AI w medycynie 2026: kto odpowiada za decyzje wspierane przez sztuczną inteligencję w szpitalu

📋 Nota metodologiczna
Stan informacji: maj 2026. Źródła: McKinsey & Company (badanie Q4 2025, opublikowane kwiecień 2026), Centrum e-Zdrowia (VIII edycja „Badania stopnia informatyzacji podmiotów wykonujących działalność leczniczą”, marzec 2025), Ministerstwo Zdrowia (komunikaty 2024–2026), Rozporządzenie UE 2024/1689 (AI Act), Rozporządzenie UE 2025/327 (EHDS), Naczelna Rada Lekarska (Kodeks Etyki Lekarskiej, wersja obowiązująca od 1 stycznia 2025 r.), MDR 2017/745, IVDR 2017/746. Artykuł ma charakter analityczno-informacyjny i nie stanowi porady prawnej.

Sztuczna inteligencja w polskich szpitalach przestała być eksperymentem — według raportu Centrum e-Zdrowia z 2024 r. wykorzystuje ją już 13,2% placówek, dwukrotnie więcej niż rok wcześniej. Ministerstwo Zdrowia przeznacza na AI w ochronie zdrowia 1,26 mld zł z KPO. Od 2 sierpnia 2026 r. obowiązują przepisy AI Act dla systemów wysokiego ryzyka, a większość rozwiązań AI w medycynie kwalifikuje się właśnie tak. Dla menedżera szpitala oznacza to konkretne pytanie: kto bierze odpowiedzialność za decyzje podejmowane przy wsparciu algorytmu — lekarz, dyrektor, producent oprogramowania, czy jednostka notyfikowana? Odpowiedź nie jest jedna, ale daje się rozpisać na konkretne role.

⚡ Kluczowe wnioski w 6 punktach

• AI Act obowiązuje etapami — kompetencje (AI literacy) od 2 lutego 2025 r., systemy wysokiego ryzyka od 2 sierpnia 2026 r., systemy będące komponentami wyrobów medycznych do 2 sierpnia 2027 r.
• Większość systemów AI w medycynie to wysokie ryzyko — algorytmy diagnostyki obrazowej, wspomagania decyzji klinicznych i triażu klasyfikowane są jako wysokie ryzyko zgodnie z Załącznikiem III AI Act.
• Odpowiedzialność jest podzielona, nie scedowana — lekarz, dyrektor, IOD, dział IT, producent i jednostka notyfikowana mają różne obowiązki, których nie można delegować na technologię.
• Środki publiczne wymuszają tempo — 1,26 mld zł z KPO na AI i 3,1 mld zł na cyfryzację 359 szpitali do rozliczenia do końca czerwca 2026 r.
• Kodeks Etyki Lekarskiej (art. 12) wymaga od lekarza poinformowania pacjenta o użyciu AI, uzyskania świadomej zgody i stosowania wyłącznie systemów certyfikowanych — ostateczna decyzja zawsze pozostaje po stronie lekarza.
• Granica technologii to halucynacje i deskilling — modele generatywne tworzą fałszywe cytowania, a radiolodzy pracujący stale z AI tracą biegłość w samodzielnej analizie. Zarządzanie ryzykiem wymaga twardych SOP.

Skala zjawiska — co naprawdę pokazują dane 2024–2026

W publicznej debacie liczby dotyczące AI w medycynie pojawiają się często bez kontekstu. Dlatego warto je rozpisać.

Polska — dane Centrum e-Zdrowia. Z VIII edycji „Badania stopnia informatyzacji podmiotów leczniczych” wynika, że narzędzia AI stosowane są w 13,2% szpitali — to dwukrotny wzrost wobec 6,5% rok wcześniej. Dominują trzy obszary zastosowań: diagnostyka obrazowa CT (33,9% placówek korzystających z AI), MRI (15,9%) oraz obsługa pacjenta przez chatboty i wirtualnych asystentów (18%). Wspomaganie decyzji klinicznych obejmuje 16,2% wdrożeń. Szczególną dynamikę deklarują same szpitale — 38,8% z nich planuje wdrożenie lub rozbudowę rozwiązań AI w ciągu najbliższych 12 miesięcy.

