TL;DR: AI dla lekarzy ma dziś trzy dojrzałe zastosowania: dokumentację głosową (najmocniejsze dowody, mniej wypalenia), diagnostykę dopuszczoną przez regulatora (np. IDx-DR) i wsparcie administracyjne. Ogólne modele językowe potrafią konfabulować, więc nadzór lekarza jest obowiązkowy. W 2024 r. z AI korzystało już 66% lekarzy.
O sztucznej inteligencji w medycynie mówi się dziś dwoma skrajnymi językami: albo zastąpi lekarzy, albo to wydmuszka marketingowa. Oba są nieprawdziwe. Realny obraz jest ciekawszy i bardziej użyteczny: w 2024 roku już 66% lekarzy deklarowało korzystanie z jakiejś formy AI, rok wcześniej było to 38% (badanie American Medical Association). To nie jest przyszłość, to jest teraźniejszość, tylko nierówno rozłożona. Ten tekst pokazuje, co AI realnie potrafi dziś w pracy lekarza, gdzie ma twarde dowody skuteczności, a gdzie nadal się myli, bez hype’u i bez lekceważenia.
Spis treści
- Co dziś realnie potrafi AI w gabinecie, a co nie
- Zastosowanie 1: dokumentacja głosowa, czyli najmocniejszy dowód
- Zastosowanie 2: wsparcie diagnostyczne z dopuszczeniem regulatora
- Zastosowanie 3: komunikacja, triage i praca administracyjna
- Gdzie AI się myli i dlaczego nadzór lekarza jest obowiązkowy
- Anonimowy przykład z liczbami: poradnia, która zaczęła od dokumentacji
- Jak zacząć bezpiecznie
- Najczęściej zadawane pytania (FAQ)
- Źródła
Co dziś realnie potrafi AI w gabinecie, a co nie
Najważniejsze rozróżnienie na start: czym innym jest AI dopuszczona jako wyrób medyczny do diagnozy, a czym innym ogólny model językowy w rodzaju ChatGPT. To pierwsze przechodzi badania kliniczne i ocenę regulatora; to drugie jest narzędziem ogólnego przeznaczenia, które potrafi się pewnie mylić. Mieszanie tych dwóch kategorii to najczęstsze źródło zarówno przesadnego entuzjazmu, jak i przesadnego strachu.
Skala dojrzałości tej pierwszej kategorii bywa zaskakująca. Amerykańska FDA prowadzi oficjalny wykaz wyrobów medycznych wykorzystujących AI, na koniec 2024 roku było na nim ponad 1 000 dopuszczonych urządzeń (analiza w npj Digital Medicine opisuje 1 016 autoryzacji), w większości z dziedziny radiologii. To nie są prototypy, tylko narzędzia używane w codziennej praktyce. Poniżej trzy obszary, w których AI daje dziś lekarzowi realną wartość, uporządkowane od najlepiej udokumentowanego.
Zastosowanie 1: dokumentacja głosowa, czyli najmocniejszy dowód
Jeśli jest jedno zastosowanie AI, które warto wdrożyć najpierw, to tak zwany ambient scribe, system, który słucha rozmowy z pacjentem (za jego zgodą) i automatycznie tworzy projekt notatki klinicznej. Lekarz patrzy na pacjenta, a nie na ekran, a po wizycie tylko weryfikuje i zatwierdza tekst.
To zastosowanie ma najmocniejsze dowody. Wieloośrodkowe badanie opublikowane w JAMA Network Open (2025, 263 klinicystów w 6 systemach ochrony zdrowia) pokazało, że po 30 dniach używania ambient AI odsetek klinicystów z objawami wypalenia spadł z 51,9% do 38,8%, a ciężka postać wypalenia, z 18,4% do 12,2%. Uczestnicy szacowali oszczędność około 10,8 minuty na każdą wizytę z dokumentacją. Większe badanie pięciu ośrodków akademickich (publikacja w JAMA, 2026) wskazało na około 13 minut mniej czasu spędzanego w systemie EHR i 16 minut mniej na samej dokumentacji w przeliczeniu na 8 godzin opieki, a u najintensywniejszych użytkowników, ponad 20 minut.
Wniosek jest praktyczny: AI w dokumentacji nie tyle stawia diagnozę, ile oddaje lekarzowi czas i uwagę. Szerzej rozwijamy ten wątek w tekście o AI w dokumentacji medycznej.
Zastosowanie 2: wsparcie diagnostyczne z dopuszczeniem regulatora
Tu zaczyna się AI z prawdziwego zdarzenia, przebadana i dopuszczona. Dwa przykłady, które warto znać, bo wyznaczają standard.
