Sztuczna inteligencja przestaje być w polskiej ochronie zdrowia wyłącznie narzędziem testowanym przez pojedyncze placówki. Ministerstwo Zdrowia przygotowało ogólnokrajową Platformę Usług Inteligentnych, dzięki której szpitale finansowane ze środków publicznych mają otrzymać dostęp do certyfikowanych modeli AI wspierających diagnostykę obrazową. 1 września 2026 roku resort oficjalnie wskazał pięć pierwszych obszarów, w których algorytmy będą analizowały badania pacjentów. Chodzi między innymi o tomografię komputerową klatki piersiowej, badania obrazowe mózgu, zdjęcia RTG po urazach, mammografię oraz RTG klatki piersiowej. Dostęp do narzędzi będzie mogło otrzymać maksymalnie 400 podmiotów leczniczych.

Zmiana nie oznacza jednak, że komputer będzie samodzielnie rozpoznawał chorobę i informował pacjenta o diagnozie. System ma wspierać lekarza, analizując obraz i wskazując podejrzane obszary, potencjalne nieprawidłowości albo przypadki wymagające pilniejszej oceny. Ostateczna interpretacja nadal pozostaje zadaniem personelu medycznego. Podstawę prawną dla Platformy Usług Inteligentnych wprowadziła ustawa z 15 maja 2026 roku dotycząca rozwoju usług e-zdrowia, która w zasadniczej części weszła w życie 1 lipca. Przepisy pozwalają przetwarzać badania obrazowe w celu przekazywania szpitalom wyników analizy wykonywanej przez narzędzia AI, a także monitorowania jakości i skuteczności tych systemów.

Jak sztuczna inteligencja będzie wykorzystywana w polskich szpitalach?

Platforma Usług Inteligentnych ma działać jako centralne środowisko, do którego podłączone szpitale będą mogły przekazywać określone badania obrazowe. System placówki zleci analizę, badanie zostanie przekazane do odpowiedniego modelu AI, a po zakończeniu obliczeń wynik wróci do szpitala. Lekarz otrzyma więc dodatkową informację, która może wskazywać wykryte przez algorytm zmiany lub obszary wymagające szczególnej uwagi. Nie chodzi o zastąpienie istniejących systemów szpitalnych, lecz o stworzenie wspólnej infrastruktury pozwalającej wielu placówkom korzystać z wyspecjalizowanych modeli bez konieczności samodzielnego budowania całego środowiska AI.

Centrum e-Zdrowia wskazuje, że oczekiwanymi korzyściami są między innymi dokładniejsze wspomaganie diagnostyki obrazowej, wykrywanie subtelnych zmian, automatyczna priorytetyzacja przypadków wymagających pilnej interwencji oraz skrócenie czasu oczekiwania na końcowy opis badania. Szczególne znaczenie może mieć to w szpitalach, gdzie liczba wykonywanych badań rośnie szybciej niż dostępność radiologów. Algorytm może przeanalizować obraz jeszcze zanim lekarz rozpocznie jego pełną ocenę i zaznaczyć, że w konkretnym przypadku istnieje podejrzenie poważnej nieprawidłowości. Nie oznacza to pewnej diagnozy, ale może pomóc lepiej ustalić kolejność pracy.

Jakie badania pacjentów będzie analizowała AI w pierwszym etapie?

Ministerstwo Zdrowia wskazało pięć usług diagnostyki cyfrowej. Pierwszą jest wykrywanie patologii w tomografii komputerowej klatki piersiowej. Drugą - wykrywanie zmian niedokrwiennych i krwotocznych w badaniach obrazowych mózgu. Kolejny obszar obejmuje diagnostykę zmian pourazowych układu kostnego w klasycznych zdjęciach RTG. AI ma również wspierać wykrywanie zmian nowotworowych piersi w mammografii oraz zmian patologicznych widocznych na RTG klatki piersiowej. Są to więc obszary, w których lekarze codziennie analizują bardzo dużą liczbę obrazów, a szybkość wykrycia nieprawidłowości może mieć istotne znaczenie dla dalszego postępowania.

