Zanim doczekałeś się wizyty u specjalisty, gdzieś w Pekinie sztuczna inteligencja już postawiła komuś diagnozę. W Rotterdamie – zaleciła leczenie. A w Tel Awiwie – wykryła nowotwór na zdjęciu, zanim radiolog zdążył kliknąć „otwórz plik”. Tymczasem w Polsce innowacje czekają na korytarzu – nie dlatego, że nie działają, tylko dlatego, że nie ma komu ich wpuścić. Grzęzną w papierach, w braku instytucji i przede wszystkim – w braku pieniędzy.
Chińczycy mają już nawet pierwszy pełnoprawny wirtualny szpital. Agent Hospital, uruchomiony przez Tsinghua University, obsługuje dziesiątki tysięcy pacjentów tygodniowo – bez kolejek, bez rejestracji, bez lekarzy z krwi i kości. 42 AI-lekarzy obejmuje 21 specjalizacji – od neurologii po pediatrię. System potrafi obsłużyć do 10 000 pacjentów w kilka dni, diagnozując, doradzając i planując leczenie szybciej niż nie jeden zespół najlepszych specjalistów.
Technologia, która czeka za drzwiami
Sztuczna inteligencja w służbie zdrowia przestała być eksperymentem. To już infrastruktura. A w Polsce? Czekamy na technologiczną zmianę, która miała nadejść już dawno. Tylko 13,2% szpitali w Polsce deklaruje korzystanie z AI, jak pokazuje raport CeZ z 2024 roku. To oczywiście dane łączne – publiczne i prywatne wrzucone do jednego worka. A przecież wiadomo, kto biegnie szybciej – prywatni mają środki, sprzęt i mniej barier finansowych. Publiczne placówki? Uwięzione w trójkącie bermudzkim: braku zasobów, ludzi i strategii. Bo to nie dyrektorzy szpitali decydują o innowacjach, tylko urzędnicy, dla których AI to wciąż eksperyment, nie konieczność. Pacjenci zostają więc w tyle – w kolejkach i bez technologii, która gdzie indziej już działa. W przychodniach i poradniach jest jeszcze mizerniej – AI zagościła w co dwudziestej. To system, który nie widzi przyszłości, bo ciągle leczy pacjentów przeszłością.
Zwykły pacjent nie musi znać terminów takich jak MAI-DxO, EHDS czy SaMD. Wystarczy, że zna przychodnię i wie, co znaczy czekać na diagnozę miesiącami. Bo dziś medyczna AI potrafi więcej niż wielu lekarzy. Cztery razy trafniejsze diagnozy – jak w przypadku systemu Microsoftu – to nie science fiction. To fakt. I choć technologia powstaje w Dolinie Krzemowej, Chinach czy Izraelu, nie ma żadnego powodu, by nie dotarła do Hajnówki, Bielska Podlaskiego czy Suwałk.
Lista przełomów jest długa. Google ma Med-PaLM 2 – odpowiadający na pytania kliniczne z większą precyzją niż lekarz dyżurny. Izraelski Aidoc analizuje obrazy radiologiczne i ostrzega lekarzy przed niepokojącymi zmianami. Już dziś działa w setkach szpitali. AlphaFold 3, opracowany przez DeepMind, przewiduje, jak białka oddziałują z lekami – skracając lata kosztownych badań. AI już nie tylko asystuje przy medycynie. Ona staje się jej współautorem.
We wspomnianych Chinach sztuczna inteligencja nie tylko diagnozuje, ale i szkoli studentów. Agent Hospital oferuje tysiące symulacji przypadków – także tych rzadkich, których student w klasycznym toku nauczania może nigdy nie zobaczyć. To nie przyszłość – to codzienność uczelni w Pekinie.
W USA algorytmy wspierają lekarzy przy łóżku pacjenta. Systemy takie jak wspomniany MAI-DxO analizują dane medyczne w czasie rzeczywistym, podpowiadają możliwe diagnozy, sugerują badania i pomagają w decyzjach klinicznych. W niektórych placówkach AI prowadzi dokumentację wizyty i tworzy raporty, odciążając lekarzy z biurokratycznych obowiązków.
Polska się ogląda
A jak w Europie? Praktyka jest bardzo niejednolita. Choć brakuje pełnych, porównywalnych danych dla wszystkich państw UE, wiadomo, że medyczna sztuczna inteligencja rozwija się nierównomiernie. Są liderzy, tacy jak Holandia, Francja czy Dania, którzy nie tylko testują – oni już faktycznie działają.
