{"id":5538,"date":"2026-11-12T14:48:42","date_gmt":"2026-11-12T13:48:42","guid":{"rendered":"https:\/\/healthcarepoland.pl\/ai-act-ehds-living-lab-szpital\/"},"modified":"2026-11-12T14:48:42","modified_gmt":"2026-11-12T13:48:42","slug":"ai-act-ehds-living-lab-szpital","status":"publish","type":"post","link":"https:\/\/healthcarepoland.pl\/pl\/ai-act-ehds-living-lab-szpital\/","title":{"rendered":"Zaufanie to jeszcze nie wdro\u017cenie. Sonda\u017c o AI w medycynie w \u015bwietle Living Labu Healthcare Poland"},"content":{"rendered":"\n

Analiza Living Labu i piaskownicy operacyjnej Fundacji Healthcare Poland. Stan prawny na 12 listopada 2026 r.<\/em><\/p>\n\n\n\n

Raport \u201ePolacy o AI w medycynie. Edycja 2026\u201d, przygotowany przez UCE RESEARCH we wsp\u00f3\u0142pracy merytorycznej z Fundacj\u0105 Medigent, pokazuje spo\u0142ecze\u0144stwo ostro\u017cnie otwarte: sztuczna inteligencja tak, ale jako wsparcie lekarza, nie jego zast\u0119pstwo. Autorzy raportu odczytuj\u0105 wyniki jako dow\u00f3d racjonalno\u015bci. Pacjenci mieliby intuicyjnie wskaza\u0107 obszary, w kt\u00f3rych technologia odci\u0105\u017ca system, nie naruszaj\u0105c kompetencji lekarza.<\/p>\n\n\n\n

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 mo\u017ce bezpiecznie wdro\u017cy\u0107 \u2014 i na jakich danych.<\/p>\n\n\n\n

\n

Zgodno\u015b\u0107 z przepisem m\u00f3wi, czy rozwi\u0105zanie wolno wdro\u017cy\u0107. Deklaracja spo\u0142eczna m\u00f3wi, czy ludzie s\u0105 gotowi je przyj\u0105\u0107. Dopiero test operacyjny w realnym \u015brodowisku klinicznym m\u00f3wi, czy da si\u0119 je wdro\u017cy\u0107: czy personel b\u0119dzie z niego korzysta\u0142, czy mie\u015bci si\u0119 w \u015bcie\u017cce pacjenta i czy nie przenosi ryzyka w inne miejsce.<\/p>\n<\/blockquote>\n\n\n\n

1. Co m\u00f3wi\u0105 dane \u2014 i czego nie m\u00f3wi\u0105<\/h2>\n\n\n\n

Badanie przeprowadzono metod\u0105 CAWI na pr\u00f3bie 1017 os\u00f3b w wieku 18\u201380 lat. 46,7% badanych popiera wykorzystanie AI jako wsparcia lekarzy, 30,6% jest temu przeciwnych, a 22,7% nie ma zdania. W\u015br\u00f3d popieraj\u0105cych najcz\u0119\u015bciej wskazywano monitoring pacjenta (37,9%), prowadzenie dokumentacji medycznej (36,4%) i umawianie wizyt (21,3%). Znacznie rzadziej wskazywano analiz\u0119 bada\u0144 obrazowych (7,5%), diagnostyk\u0119 (6,1%) i dob\u00f3r terapii (4,7%).<\/p>\n\n\n\n

Rzetelna lektura tych liczb wymaga czterech zastrze\u017ce\u0144.<\/p>\n\n\n\n

    \n
  1. Odsetki zastosowa\u0144 liczono wy\u0142\u0105cznie w grupie popieraj\u0105cych.<\/strong> W odniesieniu do ca\u0142ej pr\u00f3by monitoring wskaza\u0142o ok. 17,7% badanych, dokumentacj\u0119 ok. 17,0%, umawianie wizyt ok. 9,9%, analiz\u0119 obrazow\u0105 ok. 3,5%, diagnostyk\u0119 ok. 2,8%, a dob\u00f3r terapii ok. 2,2% (przeliczenie HCPL).<\/li>\n\n\n
  2. Niewskazanie nie jest sprzeciwem.<\/strong> Pytanie by\u0142o wielokrotnego wyboru. Teza, \u017ce Polacy nie chc\u0105 AI w decyzjach klinicznych, jest interpretacj\u0105: badanie pyta\u0142o o obszary wsparcia. Wsp\u00f3\u0142autor raportu, dr n. med. Wojciech Francuzik, zwraca uwag\u0119, \u017ce pytanie o wsparcie lekarza, a nie jego zast\u0105pienie, mog\u0142o podnie\u015b\u0107 akceptacj\u0119.<\/li>\n\n\n
  3. Badanie internetowe obejmuje osoby aktywne cyfrowo.<\/strong> Nale\u017cy zak\u0142ada\u0107, \u017ce akceptacja narz\u0119dzi zdalnych jest w nim raczej zawy\u017cona, a s\u0142abiej reprezentowani s\u0105 seniorzy wykluczeni cyfrowo \u2014 g\u0142\u00f3wni adresaci telemonitoringu.<\/li>\n\n\n
  4. Deklaracja to nie zachowanie.<\/strong> Sonda\u017c mierzy postawy wobec AI w abstrakcji, bez konkretnego narz\u0119dzia i konkretnej korzy\u015bci, i wy\u0142\u0105cznie po stronie pacjent\u00f3w. Nie m\u00f3wi nic o personelu, od kt\u00f3rego akceptacji zale\u017cy, czy wdro\u017cenie przetrwa pierwszy kwarta\u0142.<\/li>\n<\/ol>\n\n\n\n