Stany Zjednoczone — punkt odniesienia. Według badania McKinsey & Company z IV kwartału 2025 r., 50% organizacji ochrony zdrowia w USA wdrożyło rozwiązania generatywnej AI — wzrost z 25% w 2023 r. i 47% w 2024 r. Ponad 80% liderów potwierdza wdrożenie co najmniej jednego przypadku użycia gen AI w produkcji. Po raz pierwszy w historii badania żaden respondent nie zadeklarował, że nie planuje wdrażać AI.

Rynek globalny. Analitycy szacują, że rynek AI w medycynie wzrośnie z 18,16 mld USD w 2024 r. do 72,85 mld USD w 2029 r. — średniorocznie o ponad 31%. To jeden z najszybciej rosnących segmentów technologii medycznych.

Nowa rama regulacyjna: AI Act, KEL art. 12, EHDS

Dla menedżera placówki najważniejsza zmiana ostatnich 18 miesięcy nie dotyczy samej technologii, ale prawa. Trzy nakładające się akty regulacyjne tworzą nową ramę odpowiedzialności.

AI Act (Rozporządzenie UE 2024/1689) — harmonogram dla ochrony zdrowia

Rozporządzenie weszło w życie 1 sierpnia 2024 r. i obowiązuje etapami:

• 2 lutego 2025 r. — zakaz praktyk niedozwolonych i obowiązek tzw. AI literacy: dostawcy oraz podmioty stosujące systemy AI muszą zapewnić odpowiednie kompetencje personelu.
• 2 sierpnia 2025 r. — zaczęły obowiązywać przepisy o organach krajowych oraz o modelach ogólnego przeznaczenia (GPAI).
• 2 sierpnia 2026 r. — pełne stosowanie wymogów dla systemów wysokiego ryzyka z Załącznika III, w tym kluczowych dla medycyny: diagnostyka, triaż, wspomaganie decyzji klinicznych.
• 2 sierpnia 2027 r. — koniec okresu przejściowego dla systemów AI będących komponentami wyrobów medycznych objętych MDR i IVDR.

Komisja Europejska klasyfikuje sektor zdrowia jako obszar wysokiego ryzyka, co w praktyce oznacza, że niemal każdy system AI używany klinicznie — od algorytmu analizy MRI po chatbot triażujący na izbie przyjęć — podlega obowiązkom: oceny zgodności przed wprowadzeniem na rynek, rejestracji w bazie unijnej, zarządzania ryzykiem przez cały cykl życia produktu, dokumentacji danych treningowych, automatycznego logowania zdarzeń, nadzoru ludzkiego oraz monitoringu po wdrożeniu (post-market monitoring).

Kodeks Etyki Lekarskiej — art. 12 (od 1 stycznia 2025 r.)

Po raz pierwszy w historii polskiego samorządu lekarskiego Kodeks odnosi się wprost do sztucznej inteligencji. Art. 12 KEL stanowi, że lekarz może korzystać z algorytmów AI w postępowaniu diagnostycznym, leczniczym lub zapobiegawczym pod czterema warunkami:

1. Poinformowania pacjenta, że przy stawianiu diagnozy lub w procesie terapeutycznym będzie wykorzystana sztuczna inteligencja.
2. Uzyskania świadomej zgody pacjenta na zastosowanie AI.
3. Stosowania wyłącznie algorytmów certyfikowanych — dopuszczonych do użytku medycznego.
4. Zachowania ostatecznej decyzji po stronie lekarza — algorytm nie zastępuje decyzji klinicznej.

Komisja Etyki Naczelnej Rady Lekarskiej doprecyzowała, że obowiązek informacyjny dotyczy sytuacji, w których AI ma istotny wpływ na przebieg świadczenia — rutynowe przetwarzanie algorytmiczne (np. poprawa jakości obrazu w MRI) nie wymaga odrębnej zgody.

EHDS — Europejska Przestrzeń Danych Zdrowotnych (Rozporządzenie 2025/327)

Rozporządzenie weszło w życie 26 marca 2025 r. Kluczowe daty stosowania to marzec 2027 r. (przepisy wykonawcze) i marzec 2029 r. (pełna wymiana priorytetowych kategorii danych medycznych między państwami UE oraz wtórne wykorzystanie danych do badań). EHDS wprowadza dwa filary: pierwotne wykorzystanie danych (pacjenta i lekarza, w tym transgranicznie) oraz wtórne — do badań naukowych i innowacji, na ścisłych warunkach. Dla dostawców AI w medycynie to szansa na dostęp do większych, bardziej zróżnicowanych zbiorów uczących; dla szpitali — nowe obowiązki interoperacyjności systemów EDM.