W Holandii generatywna AI wykorzystywana jest już w ponad 75% szpitali (2025) – przede wszystkim do automatyzacji dokumentacji medycznej, analizy danych i wspierania decyzji klinicznych. Rozwijane są też algorytmy przewidujące długość hospitalizacji i wspomagające wczesne wykrywanie raka piersi. Francja osiągnęła poziom 45% placówek medycznych z wdrożeniami AI w 2024 roku, a według prognoz do 2025 r. liczba ta może wzrosnąć do 81%. Kraj rozwija narodową platformę danych zdrowotnych (SNDS), która łączy informacje z ubezpieczeń, szpitali i laboratoriów. Dania, choć przoduje głównie w adaptacji AI w sektorze prywatnym (28% firm korzysta z AI – najwyższy wynik w UE), wdraża również rozwiązania medyczne w ramach krajowej strategii cyfrowej. Niemcy prowadzą pilotaże, m.in. w diagnostyce kardiologicznej, choć na razie bez jednolitych statystyk dla całego systemu szpitalnego.
I choć u czołówki wygląda to nieźle, wielu wciąż zostaje w tyle. Polska wypada o wiele lepiej niż Rumunia (3,1%) czy Bułgaria (6,5%) (dane ogólne dla firm), zbliżona jest do Włoch (~10%), i plasuje się na poziomie Szwecji, która – mimo że często stawiana za wzór – ma zaledwie 13% szpitali AI, które wdrażają AI w ochronie zdrowia. Zamiast brać przykład z tych, którzy już zmodernizowali system, wciąż traktujemy regulacje jak barierę nie do pokonania. Jakbyśmy czekali, aż ktoś nas zmusi do działania. Tymczasem w wielu krajach to właśnie AI coraz częściej decyduje o jakości i szybkości leczenia. Tylko jeszcze nie u nas.
Innowacje przegrywają z biurokracją
Nie chodzi o to, że się nie da. Chodzi o to, że się nie chce. Bo zanim AI trafi na oddział, musi przebić się przez dżunglę certyfikacji, unijnych aktów, lokalnych urzędów i finansowej asekuracji. Zgodnie z Aktem o Sztucznej Inteligencji, który zacznie obowiązywać w pełni od sierpnia 2027 roku, diagnostyka oparta na AI to technologia wysokiego ryzyka – wymagająca rygorystycznej certyfikacji, ścisłego nadzoru i dowodów bezpieczeństwa klinicznego. Europejska Przestrzeń Danych Zdrowotnych (EHDS) formalnie obowiązuje od marca 2025 roku, ale praktyczne standardy interoperacyjności dopiero są wdrażane.
W Polsce, choć ustawa o wyrobach medycznych — obejmująca również oprogramowanie klasy SaMD, czyli Software as a Medical Device — obowiązuje od 2022 roku, wciąż jednak brakuje notyfikowanych jednostek oceniających. To znaczy: nawet jeśli mamy gotową technologię, nie ma komu jej zatwierdzić. Co gorsza, mimo obowiązującej ustawy i rosnącej liczby dostępnych nowoczesnych rozwiązań medycznych, system zatwierdzania w praktyce nie nadąża za innowacjami. To sprawia, że szpitale i producenci nie wiedzą, kiedy — i czy w ogóle — będą mogli korzystać z certyfikowanych narzędzi. Technologia czeka, ale drzwi pozostają zamknięte.
A mimo to, statystyki pokazują wzrost liczby szpitali deklarujących wdrożenia AI. Jak to możliwe? Klucz tkwi w tym, że wdrażane są głównie rozwiązania wspomagające, które nie podlegają pełnej certyfikacji jako wyroby medyczne — na przykład systemy do rozpoznawania głosu, analizy kolejek, zarządzania dokumentacją czy predykcji administracyjnej. To właśnie one „pompowały” wskaźniki wzrostu. Natomiast stricte kliniczne zastosowania AI, wymagające formalnej oceny jako SaMD, faktycznie pozostają w martwym punkcie. Jeśli pojawiają się wyjątki, to zwykle są to narzędzia certyfikowane za granicą lub wdrażane poza publicznym systemem ochrony zdrowia.
