europejska zaproponowała zmianę reguły 11 MDR (COM(2025) 1023, procedura 2025/0404(COD)). Propozycja nie została przyjęta. Jej ostateczne brzmienie może zmienić klasyfikację części oprogramowania medycznego, a pośrednio — jego status w AI Act.

Z zestawienia wyłania się paradoks. Najchętniej akceptujemy to, co regulator widzi najsłabiej, a najostrożniej podchodzimy do tego, co przechodzi najpełniejszą ocenę. Narzędzie do generowania notatek może trafić do gabinetu bez dowodów klinicznych, choć jego błąd ląduje w dokumentacji medycznej. Algorytm wspierający opis tomografii przechodzi ocenę zgodności z udziałem strony trzeciej, a mimo to budzi największą rezerwę. Akceptacja społeczna nie może więc zastępować oceny ryzyka — ani w decyzji zakupowej szpitala, ani w polityce publicznej.

3. Nadzór człowieka: zasada, którą trzeba zmierzyć

Respondenci i prawodawca europejski są tu zgodni: ostateczna decyzja należy do człowieka. Nadzór formalny nie jest jednak nadzorem realnym. Lekarz, który nie ma czasu, kompetencji ani informacji o niepewności modelu, nie nadzoruje — zatwierdza. Zjawisko bezkrytycznego zaufania do podpowiedzi systemu (automation bias) jest dobrze opisane w badaniach nad automatyzacją.

W kulturze sprawiedliwego traktowania (Just Culture) odpowiedzialność idzie w parze z realną możliwością sprzeciwu. Nie można rozliczać człowieka z decyzji, której system pracy nie pozwolił mu zakwestionować. Dlatego w pilotażach HCPL nadzór ludzki jest miernikiem, nie deklaracją. Mierzymy:

jak często personel koryguje sugestie systemu i w jakich sytuacjach;
ile trwa weryfikacja wyniku i kto ją wykonuje;
jak personel reaguje na sugestie błędne — badane na danych retrospektywnych, bez ryzyka dla pacjentów;
ile minut dziennie rozwiązanie dokłada, a ile odejmuje, i czyim kosztem.

Tak samo traktujemy obietnicę „odzyskanego czasu lekarza”. To hipoteza, nie fakt. Wymaga pomiaru czasu pracy przed wdrożeniem i odpowiedzi, dokąd ten czas trafia: do rozmowy z pacjentem czy do większej liczby wizyt. Trzeba też policzyć czas, który pochłania sprawdzanie wyników AI.

4. Kalendarz zgodności szpitala: AI Act i EHDS

AI Act (rozporządzenie (UE) 2024/1689) rozstrzyga, jak szpital może używać systemów AI. Europejska Przestrzeń Danych dotyczących Zdrowia — EHDS (rozporządzenie (UE) 2025/327) — rozstrzyga, na jakich danych te systemy będą mogły być rozwijane i oceniane. Oba kalendarze zbiegają się w latach 2027–2029. Szpital, który korzysta z systemu AI, jest w rozumieniu AI Act podmiotem stosującym, a zakres jego obowiązków zależy od klasy systemu i od daty. Kalendarz AI Act zmieniło rozporządzenie (UE) 2026/1744 (Digital Omnibus on AI), które weszło w życie 27 lipca 2026 r.

Oś czasu obowiązków AI Act i EHDS dla szpitali w latach 2025–2031 — Kalendarz AI Act i EHDS dla szpitali — stan na 12.11.2026.

