Z Internetowego Konta Pacjenta korzysta już ponad 21 milionów osób, co czyni je jednym z największych publicznych systemów cyfrowych w Polsce. Rosnąca liczba użytkowników pokazuje, że e-zdrowie na dobre wpisało się w codzienność pacjentów, ułatwiając dostęp do recept, skierowań, historii leczenia oraz kolejnych usług medycznych.

Sam fakt, że sztuczna inteligencja potrafi wygenerować poprawnie brzmiącą odpowiedź, nie oznacza jeszcze, że jest w pełni przystosowana do działania w sektorze ochrony zdrowia. Wprost proporcjonalnie do rozwoju możliwości technologii w medycynie rosną obawy o bezpieczeństwo, jakość danych, zgodność z praktyką kliniczną oraz realną wartość dla pacjenta. Dlatego coraz częściej zasadne wydaje się nie pytanie o to, czy AI działa, lecz gdzie i w jaki sposób powinna być wykorzystywana. To zagadnienie było przedmiotem rozmów ekspertów w ostatnim odcinku podcastu „LLMathon: How AI Can Serve Healthcare”.

Podcast stanowi podsumowanie doświadczeń i wniosków z Poland Healthcare Datathon 2025 – inicjatywy zorganizowanej we współpracy środowisk medycznych, naukowych i technologicznych, której inicjatorem był Roche. Podczas Datathonu interdyscyplinarne zespoły pracowały na rzeczywistych, zanonimizowanych danych klinicznych z Uniwersyteckiego Centrum Klinicznego w Gdańsku i w praktyce testowały możliwości dużych modeli językowych w polskojęzycznych scenariuszach medycznych.

Wnioski będące pokłosiem wydarzenia stały się punktem wyjścia do kolejnej dyskusji – o tym, jak odpowiedzialnie wdrażać sztuczną inteligencję do systemu ochrony zdrowia. W najnowszym odcinku podcastu, dostępnym na youtubowym kanale Roche, eksperci mówią nie tylko o potencjale dużych modeli językowych, ale również o całej architekturze rozwiązań AI i świadomym procesie jej wykorzystania.

Globalny algorytm musi zdać „egzamin z polskiego”

Choć wiele rozwiązań AI powstaje z myślą o globalnym zastosowaniu, ich skuteczność w ochronie zdrowia zależy od lokalnego kontekstu. Znaczenie mają język dokumentacji medycznej, organizacja pracy placówek, ścieżki pacjenta oraz charakterystyka danych odzwierciedlających specyfikę konkretnego systemu ochrony zdrowia.

– Chcieliśmy, aby Healthcare Datathon składał się z wzajemnie uzupełniających się elementów pełnych zarówno merytorycznej dyskusji, jak i praktyki. Pierwszego dnia uczestnicy spotkali się podczas części wykładowej poświęconej zastosowaniom AI w ochronie zdrowia, gdzie swoją wiedzą dzielili się lekarze i eksperci z uczelni technicznych. Z kolei fundamentem drugiego dnia były ćwiczenia praktyczne, w tym m.in. LLMathon – mówi Adam Krenke, dyrektor do spraw strategii w Roche Polska.

Poland Healthcare Datathon 2025 zgromadził ponad 200 uczestników reprezentujących 14 uczelni i ośrodków badawczych z pięciu krajów. W 13 interdyscyplinarnych zespołach współpracowali lekarze, badacze, projektanci doświadczeń użytkownika, specjaliści danych, programiści oraz studenci.

Sztuczna inteligencja zweryfikowana na rzeczywistych danych

Jednym z najważniejszych elementów wydarzenia była możliwość pracy na autentycznych, zabezpieczonych danych klinicznych przekazanych przez Uniwersyteckie Centrum Kliniczne w Gdańsku.

– W ramach Datathonu uczestnicy analizowali setki tysięcy rekordów hospitalizacji, poszukując czynników pozwalających przewidywać ryzyko ponownego przyjęcia pacjenta do szpitala. W ten sposób sprawdzaliśmy, czy algorytmy AI mogą pomóc identyfikować wzorce, które wspierałyby personel medyczny w podejmowaniu decyzji i skutecznym planowaniu opieki nad pacjentami – wyjaśnia Adam Krenke.

Kolejnym filarem projektu był LLMathon, podczas którego uczestnicy oceniali, jak duże modele językowe radzą sobie z pytaniami najczęściej zadawanymi przez pacjentów i lekarzy.

– Dziś zarówno pacjenci, jak i lekarze coraz częściej korzystają z narzędzi opartych na AI. Problem polega na tym, że niewiele wiemy o ich rzeczywistej precyzji, jakości odpowiedzi czy ograniczeniach. Chcieliśmy zweryfikować to w praktyce, wykorzystując pytania opracowane wspólnie z lekarzami i organizacjami pacjenckimi – podkreśla ekspert.

Dane są paliwem dla AI, ale muszą być reprezentatywne

Eksperci zwracają uwagę, że skuteczność modeli sztucznej inteligencji zależy bezpośrednio od jakości i reprezentatywności danych, na których zostały wytrenowane.

 

– AI może odegrać ogromną rolę w rozwoju ochrony zdrowia, jednak większość dostępnych danych pochodzi z krajów wysoko rozwiniętych. Istnieje ryzyko, że modele będą dobrze odpowiadać na potrzeby określonych populacji, a gorzej radzić sobie w innych grupach. Dlatego projektując algorytmy, należy równie starannie jak w badaniach klinicznych dobierać populacje, na których opierane są dane treningowe – stwierdza Krenke. 

O istocie znaczenia danych wspomina także Anna Romaniuk-Iwaszko, Marketing Network Lead for Digital Solutions w Roche.