Nie istnieje też ścieżka refundacyjna dla oprogramowania medycznego klasy SaMD, a NFZ nie finansuje takich narzędzi. Agencja Oceny Technologii Medycznych nadal koncentruje się głównie na lekach i sprzęcie. W rezultacie szpitale finansowane ze środków publicznych nie mają ani środków, ani motywacji, by sięgać po innowacje.
Być może skończy się tak, że MAI-DxO trafi do wyszukiwarki Bing lub cyfrowego asystenta Copilot zanim trafi do szpitala. Ludzie będą korzystać z tej technologii szybciej, niż publiczna służba zdrowia będzie mogła ją wdrożyć.
Tu pojawia się rola uczelni medycznych. To one powinny być pierwszymi laboratoriami transformacji. Dziś są jedynym miejscem, gdzie wiedza kliniczna może spotkać się z technologią. Jeśli nie przygotują lekarzy do pracy z AI, przegapią moment. Nie chodzi o to, by AI zastąpiła lekarza. Ale by lekarz umiał z nią współpracować.
Symulacje z udziałem AI, współpraca z twórcami algorytmów, interdyscyplinarne kierunki łączące medycynę z informatyką – to nie dodatki. To warunki przetrwania profesjonalizmu medycznego w XXI wieku. Jeśli Chińczycy szkolą kolejne roczniki studentów w wirtualnych szpitalach, to my nie możemy zostać przy rekwizytach z lat 90.
AI może przynieść realne oszczędności. W USA mówi się o 200–360 miliardach dolarów rocznie. W całym UE – 170–300 miliardów euro m.in. dzięki czasowi uwalnianemu pracownikom ochrony zdrowia. Szybsze diagnozy, mniej błędów, mniej powtórek. Europejskie dane pokazują też, że całkowite koszty leczenia pacjentów, u których choroby zostały wykryte na wczesnym etapie, mogą być niższe średnio o 12–18%.
W Polsce? Brakuje nie tylko pilotaży, ale i rzetelnych badań o wpływie AI na efektywność ochrony zdrowia. Jak wskazują dostępne analizy, takich danych nie zbierano dotąd na poziomie krajowym. Wciąż nie wiadomo, jakie oszczędności i korzyści zdrowotne mogłyby przynieść wdrożenia AI w polskich szpitalach czy przychodniach. Polska nadal patrzy z boku, mając jedynie zagraniczne przykłady i szacunki – np. według danych z raportów Deloitte i NBER, AI może przynieść systemowe oszczędności rzędu 5–10% rocznych wydatków zdrowotnych. Dla Polski oznaczałoby to oszczędności na poziomie 12–24 miliardów zł rocznie. Za taką kwotę można by postawić dziesiątki oddziałów ratunkowych, zatrudnić tysiące lekarzy i pielęgniarek, albo podwoić budżet na leki refundowane. To krótsze kolejki, szybsze diagnozy i mniej cierpienia.
Jeśli publiczna ochrona zdrowia dalej będzie stała w miejscu, zapłacą pacjenci: wielu nie stać na prywatne leczenie, a kolejki w państwowych placówkach ciągle rosną. To nie biznes – to fundament równego dostępu i społecznej solidarności, który nie może upaść z braku modernizacji.
Nie ma nowoczesność bez solidarności
W Stanach Zjednoczonych aż 65% szpitali korzysta już z predykcyjnych modeli AI. Ale jednocześnie ponad 27 milionów ludzi nie ma tam żadnego ubezpieczenia zdrowotnego. Bez karty kredytowej nie wejdziesz do gabinetu – technologia działa, ale tylko dla tych, którzy mogą za nią zapłacić. Dla reszty nie ma rewolucji – jest selekcja.
I właśnie dlatego nie możemy oddać pola. Bo jeśli dostęp do AI będą mieli tylko ci z pakietem Lux Medu czy Medicoveru, to nie jest żadna rewolucja – to po prostu nowe pole nierówności. Jak zawsze – kto ma pieniądze, ten żyje dłużej, lepiej i z większym dostępem do lekarza. Reszta? W kolejce i bez dostępu do innowacji.
Nie chodzi o zachwyt nad technologiczną nowinką. Chodzi o prawo do szybkiej diagnozy – niezależnie od portfela i kodu pocztowego. Jeśli tej szansy nie damy wszystkim, nie będzie żadnej zmiany. Tylko nowa warstwa luksusu dla nielicznych.