Pierwszy to IDx-DR, który w kwietniu 2018 roku został pierwszym na świecie autonomicznym systemem diagnostycznym AI dopuszczonym przez FDA, stawia rozpoznanie retinopatii cukrzycowej bez udziału lekarza. W badaniu pivotalnym na około 900 pacjentach w podstawowej opiece osiągnął czułość 87,2% i swoistość 90,7%. To znaczy, że badanie przesiewowe w kierunku groźnego powikłania cukrzycy może wykonać pielęgniarka w przychodni POZ, a nie tylko okulista.
Drugi to badanie MASAI, pierwsze duże randomizowane badanie AI w mammografii przesiewowej (ponad 100 tys. kobiet w Szwecji). Wyniki wstępne, opublikowane w The Lancet (2023), pokazały wykrycie o 29% więcej raków przy jednoczesnym zmniejszeniu obciążenia radiologów odczytami o 44% i bez wzrostu liczby fałszywych alarmów. To wzorcowy przykład AI jako wzmocnienia pracy specjalisty, a nie jego zastąpienia.
| Zastosowanie | Status / dowód | Co realnie daje |
|---|---|---|
| Dokumentacja głosowa (ambient scribe) | Badania JAMA Network Open 2025 / JAMA 2026 | ~10–16 min/dzień mniej na biurokracji, mniej wypalenia |
| Retinopatia cukrzycowa (IDx-DR) | Pierwszy autonomiczny AI dopuszczony przez FDA (2018) | Przesiew w POZ, czułość 87,2% |
| Mammografia (MASAI) | RCT, The Lancet 2023 (wyniki wstępne) | +29% wykrytych raków, −44% pracy odczytowej |
| Ogólne modele językowe (ChatGPT i in.) | Brak statusu wyrobu medycznego | Pomoc w tekstach i edukacji, nie do diagnozy |
Zastosowanie 3: komunikacja, triage i praca administracyjna
Trzeci obszar jest mniej spektakularny, ale to tu AI odciąża placówkę na co dzień: wstępne uporządkowanie zgłoszeń pacjentów, projekty odpowiedzi na typowe pytania, podsumowania długiej historii choroby, przygotowanie pism i skierowań do weryfikacji. Tutaj nie chodzi o decyzję kliniczną, lecz o tekst i przepływ informacji, a to akurat domena modeli językowych.
Warto jednak zachować właściwą warstwę. Generatywna AI świetnie nadaje się do tworzenia projektu, który człowiek zatwierdza, a nie do działania bez nadzoru. W praktyce takie zadania najlepiej osadzić w systemie, który już trzyma dane placówki, kalendarz, kartoteki, historię kontaktu z pacjentem. To dlatego CRM dla placówki medycznej, jak PowerCRM, jest naturalnym miejscem na automatyzację komunikacji: AI działa na uporządkowanych danych, a nie w próżni. Jak dobrać taki system, opisujemy w przewodniku jak wybrać system dla przychodni.
Gdzie AI się myli i dlaczego nadzór lekarza jest obowiązkowy
Uczciwy tekst o AI musi pokazać granice. Ogólne modele językowe potrafią konfabulować, podawać nieprawdziwe informacje brzmiące wiarygodnie. W meta-analizie odpowiedzi modeli na pytania onkologiczne (abstrakt konferencyjny ASCO, 2025) mniej więcej jedna na pięć odpowiedzi zawierała błędną informację. Osobnym, dobrze udokumentowanym problemem są zmyślone cytowania bibliograficzne, modele potrafią wygenerować odniesienia do nieistniejących publikacji.
Stąd żelazna zasada: model językowy nie jest źródłem prawdy klinicznej, tylko asystentem, którego pracę zawsze weryfikuje człowiek. Dopuszczone wyroby medyczne AI to inna kategoria, one przeszły walidację, ale nawet one działają w ściśle określonym wskazaniu. Granica odpowiedzialności prawnej i klinicznej zawsze pozostaje po stronie lekarza. To nie jest słabość AI, tylko warunek jej bezpiecznego użycia.
Anonimowy przykład z liczbami: poradnia, która zaczęła od dokumentacji
W projektach widać, że placówki, które zaczynają od najlepiej udokumentowanego zastosowania, najszybciej widzą efekt. Kilkuosobowa poradnia specjalistyczna wdrożyła najpierw asystenta do dokumentacji, a komunikację z pacjentem (przypomnienia, potwierdzenia, odpowiedzi na typowe pytania) zautomatyzowała w systemie CRM. Lekarze raportowali odzyskanie rzędu kilkunastu minut dziennie na dokumentacji, co jest spójne z danymi z badań JAMA i dlatego wiarygodne, a recepcja przestała ręcznie odpisywać na powtarzalne zapytania. Kluczowe było to, czego nie zrobiono: nie oddano AI żadnej decyzji klinicznej. Przykład jest zanonimizowany i ilustracyjny, ale rzędy wielkości mają pokrycie w cytowanych badaniach.