– Roche od lat rozwija innowacyjne terapie i rozwiązania diagnostyczne. Coraz większą rolę odgrywają także algorytmy kliniczne wspierające decyzje medyczne. Ogromna ilość danych generowanych każdego dnia w systemie ochrony zdrowia nadal pozostaje niewykorzystana. Naszym celem jest przekształcanie tych informacji w praktyczne wsparcie dla lekarzy, tak aby mogli efektywniej wykorzystywać swój czas, a pacjenci szybciej otrzymywali właściwą diagnozę – tłumaczy.

AI zastąpi relację lekarz-pacjent?

Eksperci zgodnie wskazują, że sztuczna inteligencja może wspierać wiele procesów administracyjnych, analitycznych i organizacyjnych, jednak nie powinna być postrzegana jako alternatywa dla pomocy drugiego człowieka.

– Najważniejsze jest to, aby nie stracić z oczu pacjenta. Sztuczna inteligencja pozostaje narzędziem w rękach człowieka. To od sposobu jej wykorzystania zależy, czy będzie realnym wsparciem dla ochrony zdrowia. Medycyna to nie tylko diagnoza i leczenie, ale również troska o jakość życia pacjenta, relacje, empatia i odpowiedzialność – mówi Katarzyna Kaliszewska-Czeremska, Customer Experience Lead and Strategist w Roche.

Podobnego zdania jest Sławomir Molenda, User Experience Expert w Roche Digital Technology.

– Obecne modele językowe mogą rozpoznawać emocje i odpowiednio reagować na komunikaty pacjentów, ale nie są zdolne do rzeczywistego współodczuwania czy rozumienia doświadczenia choroby tak jak drugi człowiek. Możemy mówić jedynie o pewnym rodzaju empatii kognitywnej, skupionej na perspektywie intelektualnej i rozumieniu schematów myślowych. AI może wspierać komunikację, jednak nie zastąpi relacji terapeutycznej budowanej między pacjentem a lekarzem – zaznacza.

Istnieją jednak aspekty, w których modele AI mogą być dla pacjenta użyteczne.

– Niektóre badania sugerują, że ludzie wolą interakcje medyczne z AI, ponieważ modele te są wolne od osądów czy stygmatyzacji. LLM-y mogą obiektywnie zmniejszać wstyd i w ten sposób pomagać pacjentom – dodaje Molenda.

Interdyscyplinarność warunkiem sukcesu

Jednym z najczęściej powracających tematów podczas wydarzenia była konieczność łączenia kompetencji z różnych dziedzin.

 

– Interdyscyplinarność jest kluczowa. W projektach wykorzystujących AI w ochronie zdrowia nie istnieją jednoosobowe rozwiązania. Potrzebna jest wiedza kliniczna, technologiczna, projektowa i komunikacyjna. Dopiero połączenie tych kompetencji pozwala tworzyć rozwiązania niosące rzeczywistą opiekę i pomoc pacjentom – podkreśla Adam Krenke.

Interdyscyplinarności nie brakowało również w trakcie Datathonu – taką formę współpracy szczególnie docenili uczestnicy wydarzenia.

– Największym zaskoczeniem była dla mnie otwartość i brak podziałów między studentami, naukowcami oraz lekarzami. Często w świecie akademickim można wyczuć pewien dystans. Tutaj każdy głos był równie ważny, a wszystkich łączyła wspólna misja i chęć wymiany doświadczeń – zauważa Zuzanna Warchoł, studentka Politechniki Gdańskiej. Z kolei Kacper Dobek, doktorant Politechniki Poznańskiej, zwraca uwagę na długofalowe korzyści płynące z projektu.

– To doświadczenie pokazało, jak wiele dobrego może wydarzyć się, gdy spotykają się ludzie z różnych środowisk. Efekty Datathonu wykraczają poza Polskę – podobne inicjatywy zaczęły powstawać również w innych krajach Europy, inspirując kolejne zespoły do poszukiwania praktycznych zastosowań AI w medycynie. Namacalnym przykładem może być chociażby grudniowy Datathon we Francji, który, dzięki zdobytej w Gdańsku wiedzy, miałem okazję wesprzeć organizacyjnie – podsumowuje.

Źródło: inf pras

Narodowy Instytut Onkologii w Krakowie wdraża narzędzia, które zmienią sposób przygotowywania, podpisywania i przechowywania dokumentacji medycznej. W ramach projektu cyfryzacji finansowanego ze środków Krajowego Planu Odbudowy zakupiono 26 tabletów mobilnych, dwa skanery, 27 długopisów biometrycznych oraz 11 ekranów podpisowych.

Nowe wyposażenie pozwoli połączyć kilka dotychczas odrębnych czynności w jeden elektroniczny proces. Dokument będzie można wyświetlić pacjentowi, uzupełnić, podpisać i zapisać bez konieczności przygotowywania kolejnych wydruków. Rozwiązanie znajdzie zastosowanie na oddziałach, w poradniach, pracowniach oraz rejestracjach Instytutu. Istotnym elementem wdrożenia jest powiązanie nowych urządzeń z funkcjonującym w NIO systemem informatycznym.

– Zakończyliśmy etap integracji rozwiązania z systemem HIS. Oznacza to, że formularze, skany i dokumenty opatrzone podpisem elektronicznym będą trafiały bezpośrednio do właściwej dokumentacji pacjenta. Jednocześnie system zachowuje kontrolę uprawnień i pozwala rejestrować, kto oraz w jakim zakresie korzystał z określonych danych – wyjaśnia Adam Gackiewicz z Działu IT NIO w Krakowie.

Tablety będą wykorzystywane m.in. do przedstawiania pacjentom treści zgód, oświadczeń i formularzy. Uzupełnienie danych na urządzeniu mobilnym ograniczy konieczność późniejszego przepisywania informacji z wersji odręcznej. Czytelność zapisów oraz możliwość sprawdzenia wymaganych pól jeszcze przed zatwierdzeniem dokumentu pomogą również zmniejszyć liczbę braków formalnych.