Lista pokazuje również, że pierwszy etap PUI jest skoncentrowany przede wszystkim na radiologii i diagnostyce obrazowej. Nie należy więc na razie oczekiwać, że centralny system będzie interpretował dowolny wynik morfologii, stawiał diagnozę na podstawie pełnej dokumentacji medycznej albo automatycznie dobierał pacjentowi leczenie. Poszczególne modele mają wykonywać konkretne, wcześniej określone zadania na konkretnych rodzajach badań. Takie podejście ułatwia walidację narzędzi i ocenę ich skuteczności. W przyszłości zakres usług może się rozwijać, ale obecnie oficjalnie wskazanych zostało pięć rodzajów wsparcia.

Czy AI będzie wykrywać udar na podstawie badań mózgu?

Jedna z najważniejszych funkcji ma dotyczyć wykrywania zmian niedokrwiennych i krwotocznych w badaniach obrazowych mózgu. To obszar, w którym czas ma wyjątkowo duże znaczenie. W przypadku podejrzenia udaru pacjent trafiający na SOR wymaga szybkiego wykonania odpowiedniego badania i jego oceny, ponieważ dalsze leczenie zależy między innymi od rodzaju zmiany oraz momentu jej wystąpienia. Centrum e-Zdrowia wskazuje, że jednym z celów projektowanych modeli jest wspieranie lekarzy w szybkim wykrywaniu właśnie takich zmian, szczególnie podczas działań ratunkowych na szpitalnych oddziałach ratunkowych.

Algorytm może w takiej sytuacji pełnić rolę dodatkowego systemu ostrzegawczego. Jeśli analiza obrazu wskaże prawdopodobną zmianę wymagającą natychmiastowej uwagi, badanie może zostać odpowiednio oznaczone lub przesunięte wyżej w kolejce do oceny. Jest to szczególnie istotne w dużych placówkach, gdzie w tym samym czasie wykonywanych jest wiele badań. AI nie powinna jednak być traktowana jako mechanizm samodzielnie decydujący o leczeniu udaru. Wynik musi zostać zestawiony przez lekarza z obrazem badania, objawami neurologicznymi, czasem ich wystąpienia oraz innymi informacjami klinicznymi pacjenta.

Jak AI może pomóc lekarzowi oceniającemu mammografię?

Wykrywanie zmian nowotworowych piersi w mammografii jest kolejną z pięciu usług wskazanych przez Ministerstwo Zdrowia. Algorytm może analizować obraz i zaznaczać obszary, których wygląd odbiega od prawidłowej tkanki. W praktyce może chodzić o znalezienie subtelnej zmiany, która przy dużej liczbie kolejno ocenianych badań wymaga szczególnej uwagi radiologa. Tego rodzaju systemy są projektowane jako dodatkowa warstwa analizy obrazu. Nie przesądzają, że wskazane miejsce jest rakiem, ponieważ podejrzany obraz może wymagać dodatkowych projekcji, USG, biopsji albo innych etapów diagnostycznych.

Potencjalną korzyścią może być również zwiększenie spójności oceny oraz pomoc w sortowaniu badań. Badania przesiewowe generują ogromną liczbę obrazów, z których zdecydowana większość nie będzie zawierała nowotworu. Automatyczna analiza może ułatwić zwrócenie uwagi na przypadki najbardziej podejrzane, ale lekarz nadal musi zweryfikować wskazania algorytmu. W diagnostyce obrazowej mogą pojawiać się zarówno wyniki fałszywie dodatnie, jak i fałszywie ujemne. Dlatego wdrożenie AI powinno poprawiać pracę radiologa, a nie tworzyć przekonanie, że prawidłowy wynik algorytmu całkowicie wyklucza chorobę.

Czy sztuczna inteligencja będzie analizowała zdjęcia RTG po złamaniach i urazach?