Polskie wdrożenia — co już działa w szpitalach

Mapa wdrożeń AI w Polsce w 2025 i 2026 r. pokazuje, że technologia weszła do codziennej praktyki klinicznej w kilku obszarach.

Diagnostyka neurologiczna i radiologia ratunkowa. Polski system BrainScan CT, wytrenowany na ponad 250 tys. badań (około 12,5 mln skanów), analizuje obrazy tomografii komputerowej mózgu i identyfikuje do 30 patologii — udary niedokrwienne, krwawienia śródczaszkowe, guzy. W sierpniu 2024 r. system wdrożył Szpital Joannitas w Pszczynie, a łącznie BrainScan działa w 24 placówkach w Polsce — od szpitali wojewódzkich i wojskowych po powiatowe. System jest wyrobem medycznym z certyfikatem MDR.

Onkologia i diagnostyka obrazowa. Dolnośląskie Centrum Onkologii, Pulmonologii i Hematologii we Wrocławiu wdraża algorytmy wspierające radiologów w analizie wyników obrazowych. W Tychach działa H-T. Polskie zespoły akademickie — w tym AGH — od lat rozwijają algorytmy do wczesnego wykrywania czerniaka, oceny głębokości naciekania nowotworu i segmentacji zmian płucnych na obrazach TK.

Telepatologia z AI. W kwietniu 2025 r. uruchomiono pierwszy w Polsce w pełni zdigitalizowany zakład patomorfologii z obsługą telepatologii wspomaganej AI. Laboratorium wyposażono w skanery preparatów i algorytmy, które automatyzują barwienia, zliczanie komórek i ocenę marginesów resekcji.

Diagnostyka komercyjna. Sieci prywatnej diagnostyki obrazowej od 2022 r. wykorzystują AI-Rad Companion Chest CT firmy Siemens Healthineers — narzędzie wspomagające analizę badań klatki piersiowej.

Konsekwentnie z art. 12 KEL i AI Act, wszystkie te systemy są opisywane jako „druga para oczu” — wsparcie, a nie zastąpienie lekarza. Jak podkreślają sami dostawcy: wynik systemu nie jest diagnozą, ostateczna decyzja w kwestii leczenia zawsze leży po stronie specjalisty. Więcej o praktycznych wdrożeniach AI w polskich szpitalach znajdziesz w naszym przewodniku: Sztuczna inteligencja w diagnostyce szpitalnej — co działa dziś i co wdrożyć w pierwszej kolejności.

Finansowanie — 1,26 mld zł i 3,1 mld zł, deadline czerwiec 2026

Skala publicznych środków na AI i cyfryzację jest bezprecedensowa, ale wpisana w wąski harmonogram.

KPO na AI w ochronie zdrowia. Ministerstwo Zdrowia zapowiedziało wydanie 1,26 mld zł na rozwiązania oparte o sztuczną inteligencję — w ramach większego pakietu 4,33 mld zł na cyfryzację ochrony zdrowia. Główne kierunki: narzędzia wspomagania decyzji klinicznych (CDSS), integracja placówek z Centralnym Repozytorium Danych Medycznych przez Platformę Usług Inteligentnych (PUI).

Konkurs MZ D1.1.2 — 3,131 mld zł dla 359 szpitali. W naborze trwającym do 15 maja 2025 r. szpitale z sieci PSZ ubiegały się o dofinansowanie m.in. na wdrożenie AI, digitalizację dokumentacji medycznej (EDM), integrację systemów i cyberbezpieczeństwo. Maksymalne kwoty wsparcia sięgają 12 mln zł dla szpitali III stopnia oraz specjalistycznych (onkologicznych, pulmonologicznych, pediatrycznych). Szpitale, które otrzymały środki, mają obowiązek wykazać wdrożenie rozwiązań AI i podłączenie do PUI — z terminem rozliczenia do 30 czerwca 2026 r.

To kluczowy parametr planowania dla każdej placówki — opóźnienia w przetargach na PUI w Centrum e-Zdrowia mogą oznaczać ryzyko utraty części środków. Dla dyrektora szpitala oznacza to równoległą koordynację dostawcy AI, integratora systemów i timelinu KPO. O wyborze i wdrożeniu kluczowego systemu szpitalnego piszemy w przewodniku: System HIS w szpitalu — jak wybrać oprogramowanie i przeprowadzić wdrożenie bez chaosu.

Kto bierze odpowiedzialność — mapa kompetencji

To najważniejsza praktyczna kwestia tego artykułu. AI nie ma osobowości prawnej i nie ponosi odpowiedzialności — ani karnej, ani cywilnej, ani etycznej. Odpowiedzialność jest podzielona między sześć ról, których obowiązków nie można na siebie scedować ani delegować na technologię.

Lekarz — odpowiada za ostateczną decyzję diagnostyczną i terapeutyczną (art. 12 KEL). Jest zobowiązany do uzyskania świadomej zgody pacjenta na użycie AI, weryfikacji rekomendacji algorytmu i traktowania jej jako wsparcia, nie wyroczni. Ponosi odpowiedzialność za błąd diagnostyczny, jeśli zaakceptował lub odrzucił rekomendację bez należytej staranności.

Dyrektor placówki — odpowiada za politykę zarządzania AI w szpitalu (AI governance): rejestr używanych systemów, klasyfikację ryzyka, polityki danych, procedury human-in-the-loop, monitoring po wdrożeniu, ścieżki zgłaszania incydentów. To również on podpisuje umowy z dostawcami AI — i to w tych umowach powinny być uregulowane prawa do logów, metadanych, modeli, SLA i procedury wycofania.

Inspektor Ochrony Danych (IOD) — odpowiada za zgodność z RODO przy przetwarzaniu danych pacjentów przez systemy AI. To rola krytyczna, bo większość systemów AI w medycynie operuje na danych szczególnej kategorii (zdrowotnych). IOD weryfikuje podstawy prawne, klauzule informacyjne, oceny skutków dla ochrony danych (DPIA) i mechanizmy anonimizacji.

Dział IT i CISO — odpowiada za cyberbezpieczeństwo systemów, integrację z infrastrukturą (HIS, LIS, RIS), backup, segmentację sieci, monitoring incydentów. Po wejściu w życie znowelizowanej ustawy o Krajowym Systemie Cyberbezpieczeństwa (dyrektywa NIS2) zakres tej odpowiedzialności znacząco rośnie — szczegóły opisaliśmy w artykule: Cyberbezpieczeństwo szpitala — jak chronić dane pacjentów i systemy medyczne przed atakami hakerów.

Producent oprogramowania AI — odpowiada za zgodność systemu z AI Act, MDR/IVDR, dokumentację techniczną, ocenę zgodności, rejestrację w bazie unijnej, raportowanie incydentów. To producent dostarcza informacje o czułości, swoistości i metrykach systemu, które szpital powinien znać.

Jednostka notyfikowana — odpowiada za niezależną ocenę zgodności wyrobów medycznych klasy IIb/III oraz systemów AI wysokiego ryzyka przed wprowadzeniem na rynek. Pełni rolę gatekeepera regulacyjnego, ale po wdrożeniu odpowiedzialność operacyjna wraca do producenta i użytkownika.

W praktyce — gdy dochodzi do błędu diagnostycznego z udziałem AI, ocena odpowiedzialności wymaga rozbioru przepływu decyzji: czy lekarz miał możliwość weryfikacji rekomendacji, czy system był prawidłowo skonfigurowany, czy zachowano logi pozwalające odtworzyć działanie modelu, czy szpital przeprowadził należyte szkolenia personelu. Każda z tych warstw to inna rola i inna podstawa odpowiedzialności. Aby odpowiedzialność była naprawdę weryfikowalna, systemy AI muszą być w pełni zintegrowane z resztą infrastruktury — o tym piszemy w: Integracja systemów IT w szpitalu — jak połączyć HIS, LIS i RIS w jeden spójny ekosystem.

Granice technologii — halucynacje, deskilling, overreliance

Trzy ryzyka, których menedżer placówki nie może zignorować.

Halucynacje modeli generatywnych. Duże modele językowe (LLM) używane jako copiloty w pracy klinicznej tworzą treści spójne, ale nie zawsze oparte na rzeczywistych danych — wymyślają cytowania, podają nieistniejące publikacje, generują wnioski pozbawione podstaw empirycznych. W kontekście medycznym to ryzyko podwójne: błędna informacja może wpłynąć na decyzję, a syntetyczne źródła trudno zweryfikować pod presją czasu. Zabezpieczenie: SOP zakazujący użycia ogólnych chatbotów do generowania rekomendacji klinicznych bez weryfikacji przez certyfikowane źródło.

Deskilling — utrata biegłości. Badania krajowe i analizy Harvard Business Review wskazują, że radiolodzy pracujący przez dłuższy czas z asystą AI tracą część samodzielnych umiejętności diagnostycznych. Po kilku miesiącach codziennej pracy z systemem czujność na zmiany, których AI nie wskazała, spada. Zabezpieczenie: rotacja zadań, okresowe „double-blind reading” bez AI, programy ciągłego doskonalenia zawodowego z naciskiem na rzadkie przypadki.

Overreliance. Nadmierne poleganie na rekomendacji algorytmu — odwrotność deskillingu. Lekarz przyjmuje wynik systemu bez krytycznej weryfikacji, traktując go jak ostateczną odpowiedź. Zabezpieczenie: explainable AI (XAI) — narzędzia pokazujące, na jakich cechach obrazu algorytm oparł wynik, oraz obligatoryjne dokumentowanie własnego rozumowania klinicznego w EDM.

Praktyczne kroki dla menedżera szpitala — checklista AI governance

1. Zinwentaryzuj wszystkie systemy AI używane w placówce (również SaaS, np. subskrypcje ChatGPT Enterprise) i sklasyfikuj według ryzyka zgodnie z AI Act.
2. Wyznacz właściciela biznesowego każdego systemu i właściciela polityki AI governance na poziomie zarządu.
3. Zrewiduj umowy z dostawcami AI — prawa do logów, metadanych, modeli, SLA, procedury wycofania wersji.
4. Wdroż rejestr decyzji wspieranych przez AI — kto, kiedy, na podstawie jakiego modelu, jaką decyzję podjął. To wymóg AI Act dla systemów wysokiego ryzyka i wsparcie procesowe w razie sporu.
5. Zaktualizuj formularze świadomej zgody o informację o użyciu AI (art. 12 KEL) i polityki RODO o nową kategorię przetwarzania.
6. Zaplanuj szkolenia AI literacy dla personelu medycznego, technicznego i zarządczego (obowiązek z lutego 2025 r.).
7. Zintegruj politykę AI z politykami cyber i RODO — AI Act, NIS2 i RODO tworzą wspólny kręgosłup compliance, nie warto budować silosów.

Co mówią eksperci branżowi

„Dochodzimy do momentu, w którym AI zaczyna współtworzyć wiedzę medyczną, a nie tylko ją biernie przetwarzać. To fundamentalna zmiana, oznaczająca, że granica między narzędziem a uczestnikiem procesu badawczego zaczyna się zacierać. Jednocześnie system ochrony zdrowia jest jednym z niewielu obszarów, w których nie można przenieść odpowiedzialności na technologię — każda decyzja musi mieć konkretnego autora. Dlatego największym wyzwaniem nie jest dziś rozwój AI, ale stworzenie ram, dzięki którym jej wykorzystanie będzie bezpieczne, weryfikowalne i jasno przypisane do człowieka”, mówi Andrzej Kinasiewicz, Centralized Monitoring Director AstraZeneca.

„W praktyce klinicznej i badawczej AI zmienia sposób podejmowania decyzji, zwiększając zakres informacji, które można uwzględnić w analizie. To z jednej strony większe możliwości, z drugiej — większa odpowiedzialność za ich interpretację, szczególnie gdy modele operują na danych, których kontekst nie zawsze jest w pełni widoczny. Dlatego równie ważne jak rozwój technologii jest budowanie kompetencji i standardów jej odpowiedzialnego wykorzystania”, mówi Karolina Tkaczuk, Senior Director Forum MedTech.

FAQ — najczęściej zadawane pytania

Kto odpowiada za błędną diagnozę postawioną z udziałem AI?

Odpowiedzialność jest podzielona. Ostateczna decyzja diagnostyczna i terapeutyczna zawsze leży po stronie lekarza (art. 12 KEL). Producent systemu AI odpowiada za zgodność rozwiązania z AI Act, MDR/IVDR i jakość modelu. Szpital — za prawidłowe wdrożenie, szkolenia, integrację i nadzór po wdrożeniu. W konkretnym sporze sąd analizuje całą ścieżkę decyzyjną, w tym logi systemu i dokumentację kliniczną.

Czy szpital musi prosić pacjenta o zgodę na użycie AI w diagnostyce?

Tak, jeśli AI ma istotny wpływ na przebieg świadczenia (art. 12 KEL). Lekarz musi poinformować pacjenta o użyciu algorytmu i uzyskać jego świadomą zgodę. Komisja Etyki NRL doprecyzowała, że rutynowe przetwarzanie algorytmiczne (np. poprawa jakości obrazu w MRI) nie wymaga odrębnej zgody. Najlepszą praktyką jest aktualizacja standardowych formularzy zgody pacjenta o klauzulę dotyczącą AI.

Jakie systemy AI w szpitalu są uznawane za „wysokiego ryzyka” według AI Act?

Większość systemów AI używanych klinicznie kwalifikuje się jako wysokie ryzyko: algorytmy diagnostyki obrazowej (TK, MRI, RTG), systemy wspomagania decyzji klinicznych (CDSS), algorytmy triażu na izbie przyjęć, systemy oceny ryzyka klinicznego. Klasyfikację reguluje Załącznik III AI Act oraz powiązania z MDR i IVDR. Praktyczna zasada: jeśli AI wpływa na decyzję dotyczącą zdrowia konkretnego pacjenta — to wysokie ryzyko.

Czy lekarz może odmówić użycia AI rekomendowanej przez szpital?

Tak. Art. 12 KEL stanowi, że ostateczna decyzja diagnostyczna i terapeutyczna zawsze należy do lekarza. Lekarz nie jest zobowiązany do uwzględnienia rekomendacji algorytmu, jeśli na podstawie swojej wiedzy medycznej uzna ją za nietrafną. Może też odmówić użycia systemu, jeśli nie zna jego metryk (czułość, swoistość) lub ma wątpliwości co do jakości danych treningowych.

Jakie kary grożą za naruszenie AI Act?

AI Act przewiduje trzy poziomy kar: do 35 mln euro lub 7% rocznego globalnego obrotu (najwyższy) — za stosowanie systemów zakazanych; do 15 mln euro lub 3% obrotu — za naruszenia obowiązków dla systemów wysokiego ryzyka; do 7,5 mln euro lub 1% obrotu — za podanie nieprawidłowych informacji organom nadzoru. Dla mniejszych podmiotów stosuje się sankcje proporcjonalne. Polski organ nadzoru — Komisja Rozwoju i Bezpieczeństwa Sztucznej Inteligencji — jest w fazie powoływania.

Co dalej

Sztuczna inteligencja w polskich szpitalach przeszła z fazy eksperymentu do fazy operacyjnej — i regulacyjnej. Wzrost adopcji, środki KPO i nowe wymogi prawne tworzą krótkie okno do uporządkowania zarządzania AI w placówce. Im wcześniej dyrektor szpitala wdroży podstawowy ład (rejestr systemów, polityka, umowy, szkolenia, rejestr decyzji), tym mniejsze ryzyko, że rok 2026 lub 2027 przyniesie kosztowne ustalanie odpowiedzialności po fakcie.

Z perspektywy menedżera placówki najważniejsze nie jest pytanie „czy korzystać z AI”, lecz „jak zorganizować placówkę, żeby każda decyzja podejmowana przy wsparciu algorytmu miała konkretnego autora, weryfikowalną podstawę i ślad audytowy”. AI może zmieniać sposób pracy, ale nie zmienia fundamentalnej zasady — w medycynie odpowiedzialność nie jest skalowalna. Szersze tło technologicznej transformacji polskich szpitali znajdziesz w naszym opracowaniu: Technologia w służbie zdrowia — jak systemy IT zmieniają polskie szpitale.

Źródła

1. Rozporządzenie Parlamentu Europejskiego i Rady (UE) 2024/1689 z 13 czerwca 2024 r. w sprawie ustanowienia zharmonizowanych przepisów dotyczących sztucznej inteligencji (AI Act).
2. Rozporządzenie Parlamentu Europejskiego i Rady (UE) 2025/327 z 11 lutego 2025 r. w sprawie europejskiej przestrzeni danych dotyczących zdrowia (EHDS).
3. Rozporządzenie Parlamentu Europejskiego i Rady (UE) 2017/745 z 5 kwietnia 2017 r. w sprawie wyrobów medycznych (MDR).
4. Kodeks Etyki Lekarskiej, wersja obowiązująca od 1 stycznia 2025 r., uchwalona przez Nadzwyczajny XVI Krajowy Zjazd Lekarzy.
5. Centrum e-Zdrowia, „Badanie stopnia informatyzacji podmiotów wykonujących działalność leczniczą”, VIII edycja, marzec 2025.
6. McKinsey & