Diagnoza na kliknięcie: jak szybko AI wchodzi do europejskich szpitali
Coraz częściej, gdy rozmawiam z lekarzami, słyszę to samo zdanie: „komputer już to opisał, ja tylko potwierdzam”. Jeszcze parę lat temu brzmiałoby to jak żart z futurystycznego serialu. Dziś jest zwykłym opisem dyżuru na radiologii.
Nowy raport Światowej Organizacji Zdrowia pokazuje, że nie jest to anegdota z jednego szpitala. W latach 2024–2025 aż 74% krajów Unii Europejskiej korzystało już z AI w diagnostyce, a 63% używało chatbotów do kontaktu z pacjentami. Wszystkie 27 państw wskazało poprawę opieki nad pacjentem jako główny cel inwestycji w sztuczną inteligencję. Brzmi imponująco, ale też trochę jak zapowiedź poważnej rewolucji.
Co w praktyce kryje się za hasłem „AI w diagnostyce”? To bardzo konkretne rzeczy: system, który analizuje zdjęcia RTG i tomografii i podkreśla podejrzane obszary. Oprogramowanie, które robi wstępny opis badania i podsuwa radiologowi listę „rzeczy do sprawdzenia”. Algorytm, który na podstawie objawów i wyników badań sugeruje rzadkie choroby, o których lekarz widzi może jedną na kilka lat.
W jednym ze szpitali w Skandynawii radiolodzy opowiadali, że w pilotażowym projekcie AI „przeczesuje” obrazy pod kątem zmian nowotworowych, zanim człowiek w ogóle otworzy badanie. W kraju Europy Środkowej, bliższym nam geograficznie i mentalnie, podobny system działa już na stałe w kilku dużych pracowniach obrazowych. Lekarze dostają badanie z podpowiedziami i zaznaczonymi ogniskami podejrzanymi o raka, a ich rola coraz częściej przesuwa się z „szukania igły w stogu siana” na weryfikację i rozmowę z pacjentem.
To nie są gadżety do pokazów na konferencjach. To narzędzia, które realnie decydują o tym, ile osób zdąży dostać diagnozę przed udarem, zawałem czy rozsianiem choroby nowotworowej. I robią to w systemach, które już dziś są zapchane kolejkami i zmagają się z brakami kadrowymi. AI może tu pomóc. Może też te problemy brutalnie obnażyć, jeśli zostanie wciśnięta do systemu bez planu.
Odciążenie lekarzy czy kolejny obowiązek? Główne korzyści z AI w diagnostyce, administracji i profilaktyce
Wyobraźmy sobie zwykły dyżur. Jest po 22:00, kolejka na SOR-ze nadal nie maleje, a w pokoju lekarzy rośnie sterta papierów do podpisu. Na ekranie obok mruga system, który teoretycznie mógłby połowę tej dokumentacji ogarnąć automatycznie. Teoretycznie – bo w praktyce bywa różnie.
Najbardziej widowiskowy obszar to diagnostyka. Algorytmy analizują zdjęcia płuc, mózgu, piersi i innych narządów w tempie, którego człowiek nie jest w stanie utrzymać przez 12‑godzinny dyżur. Potrafią wychwycić małe zmiany nowotworowe albo pierwsze ślady udaru, które na zmęczone oko są prawie niewidoczne. W wielu krajach radiolog już dziś dostaje wstępnie opisane badanie i coraz częściej skupia się na tym, by podjąć decyzję i wytłumaczyć ją pacjentowi, zamiast zaczynać od „ręcznego” przeglądania setek slajdów.
Cała ta magia dzieje się w chmurze i na ogromnych mocach obliczeniowych. Wyścig o infrastrukturę, który opisuję szerzej w tekście o wojnie o GPU między Amazonem, OpenAI i innymi gigantami, przekłada się potem na to, czy szpital w Europie dostaje wynik badania w dwie minuty czy w dwadzieścia.