– Dla osób zgłaszających się do Instytutu będzie to przede wszystkim prostszy sposób dopełniania formalności. Pracownik będzie mógł przeprowadzić pacjenta przez formularz, wyjaśnić niejasne punkty i od razu zweryfikować, czy wszystkie wymagane informacje zostały podane. Ma to szczególne znaczenie w sytuacji, gdy pacjent jest zdenerwowany, osłabiony albo ma trudność z samodzielnym wypełnianiem rozbudowanych druków– podkreśla Katarzyna TarnawskaKierownik Działu ds. Koordynacji Krajowej Sieci Onkologicznej i Wsparcia Działalności Leczniczej.

Do systemu mogą być wprowadzane także materiały dostarczone z innych placówek, w tym wyniki badań, karty informacyjne leczenia szpitalnego, wypisy, opisy zabiegów i operacji, zaświadczenia oraz pozostałe dokumenty istotne dla dalszego postępowania medycznego. Dwa zakupione skanery umożliwią ich przekształcenie do postaci cyfrowej.

Podczas zapisu wykorzystywana będzie technologia OCR, czyli optyczne rozpoznawanie tekstu. Pozwala ona odczytywać treść zeskanowanych stron, a nie traktować ich wyłącznie jako obrazu. Każdy plik zostanie ponadto opisany metadanymi, takimi jak kategoria dokumentu, dane identyfikacyjne oraz miejsce przypisania w historii choroby.

– Dobrze przeprowadzona digitalizacja nie kończy się na wykonaniu skanu. Kluczowe jest uporządkowanie materiału w taki sposób, aby potrzebny dokument można było odnaleźć według jego rodzaju, daty lub związku z konkretnym etapem leczenia. W efekcie powstaje spójny zasób informacji, który wspiera ciągłość opieki i ogranicza konieczność korzystania z rozproszonych archiwów – mówi Krzysztof Wrona, Kierownik Archiwum Zakładowego i Dokumentacji Medycznej.

Długopisy biometryczne umożliwią odwzorowanie podpisu odręcznego wraz z jego cechami charakterystycznymi, natomiast ekrany Wacom posłużą do akceptowania dokumentów bezpośrednio na stanowiskach obsługi. Zastosowanie kilku rodzajów urządzeń pozwoli dopasować sposób pracy do specyfiki danego miejsca oraz rodzaju formularza.

Pełne uruchomienie produkcyjne rozwiązania planowane jest w najbliższym czasie. Inwestycja stanowi kolejny etap rozwoju cyfrowego środowiska NIO w Krakowie finansowanego z środków KPO, w którym technologia ma wspierać zarówno organizację procesów medycznych, jak i sprawną komunikację między pacjentem a personelem.

Żródło: inf pras

AI coraz śmielej wkracza do diagnostyki, badań klinicznych, zarządzania placówkami medycznymi i komunikacji z pacjentami. Podczas konferencji AI&MEDTECH CEE eksperci zgodnie podkreślali jednak, że o sukcesie technologicznej transformacji nie zdecydują same algorytmy, lecz jakość danych, odpowiednie regulacje, bezpieczeństwo pacjentów i umiejętne włączenie sztucznej inteligencji do codziennej praktyki klinicznej.

09 czerwca 2026 roku w Centrum Konferencyjnym ADN odbyła się VI edycja konferencji AI&MEDTECH CEE, poświęcona sztucznej inteligencji w ochronie zdrowia. Podczas konferencji przedstawiciele administracji publicznej, instytucji zdrowotnych, środowiska naukowego oraz firm technologicznych dyskutowali o możliwościach i wyzwaniach związanych z wdrażaniem AI.

Otwierając część merytoryczną, Tomasz Maciejewski, Podsekretarz Stanu Ministerstwa Zdrowia zaznaczył, że dyskusja o AI w medycynie nie dotyczy już odległej przyszłości. „Sztuczna inteligencja to już nie jest futurystyka. To już nie jest dyskusja o odległej przyszłości, bo to się już dzieje tu i teraz” – mówił.

Podczas rozmowy moderowanej przez Dianę Żochowską z Tomaszem Maciejewskim dyskutowano o tym, czy obecne polityki publiczne są w stanie nadążyć za tempem rozwoju technologii. Jednym z najważniejszych tematów była potrzeba tworzenia regulacji, które jednocześnie wspierają innowacje i gwarantują bezpieczeństwo pacjentów.

Istotnym wątkiem konferencji była rola państwa i instytucji publicznych w tworzeniu warunków dla bezpiecznego wdrażania AI. Ewelina Gładki, Kierująca realizacją budowy Platformy Usług Inteligentnych w Centrum e-Zdrowia zaprezentowała PUI jako centralny system umożliwiający podmiotom leczniczym korzystanie z certyfikowanych modeli AI bez konieczności samodzielnego budowania złożonej infrastruktury. Jak wskazano, celem platformy jest wsparcie diagnostyki, szczególnie w obszarach, w których występują niedobory specjalistów. „Sztuczna inteligencja ma pomóc i wesprzeć radiologa, aby mógł skupić się na tym, co najbardziej istotne” – podkreślała podczas prezentacji.

Joanna Miszczak, Kierownik Działu Raportów i Działu JGP, Agencja Oceny Technologii Medycznych i Taryfikacji omówiła zagadnienia związane z wyceną innowacyjnych wyrobów medycznych. Wskazała, że rozwój sztucznej inteligencji wymaga również zmian w mechanizmach finansowania i oceny nowych technologii. Temat finansowania systemu ochrony zdrowia został rozwinięty podczas rozmowy Diany Żochowskiej z Michałem Dzięgielewskim, Pełnomocnikiem Prezesa Narodowego Funduszu Zdrowia. Dyskusja dotyczyła możliwości finansowania rozwiązań cyfrowych oraz tworzenia zachęt dla placówek wdrażających innowacje.