Jak zacząć bezpiecznie
Praktyczna kolejność, która ogranicza ryzyko: zacznij od zastosowań bez decyzji klinicznej (dokumentacja, komunikacja), bo tam korzyść jest pewna, a ryzyko niskie. Każde użycie AI na danych pacjenta sprawdź pod kątem zgodności z RODO, dane o zdrowiu to szczególna kategoria danych, a ogólne modele językowe mają tu istotne ograniczenia, które opisujemy w tekście o zgodności ChatGPT z RODO w medycynie. Do zadań diagnostycznych używaj wyłącznie narzędzi mających status wyrobu medycznego. I zawsze zachowaj nadzór człowieka nad każdym wynikiem. Szerszy obraz roli AI w całej placówce znajdziesz w przewodniku o AI i automatyzacji dla medycyny.
Odpowiedzialność i granica: czego nie oddawać AI
Zasada prawna i kliniczna jest niezmienna: odpowiedzialność za decyzję i dokumentację pozostaje po stronie lekarza, niezależnie od tego, jak pewnie brzmi AI. Dopuszczone wyroby medyczne wspierają w określonym wskazaniu, a ogólne modele językowe nie są wyrobami medycznymi i nie nadają się do diagnozy.
Czego nie wpisywać do ogólnych modeli (np. darmowego ChatGPT): danych identyfikujących pacjenta, takich jak imię i nazwisko, PESEL czy dane kontaktowe powiązane z rozpoznaniem. To przetwarzanie szczególnej kategorii danych, które wymaga odpowiedniego, firmowego narzędzia. Szerzej w tekście o tym, czy ChatGPT jest zgodny z RODO w medycynie, a pełny obraz roli AI w placówce daje przewodnik o AI i automatyzacji dla medycyny.
Mapa zastosowań: dojrzałość AI w medycynie
Nie każde zastosowanie AI jest na tym samym etapie. Przydatna jest mapa dojrzałości, od obszarów z mocnymi dowodami i wdrożeniami po te, które pozostają eksperymentalne:
| Obszar | Dojrzałość |
|---|---|
| Dokumentacja (ambient scribe) | Wysoka |
| Radiologia | Wysoka |
| Mammografia przesiewowa | Wysoka |
| Triage i segregacja zgłoszeń | Średnia |
| Obsługa pacjenta (chatboty) | Średnia |
| Diagnoza ogólna | Niska |
| Decyzje terapeutyczne | Niska |
Reguła jest spójna z resztą tekstu: im bliżej autonomicznej decyzji klinicznej, tym niższa dojrzałość i wyższy wymóg regulacyjny. Najbezpieczniej zaczynać od obszarów wysokiej dojrzałości (dokumentacja, radiologia), gdzie dowody i dopuszczenia już istnieją.
Jak wygląda sytuacja w Polsce?
Polska nie jest tu w tyle. W e-zdrowiu zajmuje 5. miejsce w Unii Europejskiej (wskaźnik 90% wobec średniej UE 79%, badanie Komisji Europejskiej z 2024 roku), a fundament cyfrowy już działa: ponad 2,3 mld wystawionych e-recept i ponad miliard zdarzeń medycznych zgłoszonych do systemu P1.
Sama AI też wchodzi do szpitali. Według badania Centrum e-Zdrowia odsetek szpitali korzystających z AI wzrósł z 6,5% w 2023 roku do 13,2% w 2024 roku, najczęściej w obrazowaniu (33,9% przy tomografii komputerowej, 15,9% przy rezonansie). Działają realne polskie wdrożenia, jak system BrainScan analizujący tomografię głowy (m.in. szpital w Pszczynie od 2024 roku) czy krajowy projekt diagnostyki obrazowej Centrum e-Zdrowia. Powstała też Biała Księga AI w praktyce klinicznej, współtworzona ze środowiskiem lekarskim i regulatorami.
Ramy prawne dopinają się równolegle: EU AI Act wszedł w życie w 2024 roku, a pełne wymogi dla systemów wysokiego ryzyka (w tym diagnostyki i wspomagania decyzji) obowiązują od 2 sierpnia 2026 roku, z dłuższym okresem przejściowym dla AI w wyrobach medycznych. Warto też znać polski sygnał ostrzegawczy: w badaniu opublikowanym w Lancet Gastroenterology & Hepatology (2025) wykrywalność zmian przez endoskopistów bez wsparcia AI spadła z 28,4% do 22,4%, co pokazuje ryzyko nadmiernego polegania na algorytmie i potwierdza, że AI ma wspierać, a nie zastępować czujność lekarza.
Powiązane na blogu PowerCRM: AI w CRM oraz jak sztuczna inteligencja automatyzuje CRM.
Najczęściej zadawane pytania (FAQ)
Czy AI może postawić diagnozę zamiast lekarza?