Od 2 lutego 2025 r. — kompetencje w zakresie AI (art. 4 AI Act). W brzmieniu nadanym przez rozporządzenie 2026/1744 dostawcy i podmioty stosujące podejmują środki wspierające kompetencje personelu, który obsługuje systemy AI w ich imieniu.
26 marca 2025 r. — rozporządzenie EHDS weszło w życie; rozpoczął się okres przejściowy.
Od 2 sierpnia 2026 r. — obowiązki przejrzystości (art. 50 AI Act). Systemy przeznaczone do bezpośredniej interakcji z ludźmi muszą informować, że rozmówcą jest AI. Szpital powinien to sprawdzić u dostawcy chatbota lub voicebota rejestracji.
Ustawa z 3 lipca 2026 r. o systemach sztucznej inteligencji — powołuje Komisję Rozwoju i Bezpieczeństwa Sztucznej Inteligencji (KRiBSI) jako krajowy organ nadzoru, odpowiedzialny m.in. za piaskownice regulacyjne, bezpłatne dla mikro-, małych i średnich przedsiębiorstw. Komisja rozpoczyna działalność w listopadzie 2026 r.
Marzec 2027 r. — termin przyjęcia przez Komisję Europejską kluczowych aktów wykonawczych EHDS.
Do 2 sierpnia 2027 r. — termin utworzenia krajowych piaskownic regulacyjnych AI (przesunięty rozporządzeniem 2026/1744).
Od 2 grudnia 2027 r. — obowiązki dla systemów wysokiego ryzyka z załącznika III AI Act. W ochronie zdrowia obejmuje to m.in. systemy triażu pacjentów w stanach nagłych (pkt 5 lit. d) oraz systemy oceniające uprawnienia do publicznych świadczeń, w tym opieki zdrowotnej (pkt 5 lit. a). Podmioty prawa publicznego i podmioty prywatne świadczące usługi publiczne muszą przed wdrożeniem takiego systemu przeprowadzić ocenę skutków dla praw podstawowych (art. 27) i zgłosić jej wynik organowi nadzoru rynku.
Od 2 sierpnia 2028 r. — obowiązki dla AI będącej wyrobem medycznym lub jego elementem związanym z bezpieczeństwem, gdy wyrób podlega ocenie zgodności z udziałem strony trzeciej (art. 6 ust. 1 AI Act). Nadzór rynku sprawuje co do zasady organ właściwy dla wyrobów medycznych (art. 74 ust. 3).
Marzec 2029 r. — EHDS: wymiana kart pacjenta oraz e-recept i e-wydań we wszystkich państwach członkowskich; zaczynają obowiązywać zasady wtórnego wykorzystania większości kategorii danych, m.in. z elektronicznej dokumentacji medycznej. Dostęp do danych w celach badawczych i innowacyjnych wymaga zezwolenia wydanego przez organ dostępu do danych dotyczących zdrowia.
Marzec 2031 r. — EHDS: obrazy medyczne, wyniki badań laboratoryjnych i wypisy szpitalne; zasady wtórnego wykorzystania obejmują pozostałe kategorie danych, np. dane genomowe.

Dla obu grup systemów wysokiego ryzyka szpital jako podmiot stosujący musi (art. 26 AI Act): używać systemu zgodnie z instrukcją dostawcy; powierzyć nadzór osobom o niezbędnych kompetencjach, przeszkoleniu i uprawnieniach; dbać o adekwatność danych wejściowych, jeśli je kontroluje; monitorować działanie systemu, zgłaszać ryzyka i poważne incydenty; przechowywać logi przez co najmniej sześć miesięcy; uprzedzić pracowników i ich przedstawicieli o wdrożeniu; a w przypadku systemów z załącznika III — informować pacjentów, że system wspiera decyzje, które ich dotyczą.

Przesunięcie terminów nie jest zwolnieniem z obowiązków. To okno. Dla szpitali i dostawców oznacza ono dwa lata na zebranie dowodów w realnym środowisku, uporządkowanie ładu danych i zbudowanie procedur, zanim obowiązki zaczną być stosowane. Szpital, który zacznie przygotowania w 2028 r., zacznie za późno.

5. Infrastruktura walidacyjna Healthcare Poland

Test operacyjny wymaga infrastruktury: miejsca, w którym rozwiązanie spotyka realny proces kliniczny, środowiska, w którym można je bezpiecznie sprawdzić na danych, i niezależnej oceny wyniku. Healthcare Poland buduje te warstwy jako jeden ciąg — od kwalifikacji zgłoszenia do raportu, który dyrektor innego szpitala może wykorzystać przy własnej decyzji.

Schemat infrastruktury walidacyjnej Healthcare Poland: od kwalifikacji do gotowości do oceny zgodności — Infrastruktura walidacyjna Healthcare Poland — każdy moduł można zamówić osobno.

Living Lab Healthcare — walidacja i pilotaże rozwiązań MedTech i AI w realnym środowisku klinicznym, z oceną operacyjną i społeczną. Warunki pilotażu, poufność i odpowiedzialność uzgadniamy przed startem.
Piaskownica operacyjna — izolowane środowisko walidacyjne pracujące na danych syntetycznych lub zanonimizowanych, w trybach: rozwojowym, naukowym, regulacyjnym i komercyjnym. Uzupełnia, a nie zastępuje piaskownice regulacyjne KRiBSI.
HeliX — Health Ecosystem for Learning and Innovation Across Sovereign Data Space — europejska platforma uczenia federacyjnego dla danych zdrowotnych: dane pozostają u źródła, a do danych trafia algorytm. Konsorcjum 14 partnerów z Portugalii, Włoch, Węgier, Niemiec i Polski koordynuje Health Cluster Portugal; projekt trwa od września 2025 r. do września 2028 r. w ramach instrumentu Interregionalnych Inwestycji w Innowacje (I3). Healthcare Poland jest jedynym partnerem z Polski: prowadzi zadanie dostosowania regulacyjnego i politycznego platformy (RODO, AI Act, cyberbezpieczeństwo, EHDS) i odpowiada za koordynację regionalną w Polsce. To bezpośrednie przygotowanie do świata EHDS, w którym wtórne wykorzystanie danych będzie wymagało zezwoleń, a architektura federacyjna — dowodów, że dane nie opuszczają placówki.
Open HCPL HIS — polska dystrybucja otwartego systemu OpenEMR z natywnym FHIR R4 i SMART on FHIR (licencja GPLv3), projektowana pod wymogi NIS2; w przygotowaniu do pilotażu jako środowisko referencyjne do testów integracji rozwiązań AI.
Centrum Jakości, Audytu i Certyfikacji — niezależna od walidacji ocena wyniku. Rozwijany tu standard AICACT SDAI (w konsultacjach publicznych) ocenia dostawcę AI, jego procesy i kompletność dokumentacji udostępnianej nabywcy. Nie jest oceną zgodności w rozumieniu MDR ani AI Act i nie zastępuje oznakowania CE.
Akademia HCPL — programy kompetencyjne dla personelu i kadry zarządzającej.