W części dotyczącej polityk publicznych zwrócono uwagę na potrzebę strategicznego podejścia do rozwoju AI. Mariola Jóźwiak-Węclewska z Ministerstwa Cyfryzacji mówiła o polityce rozwoju sztucznej inteligencji do 2030 roku, wskazując, że ochrona zdrowia jest jednym z kluczowych obszarów dla państwa. „Technologia ma służyć człowiekowi” – przypomniano podczas wystąpienia, podkreślając, że regulacje, finansowanie i współpraca nauki z biznesem muszą tworzyć spójny ekosystem wdrożeń.

Duże zainteresowanie wzbudziła debata Ligii Kornowskiej, Liderki Koalicji AI w Zdrowiu z udziałem Aleksandry Grajkowskiej, Digital & Innovation Head w Novartis poświęcona relacjom między sektorem farmaceutycznym a firmami technologicznymi. Uczestnicy zgodzili się, że sztuczna inteligencja zmienia sposób prowadzenia badań klinicznych, analizowania danych oraz projektowania nowych terapii. Jednocześnie podkreślano, że skuteczne wykorzystanie AI wymaga współpracy pomiędzy firmami farmaceutycznymi, startupami i dostawcami technologii.

Silnie wybrzmiał także temat odpowiedzialności. W dyskusji prowadzonej przez Ligię Kornowską z Jędrzejem Stępniowskim, Partnerem w kancelarii dotlaw oraz Danielem Kaźmierczakiem z Teleradiologia24, o poradniku nabywcy AI wskazywano, że nawet najlepszy algorytm nie zdejmuje odpowiedzialności z placówki i lekarza. To szczególnie ważne w kontekście zamawiania, oceny i wdrażania narzędzi AI w podmiotach leczniczych. Warto zaznaczyć, że konsultacje publiczne nad Poradnikiem Nabywcy AI już trwają. Więcej informacji jest na stronie www.aiwzdrowiu.pl

Druga część konferencji koncentrowała się na praktycznych zastosowaniach. Karolina Tądel z Ministerstwa Zdrowia podkreślała, że wdrożenia nie powinny zaczynać się od fascynacji technologią, lecz od dobrze zdefiniowanego problemu, jakości danych i procesu decyzyjnego. „Podejście od danych do decyzji jest kluczowe” – mówiła, zaznaczając, że AI nie naprawi automatycznie luk organizacyjnych, jeśli wcześniej nie zostaną opisane procesy i potrzeby systemu.

Maciej Szymczyk, CEO Medmetrix, zwrócił uwagę, że pacjent nie potrzebuje kolejnej aplikacji, lecz rozwiązań prowadzących do realnej poprawy doświadczeń związanych z leczeniem.

Ewa Owerczuk, wolontariuszka Fundacji K.I.D.S. przedstawiła konkurs „Dziecięcy Szpital Przyszłości”, pokazując, że innowacje mogą być rozwijane również dla najmłodszych pacjentów.

Zuzanna Nowak-Życzyńska z Agencji Badań Medycznych omówiła rolę ABM w finansowaniu innowacji cyfrowych oraz wspieraniu rozwoju nowych technologii medycznych.

Jakub Musiałek, CEO Pixel Technology przedstawił proces budowania modeli AI w medycynie, podkreślając znaczenie jakości danych oraz współpracy ekspertów klinicznych z zespołami technologicznymi.

Jakub Kozak, CEO i współzałożyciel Datlowe, przedstawił perspektywę wykorzystania danych do wcześniejszego zarządzania ryzykiem w szpitalach. W jego wystąpieniu AI została pokazana jako narzędzie, które może przekształcać dane w działania prewencyjne. „Porozmawiajmy o tym, jak możemy przekształcać dane w zapobieganie” – mówił, wskazując, że cyfryzacja szpitali nie powinna kończyć się na gromadzeniu informacji, ale prowadzić do lepszych decyzji operacyjnych i klinicznych. “Podmioty lecznicze każdego dnia generują ogromne ilości danych. AI może przynosić praktyczną wartość szpitalom, pacjentom i jakości opieki wtedy, gdy pomaga w sposób ciągły analizować te dane i przekładać je na działania podejmowane we właściwym czasie: umożliwiając wcześniejszą identyfikację ryzyk, skupienie uwagi tam, gdzie ma to największe znaczenie, oraz przejście od analizy retrospektywnej do ukierunkowanej prewencji”, powiedział.

Konferencja nie unikała także tematów trudnych. Milena Szuchnik-Kamińska, Radca Prawny w Biurze Rzecznika Praw Pacjenta ostrzegała przed zjawiskiem „fałszywych lekarzy AI”, czyli systemów, które wyglądają jak konsultacja medyczna, ale nie podlegają takim samym zasadom jak lekarz czy świadczenie zdrowotne. „Ten lekarz nie istnieje. Nie ma prawa wykonywania zawodu. Nie podlega odpowiedzialności zawodowej. Nie obowiązuje go tajemnica lekarska” – mówiła.

Jędrzej Stępniowski, Partner w kancelarii DotLaw przedstawił konsekwencje wdrażania AI Act dla sektora ochrony zdrowia, wskazując na nowe obowiązki producentów i użytkowników systemów wysokiego ryzyka.

Regulacyjny wymiar wdrożeń AI omówił Tomasz Koeber z URPL, wskazując, że oprogramowanie wykorzystujące AI może być wyrobem medycznym, jeśli jego przewidziane zastosowanie obejmuje diagnozowanie, monitorowanie, przewidywanie lub wspieranie decyzji terapeutycznych. „Kluczowe jest przewidziane zastosowanie, czyli do czego oprogramowanie jest przeznaczone” – podkreślił.

Konrad Komornicki z UODO przypomniał o konieczności zachowania równowagi pomiędzy innowacyjnością a ochroną prywatności pacjentów.

Konferencję zamknął Wojciech Kusa z NASK, który mówił o suwerenności technologicznej i znaczeniu polskich modeli językowych. Wskazał, że AI staje się nową warstwą infrastruktury, podobnie jak kiedyś elektryczność, internet czy chmura.