Tak. Jeden z modeli ma wspierać diagnostykę zmian pourazowych układu kostnego widocznych w klasycznej radiografii. To potencjalnie bardzo szeroka grupa badań wykonywanych codziennie na SOR-ach, w izbach przyjęć i poradniach urazowo-ortopedycznych. AI może analizować zdjęcie pod kątem zmian sugerujących złamanie lub inne uszkodzenie i kierować uwagę lekarza na konkretny fragment obrazu. Może to być pomocne szczególnie w przypadkach, w których zmiana jest niewielka, znajduje się w trudnym do oceny miejscu albo badanie wykonywane jest w okresie bardzo dużego obciążenia pracą.

Nie każde złamanie jest jednak identyczne i nie każde można rozpoznać wyłącznie na podstawie jednego standardowego zdjęcia. Znaczenie mają mechanizm urazu, miejsce bólu, badanie fizykalne oraz czasami kolejne projekcje lub bardziej zaawansowane badania obrazowe. Dlatego komunikat AI może być traktowany jako element wspierający, a nie kończący diagnostykę. Szczególnie ważne jest to w medycynie ratunkowej, gdzie lekarz musi ocenić nie tylko samą kość, ale również stan całego pacjenta oraz ewentualne inne obrażenia. Algorytm analizujący konkretną nieprawidłowość nie posiada automatycznie pełnego kontekstu klinicznego.

Co AI będzie wykrywać w TK i RTG klatki piersiowej?

Dwie z pięciu usług dotyczą klatki piersiowej. Pierwsza ma analizować badania tomografii komputerowej, druga klasyczne zdjęcia RTG. Ministerstwo używa tutaj szerokich określeń "wykrywanie patologii" oraz "wykrywanie zmian patologicznych", co oznacza, że celem nie jest wyłącznie jeden konkretny nowotwór czy jedna choroba. W zależności od ostatecznych możliwości certyfikowanych modeli algorytmy mogą pomagać w odnajdywaniu określonych nieprawidłowości widocznych w płucach i innych strukturach klatki piersiowej. Dokładny zakres powinien jednak wynikać z przeznaczenia konkretnego wyrobu medycznego, a nie z ogólnego przekonania, że AI "wykrywa wszystkie choroby".

Tomografia komputerowa może obejmować setki lub tysiące obrazów jednej osoby, dlatego automatyczna analiza jest szczególnie interesująca właśnie w tej dziedzinie. System może systematycznie przetwarzać kolejne warstwy i wskazać radiologowi miejsca wymagające dokładniejszej oceny. Przy RTG klatki piersiowej korzyścią może być natomiast bardzo szybkie przetwarzanie ogromnej liczby badań wykonywanych w szpitalach. Nie oznacza to, że wynik generowany przez algorytm zastępuje opis radiologiczny. Ma być dodatkowym źródłem informacji, które lekarz może zaakceptować, odrzucić albo wykorzystać jako wskazówkę do dalszej diagnostyki.

Czy AI zastąpi radiologów i innych lekarzy w polskich szpitalach?

Nie taki jest cel obecnego wdrożenia. Zarówno Ministerstwo Zdrowia, jak i Centrum e-Zdrowia konsekwentnie opisują PUI jako system wspomagania diagnostyki. Platforma ma dostarczać lekarzowi wyniki analizy, pomagać w wykrywaniu zmian oraz priorytetyzować pilne przypadki. W obecnym modelu to lekarz wykorzystuje narzędzie w procesie udzielania świadczenia medycznego. Oficjalne materiały dotyczące odpowiedzialności za wykorzystanie AI w ochronie zdrowia również podkreślają, że świadczenia zdrowotnego udziela osoba wykonująca zawód medyczny, a nie samo oprogramowanie.

Bardziej prawdopodobna jest zmiana sposobu pracy radiologa. Zamiast samodzielnie przeglądać każde badanie bez żadnej dodatkowej informacji, lekarz może otrzymać wstępną analizę i zaznaczone obszary podejrzane. AI może również pomóc przesunąć pilne badanie przed mniej pilne. Ostateczny opis nadal wymaga jednak kompetencji medycznych, ponieważ algorytm może się pomylić, a pacjent nie jest wyłącznie obrazem RTG czy TK. Lekarz uwzględnia objawy, wcześniejsze badania, historię chorób, wiek, zastosowane leczenie i wiele innych informacji, których pojedynczy model analizujący obraz może nie wykorzystywać.