Projekt HeliX (umowa nr 101228287) jest współfinansowany przez Unię Europejską. Wyrażone poglądy i opinie są wyłącznie poglądami autora i nie muszą odzwierciedlać poglądów Unii Europejskiej ani Agencji Wykonawczej ds. Europejskiej Rady ds. Innowacji i MŚP (EISMEA). Ani Unia Europejska, ani organ przyznający pomoc nie ponoszą za nie odpowiedzialności.

6. Co Healthcare Poland może wykonać

Fundacja Healthcare Poland nie zastępuje piaskownicy regulacyjnej KRiBSI ani oceny zgodności prowadzonej przez jednostkę notyfikowaną. Przygotowujemy do nich i dostarczamy dowodów z praktyki. Każdy moduł można zamówić osobno — nie trzeba brać całości.

A. Walidacja technologii — dla dostawców i szpitali testujących rozwiązanie

Kwalifikacja zgłoszenia. Ewaluacja w ramach MedTechID (25 pytań kwalifikacyjnych), ocena poziomu gotowości technologicznej (TRL) i sprowadzenie zgłoszenia do konkretnego zastosowania u konkretnego użytkownika. Wynik: karta oceny z decyzją i uzasadnieniem — także wtedy, gdy na pilotaż jest za wcześnie.
Triage Sprint (2–3 tygodnie). Mapa przepisów, które wchodzą w grę (MDR/IVDR, AI Act, RODO, EHDS, przepisy o dokumentacji medycznej), wstępna klasyfikacja ryzyka i wskazanie ścieżki: piaskownica operacyjna, regulacyjna czy obie kolejno.
Pilotaż Living Lab / sprint walidacyjny 90 dni. Protokół z punktem odniesienia, miernikami i kryterium przerwania ustalonymi przed startem. Ocena w trzech warstwach: technologicznej, operacyjnej i społecznej, obejmującej personel i pacjentów. Raport z rekomendacją: wdrożyć, wdrożyć warunkowo, powtórzyć albo nie wdrażać. Wyniki negatywne raportujemy tak samo starannie jak pozytywne.
Walidacja na danych w modelu federacyjnym — projekt testu, w którym algorytm trafia do danych, a dane nie opuszczają placówki; z warstwą prawną (podstawa przetwarzania, role administratorów) przygotowaną przed startem.
Przygotowanie do oceny zgodności. Analiza luk i dokumentacja pod MDR/IVDR i AI Act. HCPL nie jest jednostką notyfikowaną i nie wydaje oznakowania CE — przygotowujemy do oceny, której dokonuje uprawniony podmiot.
Stałe wsparcie governance. Monitoring zmian regulacyjnych i utrzymanie gotowości po wdrożeniu.

B. Gotowość szpitala do wymogów AI Act i EHDS

Inwentaryzacja i klasyfikacja systemów AI używanych w placówce — także funkcji wbudowanych w HIS, PACS czy system rejestracji, które nie zawsze figurują w ewidencji.
Audyt zgodności narzędzi już używanych — analiza luk wobec obowiązków podmiotu stosującego: model nadzoru ludzkiego, przechowywanie logów, procedura zgłaszania incydentów, informowanie pracowników i pacjentów.
Ocena skutków dla praw podstawowych (FRIA) i spójna z nią ocena skutków dla ochrony danych (DPIA) — dla systemów, które tego wymagają.
Ład danych i gotowość do EHDS — mapa danych, interoperacyjność, przygotowanie do udostępniania danych na podstawie zezwoleń organu dostępu do danych dotyczących zdrowia.
Program kompetencji AI dla personelu i kadry zarządzającej, realizowany w ramach Akademii HCPL.
Ocena przedzakupowa rozwiązań AI — w oparciu o dziesięć pytań Poradnika Nabywcy AI: wymagania do opisu przedmiotu zamówienia, pytania do dostawcy i kryteria odbioru, w tym ocena bezpieczeństwa narzędzi do dokumentacji medycznej.
Cyberbezpieczeństwo NIS2 — audyt i plan dojrzałości, gdy wdrożenie AI dotyka infrastruktury krytycznej szpitala.