Najważniejszym przesłaniem konferencji było przejście od entuzjazmu do dojrzałości. AI w ochronie zdrowia nie jest już wyłącznie obietnicą. Jest narzędziem, które może wspierać diagnostykę, zarządzanie, analizę danych i komunikację z pacjentem. Warunkiem sukcesu pozostaje jednak odpowiedzialne wdrażanie: oparte na danych, zgodne z regulacjami, bezpieczne dla pacjenta i podporządkowane zasadzie, że technologia ma wspierać człowieka, a nie go zastępować.

Więcej informacji dostępnych jest na stronie www.aiwzdrowiu.pl

Źródło: inf pras

Narodowy Fundusz Zdrowia ostrzega przed kolejną falą cyberoszustw wymierzonych w pacjentów. Przestępcy rozsyłają fałszywe wiadomości e-mail informujące o rzekomym „zwrocie kosztów” i próbują wyłudzić dane kart płatniczych oraz loginy do bankowości elektronicznej. NFZ podkreśla, że nigdy nie prosi o podawanie takich informacji drogą mailową i apeluje o szczególną ostrożność wobec podejrzanych wiadomości oraz linków.

Jak podkreśla NFZ, to kolejna odsłona dobrze znanego mechanizmu phishingowego. Oszuści liczą na pośpiech, nieuwagę i zaufanie obywateli do instytucji publicznych. Fałszywe wiadomości najczęściej mają tytuły takie jak: „Weryfikacja zwrotu kosztów” lub „Weryfikacja karty płatniczej”. Nadawcy posługują się adresami e-mail, które jedynie pozornie przypominają oficjalną korespondencję Funduszu. NFZ zwraca uwagę, że prawdziwe wiadomości instytucji publicznych korzystają z domeny gov.pl.

W treści wiadomości pojawia się informacja o konieczności potwierdzenia numeru konta lub danych karty płatniczej, aby otrzymać zwrot pieniędzy. Do wiadomości dołączony jest link lub formularz, którego wypełnienie ma być warunkiem wypłaty środków.

NFZ przypomina, że nigdy nie prosi pacjentów o podawanie:

• numeru karty płatniczej,
• daty ważności karty,
• kodu CVV,
• danych logowania do bankowości elektronicznej.

Fundusz ostrzega, że przekazanie takich informacji może skutkować utratą pieniędzy i przejęciem kontroli nad rachunkiem bankowym.

Fundusz apeluje, aby dokładnie sprawdzać adres nadawcy wiadomości, nie otwierać podejrzanych załączników i nie klikać w nieznane linki. W przypadku podania danych na fałszywej stronie należy natychmiast skontaktować się z bankiem i zablokować kartę.

NFZ zaleca także zgłoszenie incydentu na policję oraz do zespołu CERT Polska. Pacjenci mogą również skorzystać z bezpłatnej, całodobowej infolinii NFZ pod numerem 800 190 590.

Fundusz przypomina, że oszuści regularnie wykorzystują różne scenariusze podszywania się pod NFZ. W ostatnich miesiącach pojawiały się m.in. fałszywe wiadomości dotyczące apteczek medycznych czy kolejnych rzekomych zwrotów kosztów leczenia.

Źródło: NFZ

Cyfrowe bliźniaki, czyli zaawansowane modele komputerowe odzwierciedlające stan zdrowia konkretnego pacjenta, mogą w najbliższych latach stać się jednym z najważniejszych narzędzi nowoczesnej medycyny. Pozwolą nie tylko monitorować organizm w czasie rzeczywistym, ale również przewidywać ryzyko chorób, zmiany parametrów życiowych czy reakcję na terapię. 

W Polsce trwają prace nad projektem Second Brain – inteligentnym cyfrowym bliźniakiem pacjenta, który ma odegrać kluczową rolę w diagnostyce przyszłości i zostać certyfikowanym wyrobem medycznym. Jak zapowiadają twórcy, rozwiązanie będzie analizować zarówno stan fizyczny, jak i emocjonalny użytkownika, a w przyszłości pomoże lekarzom skrócić czas diagnozy i zmniejszyć obciążenie systemu ochrony zdrowia.

– Przyszłością medycyny nie są tylko super-AI, supernarzędzia, supertechnologia, która nam pozwoli lepiej zbadać i zrozumieć człowieka, ale też cyfrowe bliźniaki. Akurat teraz pracujemy razem z Healthcare Poland i Polską Federacją Szpitali nad stworzeniem Second Brain. To będzie twój cyfrowy bliźniak medyczny, który chcemy, żeby w przyszłości był wyrobem medycznym. Będzie on czytał twój stan emocjonalny, będzie w stanie przewidzieć np. wypalenie, nawet próbę samobójczą, depresję. To przewidywanie będzie możliwe dzięki zebraniu informacji z urządzeń wearable dotyczących twojego stanu fizycznego, ale także psychicznego, tego, co się z tobą zadzieje, na jakie choroby z większym prawdopodobieństwem możesz zachorować – mówi w wywiadzie dla agencji Newseria Edi Pyrek, współzałożyciel Global Artificial Intelligence Alliance (GAIA).

Cyfrowy bliźniak jest zaawansowanym modelem komputerowym, odzwierciedlającym w przestrzeni informatycznej fizyczny obiekt lub system. W medycynie oznacza to cyfrową „replikę” pacjenta, na której można przeprowadzać różnego rodzaju symulacje, monitorowanie i analizę aspektów zdrowia w czasie rzeczywistym. Technologia cyfrowych bliźniaków jest kluczowym komponentem Przemysłu 4.0 i już teraz sprawdza się m.in. w zarządzaniu liniami produkcyjnymi w fabrykach czy przewidywaniu blackoutów energetycznych. W medycynie może pozwalać wcześnie przewidywać ewentualne problemy zdrowotne pacjenta, którego organizm je odzwierciedla, ale też na przykład modelować to, jak ta osoba zareaguje na planowaną do wdrożenia terapię.