Czy sztuczna inteligencja może skrócić kolejki do opisu badań?

To jeden z najważniejszych oczekiwanych efektów projektu. Centrum e-Zdrowia zakłada, że automatyczna analiza i możliwość priorytetyzowania przypadków mogą skrócić czas oczekiwania na końcowy opis. Jeśli radiolog otrzymuje narzędzie automatycznie zaznaczające podejrzane obszary, część pracy związanej z wyszukiwaniem nieprawidłowości może być wykonywana równolegle przez algorytm. W szczególności dotyczy to badań powtarzalnych, wykonywanych w bardzo dużej liczbie. PUI ma również udostępniać podobne narzędzia wielu szpitalom, co może ograniczać różnice pomiędzy placówkami posiadającymi własne zaawansowane systemy a tymi, które dotychczas ich nie miały.

Nie należy jednak oczekiwać, że samo uruchomienie AI zlikwiduje wszystkie kolejki. Na czas diagnostyki wpływają również dostępność aparatów, liczba personelu, sposób organizacji pracy, możliwość wykonania badania dodatkowego i konsultacji specjalistycznej. Algorytm nie zastąpi technika wykonującego badanie ani lekarza odpowiedzialnego za końcową interpretację. Może natomiast pomóc wykorzystać dostępny personel efektywniej. Jeśli rzeczywiście pozwoli szybciej identyfikować przypadki wymagające pilnej reakcji i usprawni opis typowych badań, największą korzyścią dla pacjenta może być właśnie krótszy czas pomiędzy wykonaniem zdjęcia a podjęciem dalszej decyzji klinicznej.

Ile polskich szpitali będzie mogło korzystać z Platformy Usług Inteligentnych?

Minister Zdrowia określił maksymalną liczbę podmiotów mogących otrzymać dostęp do pierwszego zestawu usług na 400. Chodzi o podmioty lecznicze wykonujące świadczenia szpitalne i udzielające świadczeń finansowanych ze środków publicznych. Jest to więc wdrożenie o skali zdecydowanie większej niż pojedynczy pilotaż w kilku ośrodkach akademickich. Jednocześnie liczba 400 oznacza maksymalny zasięg przewidziany dla narzędzi w tej formule, a nie informację, że dokładnie 400 szpitali zaczęło już jednocześnie korzystać ze wszystkich pięciu algorytmów 1 września.

Centralny charakter rozwiązania jest istotny również ekonomicznie. Każdy szpital nie musi osobno zamawiać pięciu modeli, tworzyć całej infrastruktury integracyjnej i przeprowadzać pełnego procesu technicznego od podstaw. PUI ma zapewniać wspólne środowisko, poprzez które uprawnione placówki uzyskają dostęp do certyfikowanych narzędzi. Dokumentacja Centrum e-Zdrowia przewidywała ponadto licencje bez limitu liczby analizowanych badań dla zakwalifikowanych podmiotów oraz kilkuletnie utrzymanie modeli. Ostateczna dostępność dla konkretnej placówki będzie jednak zależała od procesu podłączenia i spełnienia wymogów organizacyjno-technicznych.

Kiedy AI zacznie realnie analizować badania pacjentów w ramach centralnej platformy?

Ustawa tworząca podstawę prawną dla PUI weszła w zasadniczej części w życie 1 lipca 2026 roku i przewiduje uruchomienie platformy w terminie nie dłuższym niż pięć miesięcy od tej daty. Oznacza to, że zgodnie z ustawowym harmonogramem system powinien zostać uruchomiony najpóźniej na początku grudnia 2026 roku. Minister Zdrowia miał wcześniej opublikować listę dostępnych narzędzi oraz maksymalną liczbę podmiotów mogących z nich korzystać. Ten etap został wykonany - informacja zawierająca pięć usług i limit 400 szpitali została opublikowana 1 września.