W wąskich, dopuszczonych zastosowaniach, tak, autonomicznie. Przykładem jest IDx-DR do wykrywania retinopatii cukrzycowej, dopuszczony przez FDA w 2018 roku. Ale to wyjątki o ściśle określonym wskazaniu. W ogólnej praktyce AI wspiera lekarza, a odpowiedzialność za decyzję pozostaje po stronie człowieka.
Czy można używać ChatGPT do pracy z pacjentami?
Do zadań tekstowych bez danych wrażliwych, ostrożnie tak, zawsze z weryfikacją. Do diagnozy, nie, bo to nie jest wyrób medyczny i potrafi konfabulować. Do przetwarzania danych pacjenta, tylko po sprawdzeniu zgodności z RODO i na odpowiedniej, zabezpieczonej infrastrukturze.
Które zastosowanie AI daje najszybszy zwrot?
Dokumentacja głosowa (ambient scribe). Ma najmocniejsze dowody (badania JAMA), odciąża lekarza o kilkanaście minut dziennie i nie wiąże się z ryzykiem decyzji klinicznej. To dobry pierwszy krok.
Jak często AI się myli?
Zależy od narzędzia. Dopuszczone wyroby medyczne mają zwalidowaną dokładność (np. IDx-DR: czułość 87,2%). Ogólne modele językowe mylą się znacznie częściej, w badaniu odpowiedzi onkologicznych około jedna na pięć zawierała błąd. Dlatego nadzór człowieka jest obowiązkowy.
Czy AI zastąpi lekarzy?
Nic na to nie wskazuje. Najlepsze badania (jak MASAI w mammografii) pokazują AI jako wzmocnienie pracy specjalisty, więcej wykrytych przypadków przy mniejszym obciążeniu, a nie jako zamiennik. Zmienia się zakres pracy, nie znika zawód.
Czy korzystanie z AI jest już powszechne wśród lekarzy?
Tak i szybko rośnie. Według ankiety American Medical Association odsetek lekarzy korzystających z AI wzrósł z 38% w 2023 roku do 66% w 2024. To już standard, nie nisza.
Czy mała przychodnia może sobie pozwolić na AI?
Tak, jeśli zacznie od właściwego miejsca. Automatyzacja komunikacji i dokumentacji jest dostępna w modelu abonamentowym i nie wymaga zespołu IT. Kosztowne i ryzykowne jest dopiero wdrażanie zaawansowanych narzędzi diagnostycznych.
Od czego zależy bezpieczeństwo danych przy AI?
Od tego, gdzie i jak dane są przetwarzane. Dane o zdrowiu to szczególna kategoria w rozumieniu RODO. AI należy osadzać w systemie zgodnym z wymogami ochrony danych, a nie wklejać kartotek do publicznych narzędzi.
Czy ChatGPT to dobre narzędzie AI dla lekarza?
Do zadań tekstowych bez danych pacjenta bywa pomocny, ale zawsze z weryfikacją. Do diagnozy, nie, bo nie jest wyrobem medycznym i potrafi konfabulować. Sztuczna inteligencja w medycynie to dwie różne kategorie: dopuszczone wyroby medyczne AI oraz ogólne modele językowe, których nie wolno ze sobą mylić.
Chcesz wykorzystać AI w swojej praktyce bezpiecznie?
Pomożemy osadzić automatyzację i AI w systemie zgodnym z RODO, bez ryzyka dla danych pacjenta.
Źródła
- American Medical Association, Augmented Intelligence Physician Survey (wzrost użycia AI z 38% do 66%). ama-assn.org/practice-management/digital-health
- Olson KD i wsp., badanie ambient AI scribe, JAMA Network Open, 2025 (wypalenie 51,9%→38,8%). jamanetwork.com/journals/jamanetworkopen/fullarticle/2839542
- Abramoff MD i wsp., walidacja IDx-DR, npj Digital Medicine, 2018 (czułość 87,2%, pierwszy autonomiczny AI FDA). nature.com/articles/s41746-018-0040-6
- Lång K i wsp., badanie MASAI, The Lancet / Lancet Digital Health, 2023 (wyniki wstępne, −44% odczytów). thelancet.com
- Hswen Y i wsp., taksonomia wyrobów AI dopuszczonych przez FDA, npj Digital Medicine, 2025 (1 016 autoryzacji). nature.com/articles/s41746-025-01800-1
- Centrum e-Zdrowia, badanie stopnia informatyzacji podmiotów leczniczych, 2024 (13,2% szpitali z AI; CT 33,9%, MRI 15,9%). cez.gov.pl
- Komisja Europejska / CeZ, e-Health Index (Digital Decade), 2024 (Polska 5. miejsce w UE). cez.gov.pl
- Badanie wpływu AI na wykrywalność w kolonoskopii, Lancet Gastroenterology & Hepatology, 2025. thelancet.com