– Peter Diamandis, twórca XPRIZE i jeden z najbardziej wpływowych ludzi w Dolinie Krzemowej, przewiduje, że do 2028–2030 roku wszyscy ludzie na świecie będą mieli swojego cyfrowego bliźniaka. My w Polsce prawdopodobnie jesteśmy jednymi z pierwszych, którzy o tym myślą – podkreśla Edi Pyrek.

O tym, że taka wizja nie jest odległa, mogą też świadczyć prognozy rynkowe. Według Mordor Intelligence światowy rynek cyfrowych bliźniaków w medycynie bieżący rok zamknie z przychodami sięgającymi 2,81 mld dol. Do końca dekady obroty wzrosną ponad czterokrotnie – do 11,37 mld dol. Oznacza to wzrost o 1/3 rocznie.

Ten kierunek rozwoju medycyny ma też swoje odzwierciedlenie we wdrożeniach. Na łamach czasopisma „npj Digital Medicine” zostały opublikowane na początku października wyniki badań przeprowadzonych przez naukowców z Uniwersytetu w Melbourne na modelu sztucznej inteligencji DT-GPT, który testowo analizował w różnej skali czasowej (godzin, tygodni lub miesięcy) dane medyczne pacjentów z chorobą Alzheimera lub niedrobnokomórkowym rakiem płuc, a także pacjentów przyjmowanych na oddziały intensywnej terapii. Model stworzył cyfrowe bliźniaki pacjentów i prognozował, jak ich stan zdrowia prawdopodobnie zmieni się z czasem trwania leczenia, pomagając tym samym w przewidywaniu przebiegu ich choroby. W przypadku pacjentów z oddziałów intensywnej terapii powstały cyfrowe bliźniaki ponad 35 tys. osób. Model dokładnie przewidział u nich zmiany poziomu magnezu czy saturacji w ciągu kolejnych 24 godzin. Dokładność cyfrowych bliźniaków w krótkoterminowej predykcji była wyższa niż 14 innych modeli uczenia maszynowego. Badacze ocenili, że DT-GPT wykazał też dość wysoką skuteczność predykcji w odniesieniu do kilku istotnych parametrów laboratoryjnych: wykrycia łagodnej anemii i podwyższonej aktywności LDH (dehydrogenazy mleczanowej) oraz markera progresji niedrobnokomórkowego raka płuca.

Second Brain – jak wyjaśniają przedstawiciele GAIA – ma być inteligentną aplikacją zaprojektowaną do łączenia pacjentów, lekarzy i administratorów szpitali w jeden spójny ekosystem opieki zdrowotnej. Testowane w Polsce rozwiązanie początkowo przeznaczone będzie dla pacjenta. Zapewni mu cyfrowe wsparcie w chwilach niepewności, przełoży zalecenia kliniczne na praktyczne kroki, wyśle przypomnienia o lekach i wizytach, będzie monitorować samopoczucie oraz umożliwi bezpieczne telekonsultacje i wymianę informacji z lekarzami.

Docelowo cyfrowe bliźniaki mają jednak znaleźć zastosowanie kliniczne – będą mogły centralizować informacje o pacjentach, automatycznie przygotują wersje robocze dokumentacji klinicznej i zasygnalizują przypadki wymagające pilnej interwencji, zapewniając jednocześnie profesjonalną i terminową komunikację z pacjentami.

– Chcemy, żeby to był produkt, dzięki któremu lekarze mogą lepiej i szybciej diagnozować. Zaoszczędzą czas, ponieważ nie będą widzieli tylko tego pacjenta w danym momencie, ale też będą mieli informacje na temat tego, co się z nim działo od ostatniej wizyty, jak spał, co jadł, jak to na niego wpłynęło. Dzięki temu będą potrafili nie tylko szybciej nas diagnozować i nam pomagać, ale także nauczą nas postrzegać jedną prostą rzecz – że nasze ciało, nasz umysł i nasza psyche to nie jest coś oddzielnego, że należy patrzeć na człowieka jako na jeden wspólny organizm, a nie jako na wybrane elementy – wyjaśnia Edi Pyrek.

Zaprezentowany podczas Forum Ekonomicznego w Karpaczu Second Brain pokazuje, że można wzmocnić pozycję pacjentów i odciążyć personel kliniczny, jednocześnie respektując operacyjne i regulacyjne realia szpitali. To istotne zwłaszcza z uwagi na to, że dane, na których ma operować technologia, dotyczą zdrowia pacjentów, więc należą do kategorii wrażliwych.

– Healthcare Poland to organizacja, która ma 14 piaskownic regulacyjnych dotyczących AI, dotyczących również wyrobów medycznych. Są naszymi partnerami i dzięki temu jesteśmy w stanie stworzyć produkt, który od samego początku, od momentu kiedy jest stworzony, będzie produktem zgodnym z prawem, a także z tym, czego potrzebują lekarze i pacjenci – zapowiada współzałożyciel GAIA.

Źródło: Newseria

Jeszcze kilka lat temu wydawało się to wizją rodem z futurystycznych opowieści: lekarze wspomagani przez algorytmy, które analizują badania obrazowe, przewidują skuteczność terapii czy porządkują dokumentację medyczną. Dziś sztuczna inteligencja staje się rzeczywistością polskiej ochrony zdrowia. Według danych Centrum e-Zdrowia, w 2024 roku korzystało z niej już 13,2 procent szpitali – niemal dwa razy więcej niż rok wcześniej. Najczęściej wspiera radiologów i diagnostów laboratoryjnych, coraz częściej też towarzyszy lekarzom w podejmowaniu decyzji klinicznych.