    Sonda\u017c jest wi\u0119c cennym sygna\u0142em dla spo\u0142ecznej warstwy oceny. Nie jest dowodem, \u017ce dane rozwi\u0105zanie da si\u0119 wdro\u017cy\u0107.<\/p>\n\n\n\n

    2. Mapa akceptacji a mapa ryzyka<\/h2>\n\n\n\n

    W Living Labie HCPL ka\u017cde rozwi\u0105zanie oceniamy w trzech warstwach. Technologiczna: czy dzia\u0142a i z jak\u0105 jako\u015bci\u0105 wobec ustalonego punktu odniesienia. Operacyjna: czy mie\u015bci si\u0119 w \u015bcie\u017cce pacjenta i w procesie pracy, ile czasu dok\u0142ada, a ile odejmuje. Spo\u0142eczna: czy personel i pacjenci je akceptuj\u0105 i czy rozumiej\u0105, jak zmienia si\u0119 odpowiedzialno\u015b\u0107. Zestawienie wynik\u00f3w sonda\u017cu z tymi warstwami daje obraz mniej oczywisty ni\u017c nag\u0142\u00f3wki.<\/p>\n\n\n\n

    \"Wykres:<\/a>
    Mapa akceptacji a mapa ryzyka. Dane: UCE RESEARCH \/ Fundacja Medigent; przeliczenie i ocena: Healthcare Poland.<\/figcaption><\/figure>\n\n\n\n
    Obszar<\/th>Wskazania (ca\u0142a pr\u00f3ba)<\/th>Status regulacyjny<\/th>G\u0142\u00f3wne ryzyko wdro\u017ceniowe<\/th>Ocena HCPL<\/th><\/tr><\/thead>
    Monitoring pacjenta<\/strong><\/td>ok. 17,7%<\/td>Oprogramowanie, kt\u00f3re interpretuje sygna\u0142y i generuje alerty, jest co do zasady wyrobem medycznym (regu\u0142a 11 MDR: klasa IIa; przy parametrach \u017cyciowych, kt\u00f3rych zmiany mog\u0105 stwarza\u0107 bezpo\u015brednie zagro\u017cenie \u2014 IIb) i systemem AI wysokiego ryzyka.<\/td>Zm\u0119czenie alarmami; brak \u015bcie\u017cki reakcji na alert w nocy; przypadki przeoczone; koszt utrzymania po zako\u0144czeniu finansowania projektowego.<\/td>Kierunek trafny, kwalifikacja nietrafna. Algorytm, kt\u00f3ry rozstrzyga, kt\u00f3ry sygna\u0142 jest alarmem, ustala pierwsze\u0144stwo. To tria\u017c \u2014 tyle \u017ce ci\u0105g\u0142y.<\/td><\/tr>
    Dokumentacja medyczna<\/strong><\/td>ok. 17,0%<\/td>Narz\u0119dzia do transkrypcji i streszczania zwykle pozostaj\u0105 poza MDR, a wi\u0119c bez obowi\u0105zku dowod\u00f3w klinicznych. Przetwarzaj\u0105 dane szczeg\u00f3lnej kategorii, cz\u0119sto nagrywaj\u0105 rozmow\u0119 z pacjentem (wymagana ocena skutk\u00f3w dla ochrony danych).<\/td>B\u0142\u0119dnie wygenerowane tre\u015bci trafiaj\u0105 do dokumentu o skutkach prawnych i przenosz\u0105 si\u0119 do kolejnych decyzji; \u201ezatwierdzanie bez czytania\u201d.<\/td>Ryzyko niedoszacowane. Jest ma\u0142o widoczne, ale nie jest ma\u0142e.<\/td><\/tr>
    Umawianie wizyt<\/strong><\/td>ok. 9,9%<\/td>Poza MDR, dop\u00f3ki system nie ustala pierwsze\u0144stwa wed\u0142ug objaw\u00f3w \u2014 wtedy staje si\u0119 tria\u017cem. Systemy rozmawiaj\u0105ce z pacjentem musz\u0105 informowa\u0107, \u017ce rozm\u00f3wc\u0105 jest AI.<\/td>Wykluczenie os\u00f3b starszych; integracja z e-rejestracj\u0105. AI nie tworzy nowych termin\u00f3w.<\/td>Ryzyko ocenione trafnie, efekt przeszacowany. Je\u015bli w\u0105skim gard\u0142em jest poda\u017c \u015bwiadcze\u0144, kolejka si\u0119 nie skr\u00f3ci.<\/td><\/tr>
    Analiza bada\u0144 obrazowych<\/strong><\/td>ok. 3,5%<\/td>Wyr\u00f3b medyczny klasy IIa lub IIb, z ocen\u0105 zgodno\u015bci z udzia\u0142em jednostki notyfikowanej. Radiologia dominuje w\u015br\u00f3d dopuszcze\u0144 system\u00f3w AI jako wyrob\u00f3w medycznych (lista FDA).<\/td>Bezkrytyczne zaufanie do podpowiedzi (automation bias); stopniowa utrata umiej\u0119tno\u015bci; niejasna rola w li\u015bcie roboczej \u2014 drugi czytaj\u0105cy czy ustalanie kolejno\u015bci opis\u00f3w.<\/td>Nietrafna. To obszar z najmocniejsz\u0105 baz\u0105 dowodow\u0105, kt\u00f3ry ju\u017c dzi\u015b dzia\u0142a jako wsparcie pod nadzorem \u2014 dok\u0142adnie takie, jakiego oczekuj\u0105 respondenci.<\/td><\/tr>
    Diagnostyka i dob\u00f3r terapii<\/strong><\/td>ok. 2,8% \/ ok. 2,2%<\/td>Wyr\u00f3b medyczny klas IIa\u2013III, cz\u0119sto z badaniem klinicznym; system AI wysokiego ryzyka.<\/td>Model skuteczny w jednym szpitalu mo\u017ce zawie\u015b\u0107 w innym; potrzeba walidacji w realnej praktyce; podzia\u0142 odpowiedzialno\u015bci.<\/td>Trafna. Ostro\u017cno\u015b\u0107 proporcjonalna do wp\u0142ywu na zdrowie i \u017cycie pacjenta.<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