Drugi obszar to cała „nudna” administracja, która potrafi spalić lekarzowi kilka godzin dziennie. System, który sam uzupełnia powtarzalne fragmenty dokumentacji. Rejestracja, która proponuje pacjentowi najbliższy realny termin, a nie pierwszy lepszy wolny slot. Chatbot, który odpowiada na pytania o przygotowanie się do badań albo przypomina o wizycie. W danych WHO 63% krajów korzysta już z takich chatbotów. To nie jest już niszowy eksperyment, tylko nowy standard.
Jeden dyrektor szpitala opowiadał mi z uśmiechem, że największy fan chatbota rejestracji to pacjent, który od lat dzwonił zawsze „po 22, jak wreszcie mam chwilę”. Dziś zapisuje się na wizytę o 23:47, bez poczucia winy i bez słuchania sygnału zajętości.
Trzeci blok to profilaktyka i praca na dużych zbiorach danych. AI może wskazać, która grupa pacjentów powinna pilnie dostać zaproszenie na badania przesiewowe. Może wysyłać przypomnienia o szczepieniach. Może wreszcie patrzeć na mapę regionu i widzieć wzrost liczby zachorowań, zanim statystyki urzędowe w ogóle się zaktualizują – i podpowiedzieć, gdzie przyda się dodatkowa kampania zdrowotna.
Im więcej takich narzędzi, tym większy głód mocy obliczeniowej i nowych centrów danych. To już nie abstrakcyjny temat dla inżynierów, tylko bardzo przyziemne pytanie: czy szpitalny system wyrabia. Więcej o tym piszę w tekście o tym, jak AI przebudowuje globalne centra danych. Na koniec dnia liczy się jednak coś prostszego: dziś w wielu miejscach AI realnie skraca czas od badania do diagnozy, ale dla lekarza bilans „więcej ulgi czy więcej roboty” nadal nie jest oczywisty.
Brak regulacji, braki kadrowe, cyfrowe luki w kompetencjach: dlaczego system może „nie nadążyć”
Na papierze wygląda to jak przyszłość z folderu reklamowego. W praktyce lekarze w kilku krajach mówią wprost: „boimy się, że zostaniemy z tym sami”. I tu zaczynają się schody.
Najpierw kwestia regulacji i odpowiedzialności. Kto odpowiada, jeśli algorytm zasugeruje błędną diagnozę? Lekarz, który mu zaufał? Szpital, który kupił system? A może producent oprogramowania? Unia Europejska pracuje nad nowymi regulacjami dotyczącymi AI, a raport WHO rekomenduje większą transparentność i tworzenie centrów testowania technologii, gdzie takie rozwiązania można spokojnie „przepuścić przez sito” zanim trafią do pacjentów. Z danych wynika, że 81% państw angażuje różne grupy interesariuszy w tworzenie zasad. Problem w tym, że w tych dyskusjach często brakuje zwykłych pacjentów.
Drugi zgrzyt to braki kadrowe. W wielu prezentacjach AI pojawia się jako magiczny plaster na deficyt lekarzy. Tymczasem tam, gdzie wdrożono systemy AI w szpitalach regionalnych, dość szybko okazywało się, że brakuje ludzi, którzy mają czas i kompetencje, żeby te narzędzia obsłużyć i interpretować. Algorytm nie wyjaśni rodzinie, co dokładnie oznacza diagnoza. Nie posiedzi pięć minut dłużej przy łóżku. Nie bierze odpowiedzialności za decyzję.
Trzeci problem to kompetencje cyfrowe. WHO mocno podkreśla w swoich rekomendacjach konieczność rozwijania szkoleń i włączania AI do normalnego kształcenia medycznego, a nie traktowania jej jako egzotycznego dodatku na końcu programu. W praktyce widać mocny kontrast: młodzi lekarze, którzy AI klikają jak kolejny komunikator, i starsza kadra, której nikt nigdy nie pokazał systemu od początku do końca.
Jedna z najbardziej ludzkich scen, które usłyszałem, to opowieść o lekarzu, który szybciej pisał opis ręcznie niż w nowym systemie, bo nikt mu porządnie nie pokazał, gdzie się co klika. Szkolenie trwało czterdzieści minut, potem wszyscy wrócili do swoich biurek i nikt więcej się tym nie zajął. To jest prawdziwy „user experience” wielu wdrożeń.