Trzeba więc rozróżnić trzy etapy: stworzenie podstaw prawnych, wskazanie usług oraz faktyczne uruchamianie analiz w poszczególnych placówkach. Nie każdy szpital musi rozpocząć korzystanie z systemu tego samego dnia. Integracja wymaga odpowiedniego połączenia systemów informatycznych placówki z centralną platformą oraz przygotowania personelu. Równocześnie warto pamiętać, że część polskich szpitali korzystała już wcześniej z własnych narzędzi AI zakupionych lub wdrożonych niezależnie od PUI. Nowością jest więc przede wszystkim budowa centralnego, finansowanego publicznie mechanizmu, który ma udostępnić podobne możliwości znacznie większej liczbie placówek.

Czy badania pacjentów będą wysyłane wraz z ich danymi osobowymi?

Przepisy szczegółowo odnoszą się do sposobu przetwarzania danych na Platformie Usług Inteligentnych. Dane pacjenta i jednostkowe dane medyczne przekazywane do analizy mają podlegać pseudonimizacji w sposób uniemożliwiający bezpośrednią identyfikację osoby, o ile nie uniemożliwia to realizacji celu diagnostycznego. Ustawa przewiduje także specjalne zabezpieczenia informacji pozwalających odwrócić pseudonimizację. System ma więc oddzielać identyfikację pacjenta od danych wykorzystywanych przez narzędzia tam, gdzie jest to możliwe z punktu widzenia świadczenia medycznego.

Dokumentacja techniczna Centrum e-Zdrowia przewidywała również, że modele oferowane jako usługa SaaS mają działać na danych pseudonimizowanych, a środowisko ich świadczenia musi znajdować się na terenie Europejskiego Obszaru Gospodarczego. Ochrona informacji medycznych jest szczególnie istotna, ponieważ badanie obrazowe może zawierać dane dotyczące jednego z najbardziej wrażliwych obszarów prywatności. Centralizacja dostępu do AI oznacza więc konieczność równoległego rozwijania infrastruktury bezpieczeństwa, monitorowania dostępu oraz ochrony przed cyberatakami.

Czy obrazy pacjentów będą wykorzystywane do sprawdzania skuteczności algorytmów AI?

Tak, ustawa przewiduje nie tylko wykonywanie analizy potrzebnej konkretnemu szpitalowi. Dane mogą być przetwarzane również w celu weryfikacji i nadzoru nad działaniem narzędzi wspomagających oraz monitorowania jakości i efektywności wykorzystywania modeli AI w diagnostyce obrazowej. Ma to znaczenie, ponieważ system medyczny nie może zostać oceniony raz podczas zakupu i następnie działać przez lata bez kontroli. Jego skuteczność powinna być obserwowana również podczas rzeczywistego stosowania w różnych placówkach, na różnych aparatach i w różnych populacjach pacjentów.

Takie monitorowanie może pomóc wykryć sytuację, w której model zachowuje się gorzej w określonym typie badania albo zaczyna generować zbyt wiele fałszywych alarmów. Medyczna AI jest szczególnie wrażliwa na jakość danych wejściowych. Obrazy mogą pochodzić z aparatów różnych producentów i mieć różne parametry techniczne. Model bardzo skuteczny w kontrolowanym badaniu musi więc potwierdzić swoją użyteczność także w codziennej pracy. Właśnie dlatego centralna platforma ma służyć nie tylko do dystrybucji analiz, lecz również do nadzorowania jakości tego sposobu wspierania diagnostyki.

Co się stanie, jeśli sztuczna inteligencja nie zauważy choroby na badaniu?

To jeden z najważniejszych problemów związanych z wykorzystaniem AI w medycynie. Żaden model diagnostyczny nie ma stuprocentowej czułości i swoistości. Może więc zdarzyć się zarówno sytuacja, w której algorytm zaznaczy zmianę, która nie jest chorobą, jak i przypadek, w którym nie wskaże rzeczywiście istniejącej patologii. Z tego powodu PUI została zaprojektowana jako system wspomagania, a nie autonomiczna diagnostyka. Wynik AI jest dodatkową informacją przekazywaną personelowi medycznemu i powinien być interpretowany razem z samym obrazem oraz danymi klinicznymi pacjenta.