7. Pięć zasad dla szpitali na najbliższe dwa lata

Najpierw inwentaryzacja, potem zakup. Funkcje AI bywają wbudowane w systemy, z których szpital już korzysta — i nie zawsze figurują w ewidencji.
Żadnego pilotażu bez punktu odniesienia i kryterium przerwania. Pilotaż, który nie może się nie udać, nie jest testem.
W monitoringu najpierw zaprojektuj reakcję. Kto, w jakim czasie i na jakiej podstawie odpowiada na alert o trzeciej w nocy?
Narzędzia do dokumentacji traktuj jak systemy o wpływie klinicznym — z oceną jakości notatek i oceną skutków dla ochrony danych przed wdrożeniem.
Zmierz akceptację personelu przed startem. Brak akceptacji i nieplanowane obciążenie zespołu to częsta przyczyna cichej śmierci pilotaży.

Zamiast zakończenia

Zaufanie społeczne do AI w medycynie jest kapitałem — i jak każdy kapitał łatwo je roztrwonić. Wystarczy jedno wdrożenie, które obiecało odzyskany czas lekarza, a przyniosło nocne alarmy bez obsady i notatki, których nikt nie przeczytał. Odpowiedzialność za technologię nie kończy się na zgodności z przepisem ani na wyniku sondażu. Sprawdza się tam, gdzie leży pacjent: w szpitalu, przy łóżku, o trzeciej nad ranem. Tam prowadzimy nasze testy.

Najczęstsze pytania

Od kiedy szpital musi stosować obowiązki AI Act dla systemów wysokiego ryzyka?

Po zmianach wprowadzonych rozporządzeniem (UE) 2026/1744: od 2 grudnia 2027 r. dla systemów z załącznika III (m.in. triaż pacjentów w stanach nagłych) i od 2 sierpnia 2028 r. dla AI będącej wyrobem medycznym podlegającym ocenie zgodności z udziałem strony trzeciej. Obowiązek dbania o kompetencje w zakresie AI obowiązuje od 2 lutego 2025 r., a obowiązki przejrzystości — od 2 sierpnia 2026 r.

Co EHDS zmienia dla rozwoju AI w szpitalach?

Od marca 2029 r. zaczynają obowiązywać zasady wtórnego wykorzystania większości kategorii danych zdrowotnych, m.in. z elektronicznej dokumentacji medycznej. Dostęp do danych w celach badawczych i innowacyjnych będzie wymagał zezwolenia organu dostępu do danych dotyczących zdrowia. Szpital, który uporządkuje ład danych wcześniej, będzie gotowy zarówno do udostępniania danych, jak i do udziału w projektach federacyjnych.

Czym jest Living Lab Healthcare Poland?

To model walidacji rozwiązań MedTech i AI w realnym środowisku klinicznym. Każdy pilotaż ma ustalony przed startem punkt odniesienia, mierniki i kryterium przerwania, a wynik jest oceniany w trzech warstwach: technologicznej, operacyjnej i społecznej.

Czym jest projekt HeliX?

HeliX (Health Ecosystem for Learning and Innovation Across Sovereign Data Space) to europejski projekt platformy uczenia federacyjnego dla danych zdrowotnych, realizowany przez konsorcjum 14 partnerów w latach 2025–2028. Fundacja Healthcare Poland jest jedynym partnerem z Polski i prowadzi zadanie dostosowania regulacyjnego i politycznego platformy, w tym wobec EHDS i AI Act.

Czy Healthcare Poland wydaje oznakowanie CE?

Nie. HCPL nie jest jednostką notyfikowaną. Prowadzimy audyty gotowości, analizy luk i przygotowanie do oceny zgodności oraz certyfikację we własnych standardach, takich jak AICACT SDAI, która nie zastępuje oceny zgodności wymaganej przez MDR i AI Act.

Szpitale i dostawcy technologii zainteresowani kwalifikacją do Living Labu, sprintem walidacyjnym lub audytem gotowości do AI Act i EHDS: innowacje@healthcarepoland.pl. Każdy moduł można zamówić osobno. Więcej: Centrum Innowacji HCPL · HeliX – EHDS · AICACT SDAI · Data Governance · Akademia HCPL · Koalicja CyberC4HE.

Autor: Michał P. Dybowski — współzałożyciel i zarządzający Fundacją Healthcare Poland.

Zaufanie to jeszcze nie wdrożenie. Sondaż o AI w medycynie w świetle Living Labu Healthcare Poland