Brak zrozumienia ograniczeń AI prowadzi też do bardzo nierealnych oczekiwań. W tekście o wynikach testów narzędzi typu ChatGPT Health pokazuję, jak łatwo pomylić „sprytnego chatbota” z pełnoprawnym lekarzem pierwszego kontaktu. To niebezpieczna iluzja.
Na to wszystko nakładają się różnice między krajami. Jedne państwa inwestują w centra doskonałości i szerokie programy pilotażowe. Inne wciąż spierają się, kto ma za to zapłacić i czy „to się w ogóle opłaci”. Technologia biegnie do przodu szybciej niż procedury przetargowe i programy specjalizacji. To nie jest konflikt na lata 2030. To dzieje się teraz.
Co muszą zrobić decydenci, a czego potrzebują lekarze i pacjenci, żeby nie zgubić się w tej rewolucji
Im dłużej czytam o wdrożeniach AI w Europie, tym wyraźniej widzę dwa zupełnie różne światy – dopieszczone prezentacje dla ministrów i prawdziwą izbę przyjęć w piątkowy wieczór. Te światy trzeba wreszcie zszyć.
Decydenci potrzebują trzech planów, nie jednego slajdu z wizją „szpitala przyszłości”. Plan na kompetencje – stałe, sensowne szkolenia, włączenie AI do programów studiów medycznych i pielęgniarskich. Plan na dane – przejrzyste zasady działania algorytmów, jasne standardy bezpieczeństwa i jakości. Plan na dialog – realne włączenie organizacji pacjenckich do rozmów o tym, jak technologia ma działać na oddziale, a nie tylko na konferencji prasowej. WHO mówi o tym bardzo wprost, ale to od polityków zależy, czy te rekomendacje staną się konkretnymi decyzjami budżetowymi.
Personel medyczny potrzebuje przede wszystkim mniej chaosu przy wdrażaniu. Zamiast kolejnego systemu z nowym loginem – dobrze przemyślanych narzędzi, wsparcia technicznego na miejscu i czasu na naukę. Nie w formie „maratonu szkoleniowego” na koniec zmiany, tylko etapowo i z możliwością zadawania głupich pytań. Słyszałem historię ze szpitala, gdzie szkolenie z nowej platformy trwało czterdzieści minut, po czym zespół szkoleniowy zniknął, a lekarze zostali z problemami na dyżurach. Do tego dochodzi strach przed zastąpieniem przez AI. Bardziej realistyczny scenariusz to przesunięcie ról – mniej klepania w klawiaturę, więcej decyzji i kontaktu z człowiekiem – ale nikt tego jasno nie tłumaczy.
A co z tego wszystkiego ma mieć pacjent? Jeśli AI ma budować zaufanie, chory powinien wiedzieć, kiedy algorytm został użyty, co dokładnie robi i jakie ma ograniczenia. I mieć pewność, że ostateczna decyzja należy do człowieka z imieniem i nazwiskiem na identyfikatorze, nie do „systemu”. Inaczej rośnie ryzyko nowej wersji „turystyki medycznej z algorytmem w tle” – pacjenci zaczynają jeździć do innych krajów w poszukiwaniu lepszego dostępu do nowoczesnych technologii. Przy planowaniu takich wyjazdów wielu z nich sprawdza choćby koszty życia czy ceny hoteli w serwisach pokroju HikersBay, które pomagają policzyć, czy taki zagraniczny pobyt w ogóle jest realny finansowo, korzystając choćby z narzędzia ceny hoteli i noclegów.
Europa jest już w połowie drogi. Algorytmy weszły do szpitali, ale jeszcze nie zdecydowaliśmy, na jakich zasadach mają tam zostać. Jeśli te decyzje znów odłożymy „na po wyborach”, technologia i tak pójdzie dalej. Tyle że bez nas przy stole, gdzie ustala się reguły gry.