Może pojawić się również nowe ryzyko - nadmierne zaufanie do algorytmu. Jeżeli system przez tysiące badań działa dobrze, człowiek może z czasem zacząć automatycznie przyjmować jego wskazania. Dlatego prawidłowe wdrożenie wymaga nie tylko wysokiej jakości oprogramowania, lecz także szkoleń i procedur określających rolę AI. Lekarz powinien wiedzieć, w czym konkretny model jest dobry, czego nie analizuje i jakie ma ograniczenia. Najbezpieczniejszym modelem nie jest sytuacja, w której człowiek ślepo ufa komputerowi, ale taka, w której wynik algorytmu stanowi niezależną wskazówkę podlegającą profesjonalnej weryfikacji.

Dlaczego centralna platforma AI może być szczególnie ważna dla mniejszych szpitali?

Duży szpital akademicki może samodzielnie kupować rozwiązania AI, zatrudniać rozbudowany zespół IT i negocjować integracje z producentami. Mniejsza placówka powiatowa ma znacznie bardziej ograniczone możliwości finansowe oraz kadrowe. Centralna Platforma Usług Inteligentnych ma zmniejszać tę różnicę, udostępniając certyfikowane modele w jednym środowisku szpitalom finansowanym publicznie. Centrum e-Zdrowia wskazuje jako jeden z celów zapewnienie usług i modeli na podobnym poziomie różnym podmiotom ochrony zdrowia.

Może to mieć szczególne znaczenie nocą, w weekendy i wszędzie tam, gdzie liczba dostępnych specjalistów jest ograniczona. Algorytm nie zastąpi dyżurującego lekarza, ale może szybko wskazać, że konkretne badanie mózgu albo RTG wymaga pilniejszej uwagi. Jeżeli rozwiązanie będzie działało prawidłowo, przewaga technologiczna dużego ośrodka może częściowo stać się dostępna również dla mniejszej placówki. Właśnie możliwość skalowania jednego zestawu certyfikowanych narzędzi na setki szpitali jest jedną z największych różnic pomiędzy PUI a dotychczasowymi lokalnymi wdrożeniami.

Czy AI oznacza początek całkowicie automatycznej diagnostyki w Polsce?

Na obecnym etapie zdecydowanie nie. Platforma Usług Inteligentnych jest dużym krokiem w kierunku wykorzystania sztucznej inteligencji w publicznym systemie ochrony zdrowia, ale jej zadanie jest jasno ograniczone do wspierania diagnostyki. Pierwsze pięć modeli koncentruje się na konkretnych badaniach obrazowych, a lekarz nadal odpowiada za proces diagnostyczny i decyzje dotyczące pacjenta. Nie jest to system, do którego pacjent sam wysyła zdjęcie, otrzymuje diagnozę i rozpoczyna leczenie bez kontaktu ze specjalistą.

Znaczenie projektu może być jednak większe, niż wynika z samej listy pięciu usług. Po raz pierwszy tworzona jest centralna infrastruktura, dzięki której certyfikowane modele AI mogą być udostępniane jednocześnie setkom publicznych szpitali. Jeśli system sprawdzi się w radiologii, w przyszłości możliwe będzie rozwijanie kolejnych zastosowań. Najbliższe miesiące pokażą jednak przede wszystkim, czy AI rzeczywiście pomoże szybciej analizować TK, RTG i mammografię, priorytetyzować najpilniejsze przypadki oraz odciążać lekarzy bez obniżania jakości diagnostyki. Sztuczna inteligencja w polskich szpitalach ma więc nie podejmować decyzji zamiast lekarza, lecz sprawić, aby lekarz szybciej docierał do informacji, które mogą mieć znaczenie dla zdrowia pacjenta.