„Sztuczna inteligencja już w praktyce jest stosowana w systemie ochrony zdrowia. Myślę, że jeszcze parę lat zabierze nam, zanim będzie ona wykorzystywana w codziennej praktyce we wszystkich szpitalach, natomiast już dziś widzimy wiele zastosowań, które pomagają zarówno pacjentom, jak i lekarzom, np. na etapie diagnostyki” – mówi Adam Krenke, dyrektor ds. strategii w Roche Polska.

AI skraca czas potrzebny na postawienie diagnozy, a tym samym zwiększa szanse na szybsze wdrożenie terapii. W sektorze medycznym rozwiązania oparte na sztucznej inteligencji wdraża dziś około 4,7 procent podmiotów leczniczych. Choć liczba ta może wydawać się niewielka, dynamika wzrostu sugeruje, że wkrótce technologia ta stanie się nieodłącznym elementem nowoczesnego leczenia.

Eksperci zgodnie podkreślają, że sztuczna inteligencja nie zastąpi lekarza. Może jednak znacząco odciążyć personel medyczny, przewidywać pogorszenie stanu pacjenta, analizować interakcje lekowe i wspierać komunikację z chorymi. Aby jednak była skuteczna, musi rozwijać się w oparciu o dane i doświadczenia kliniczne. Roche realizuje koncepcję „Lab in the Loop”, w której dane z badań laboratoryjnych i klinicznych służą do trenowania modeli wspierających tworzenie nowych leków.

„Proces tworzenia nowego leku zajmuje ponad 10 lat i pochłania kilka miliardów dolarów. Ludzki organizm składa się z 37 bln komórek, mamy 10 tys. różnych rodzajów komórek w ciele, 20 tys. genów, które tworzą nasze ciało, i komórki, czytając odpowiedni fragment tego genomu, odpowiadają na niego, więc liczba kombinacji, które mogą pójść nie tak w tym procesie, jest niewiarygodnie duża. Jeżeli już mamy zidentyfikowaną chorobę, to samych małych cząsteczek, które mogą być potencjalnie kandydatami na lek, jest 10⁶⁰” – tłumaczy Adam Krenke.

Algorytmy mogą w tym kontekście okazać się bezcennym wsparciem. Umożliwiają szybsze typowanie najbardziej obiecujących cząsteczek i trafniejsze przewidywanie reakcji pacjentów na leczenie. To szczególnie ważne w onkologii, neurologii czy chorobach autoimmunologicznych. „Stworzyliśmy algorytm wytrenowany na bazie wszystkich eksperymentów, które dotychczas w firmie Roche były przeprowadzone na przestrzeni lat. Mierząc się z nowym problemem, pytamy algorytm: wygeneruj nam wszystkie możliwe cząsteczki, które potencjalnie są w stanie adresować nam dany cel terapeutyczny. Później zawężamy te wyniki i kilkaset tych najbardziej obiecujących syntetyzujemy, wprowadzamy do laboratorium i badamy. Na bazie tych wyników możemy zasilić nimi algorytm, stworzyć kolejne zapytanie i cały czas ulepszać te propozycje” – dodaje Krenke.

Kluczem do sukcesu jest jednak jakość danych. „Niezwykle ważne jest to, żeby dane polskich pacjentów były udostępniane, oczywiście w bezpieczny, zanonimizowany sposób, aby te algorytmy, które są trenowane z wykorzystaniem tych danych, mogły odzwierciedlać specyfikę naszej populacji” – podkreśla przedstawiciel Roche.

W Polsce coraz częściej podejmowane są działania, które mają zapewnić, że krajowe dane staną się realnym zasobem rozwoju AI. Uniwersyteckie Centrum Kliniczne w Gdańsku i Gdański Uniwersytet Medyczny prowadzą projekty łączące badania kliniczne, IoT i analitykę danych. „Mamy bardzo dużą grupę pacjentów, to są dziesiątki czy nawet setki tysięcy hospitalizacji, setki tysięcy wizyt poradnianych, miliony badań laboratoryjnych, setki tysięcy badań obrazowych, dzięki temu mamy w skali roku ogromną bazę pacjentów. Staramy się te dane porządkować, dzięki temu mamy możliwość pracy z danymi i rozwijania narzędzi AI” – mówi Dariusz Szplit z UCK w Gdańsku.

Inicjatywy takie jak Poland Healthcare Datathon 2025 pokazują, że współpraca nauki, medycyny i technologii może przekładać się na konkretne efekty. Wydarzenie stało się przestrzenią dla inżynierów, klinicystów i naukowców, którzy w formule hackathonu pracowali nad analizą rzeczywistych, zanonimizowanych danych klinicznych. W ramach projektu przeprowadzono także pierwszą w Polsce ocenę dużych modeli językowych w języku polskim i na lokalnych danych medycznych dotyczących chorób neurologicznych.

„Szukaliśmy odpowiedzi na pytanie, na ile precyzyjnie modele sztucznej inteligencji, dostępne dziś dla pacjentów, są w stanie odpowiedzieć na pytania, z którymi mierzą się pacjenci ze stwardnieniem rozsianym. Choć stosowanie modeli językowych na własną rękę jest niewskazane, to taka ewaluacja służy edukacji oraz podnoszeniu świadomości społeczeństwa na ten temat” – wyjaśnia Adam Krenke.

Na podobnych zasadach rozwijane są rozwiązania, które mogą odmienić codzienną pracę lekarzy. W Gdańsku testowany jest system AdmedVoice – asystent głosowy zapisujący i katalogujący to, co mówi lekarz w trakcie wizyty lub operacji. Dzięki temu medyk nie musi samodzielnie wypełniać dokumentacji, co pozwala mu skupić się na pacjencie.

„Teraz pracujemy nad rozwiązaniem IoT, które monitoruje zarówno parametry pacjenta, jak i jego położenie w oddziale ratunkowym. Przykładowo pozwala to na uniknięcie sytuacji, w której pacjent opuści w sposób nieoczekiwany oddział ratunkowy, szczególnie dotyczy to osób starszych, które mogą się nie orientować w przestrzeni” – mówi Dariusz Szplit. Jak dodaje, system AI pomaga także w analizie polipragmazji – sytuacji, w której pacjent przyjmuje jednocześnie wiele leków. Uporządkowanie tych informacji i połączenie z bazami danych o lekach pozwala szybciej wychwycić potencjalne interakcje i zwiększyć bezpieczeństwo terapii.

Coraz więcej wskazuje na to, że sztuczna inteligencja w ochronie zdrowia nie jest już eksperymentem, lecz początkiem nowej ery medycyny. Ery, w której lekarz nie zostaje zastąpiony przez maszynę, lecz zyskuje sojusznika – niezmordowanego analityka danych, który pomaga ratować życie.

Źródło: Newseria
Foto: Newseria

Czy sztuczna inteligencja może realnie usprawnić funkcjonowanie polskich placówek medycznych? Przykład Kliniki.pl i narzędzia onAI pokazuje, że odpowiedź brzmi: zdecydowanie tak. To innowacyjne rozwiązanie, stworzone przez polski zespół, umożliwia analizę rozmów z pacjentami, wspiera menedżerów w zarządzaniu procesami rejestracji i – co najważniejsze – poprawia jakość obsługi i dostępność świadczeń. W świecie medycyny, gdzie każda sekunda ma znaczenie, lokalne technologie mogą być nie tylko skuteczne, ale i bezpieczne.

W przypadku placówek medycznych, sytuacja jest szczególnie trudna – brak dobrze zorganizowanych procesów analitycznych, rozproszenie danych i trudności w zarządzaniu rejestracją pacjentów wpływa na ograniczenie dostępności usług oraz niższą efektywność operacyjną.

Problem niewłaściwie dobranych wskaźników efektywności rejestracji medycznej jest powszechny w wielu placówkach. Przykładowo, w jednej z klinik współpracujących z serwisem Kliniki.pl rejestracja mogła pochwalić się wskaźnikiem odebranych połączeń przekraczającym 90%, ponieważ pracownicy byli premiowani za wysoki poziom odbieralności telefonów. W praktyce jednak, gdy rejestratorka była zajęta obsługą pacjenta na miejscu, odbierała połączenie, wyłączała mikrofon i pozostawiała pacjenta na linii w ciszy. W rezultacie, po kilkunastu sekundach oczekiwania, pacjent zwykle się rozłączał. Faktyczny poziom skutecznej obsługi wynosił zaledwie 60%, co wyraźnie pokazuje, że proste wskaźniki nie oddają rzeczywistej jakości obsługi pacjentów.

Rozwiązaniem tego typu problemów może być technologia onAI od Kliniki.pl – partnera badania. Narzędzie to analizuje każde połączenie telefoniczne pomiędzy pacjentem a rejestracją medyczną placówki, dostarczając menedżerom dokładny obraz każdej rozmowy. Umożliwia ono także błyskawiczną transkrypcję rozmów, generowanie podsumowań, identyfikację danych pacjentów oraz umawianie wizyt w czasie rzeczywistym. A na podstawie danych zebranych przez automatyczne analizy, menedżerowie mogą identyfikować obszary wymagające poprawy w obsłudze pacjentów, a także optymalizować procesy zarządzania w celu zwiększenia przychodów oraz poprawy jakości i dostępności usług.

Warto podkreślić, że onAI od Kliniki.pl to innowacyjne narzędzie oparte na lokalnych modelach językowych (LLM-ach), które zostały wyuczone przez polski zespół do realizacji konkretnych zadań. Modele te skutecznie wspierają przetwarzanie języka naturalnego, w tym zaawansowaną analizę rozmów telefonicznych. Cały proces przetwarzania danych odbywa się lokalnie – bez udziału rozwiązań chmurowych wielkich korporacji. Dane użytkowników nie opuszczają środowiska lokalnego, nie są przesyłane do żadnych dostawców rozwiązań AI, co zapewnia pełna kontrolę nad prywatnością i bezpieczeństwem informacji. To także przykład na to, że Polska jest w stanie tworzyć zaawansowane technologicznie rozwiązania, które mogą konkurować na poziomie światowym.

– Nasze rozwiązanie onAI od Kliniki.pl to odpowiedź na potrzeby nowoczesnych placówek medycznych, które chcą skutecznie zarządzać swoimi procesami i poprawiać dostępność usług dla pacjentów. Pokazujemy, że technologia może służyć ludziom, a AI w medycynie to nie przyszłość, tylko teraźniejszość, którą należy wdrażać na szeroką skalę – mówi Marcin Fiedziukiewicz, CEO Kliniki.pl.

Wyniki badania „Ocena dojrzałości polskich firm w obszarze analizy danych i AI” wyraźnie pokazują, że skuteczna integracja sztucznej inteligencji z procesami operacyjnymi może istotnie poprawić dostępność i efektywność usług – także w sektorze ochrony zdrowia. W tym kontekście narzędzie onAI od Kliniki.pl stanowi przykład rozwiązania, które odpowiada na zidentyfikowane w raporcie potrzeby i może być z powodzeniem wdrażane w placówkach medycznych w całej Polsce, wspierając lepszą obsługę pacjentów i optymalizację zarządzania.

Kliniki.pl to wiodąca platforma internetowa wspierająca placówki medyczne w pozyskiwaniu pacjentów zabiegowych i usprawnianiu pracy rejestracji dzięki zaawansowanemu systemowi onAI. Kliniki.pl zwiększa widoczność usług medycznych, umożliwiając pacjentom łatwe znalezienie sprawdzonych klinik i dostępnych zabiegów. Dzięki innowacyjnym rozwiązaniom technologicznym Kliniki.pl dąży do podnoszenia jakości obsługi pacjentów oraz optymalizacji procesów zarządzania w placówkach medycznych.