    Uwaga: w grudniu 2025 r. Komisja Europejska zaproponowa\u0142a zmian\u0119 regu\u0142y 11 MDR (COM(2025) 1023, procedura 2025\/0404(COD)). Propozycja nie zosta\u0142a przyj\u0119ta. Jej ostateczne brzmienie mo\u017ce zmieni\u0107 klasyfikacj\u0119 cz\u0119\u015bci oprogramowania medycznego, a po\u015brednio \u2014 jego status w AI Act.<\/em><\/p>\n\n\n\n

    Z zestawienia wy\u0142ania si\u0119 paradoks. Najch\u0119tniej akceptujemy to, co regulator widzi najs\u0142abiej, a najostro\u017cniej podchodzimy do tego, co przechodzi najpe\u0142niejsz\u0105 ocen\u0119. Narz\u0119dzie do generowania notatek mo\u017ce trafi\u0107 do gabinetu bez dowod\u00f3w klinicznych, cho\u0107 jego b\u0142\u0105d l\u0105duje w dokumentacji medycznej. Algorytm wspieraj\u0105cy opis tomografii przechodzi ocen\u0119 zgodno\u015bci z udzia\u0142em strony trzeciej, a mimo to budzi najwi\u0119ksz\u0105 rezerw\u0119. Akceptacja spo\u0142eczna nie mo\u017ce wi\u0119c zast\u0119powa\u0107 oceny ryzyka \u2014 ani w decyzji zakupowej szpitala, ani w polityce publicznej.<\/p>\n\n\n\n

    3. Nadz\u00f3r cz\u0142owieka: zasada, kt\u00f3r\u0105 trzeba zmierzy\u0107<\/h2>\n\n\n\n

    Respondenci i prawodawca europejski s\u0105 tu zgodni: ostateczna decyzja nale\u017cy do cz\u0142owieka. Nadz\u00f3r formalny nie jest jednak nadzorem realnym. Lekarz, kt\u00f3ry nie ma czasu, kompetencji ani informacji o niepewno\u015bci modelu, nie nadzoruje \u2014 zatwierdza. Zjawisko bezkrytycznego zaufania do podpowiedzi systemu (automation bias) jest dobrze opisane w badaniach nad automatyzacj\u0105.<\/p>\n\n\n\n

    W kulturze sprawiedliwego traktowania (Just Culture) odpowiedzialno\u015b\u0107 idzie w parze z realn\u0105 mo\u017cliwo\u015bci\u0105 sprzeciwu. Nie mo\u017cna rozlicza\u0107 cz\u0142owieka z decyzji, kt\u00f3rej system pracy nie pozwoli\u0142 mu zakwestionowa\u0107. Dlatego w pilota\u017cach HCPL nadz\u00f3r ludzki jest miernikiem, nie deklaracj\u0105. Mierzymy:<\/p>\n\n\n\n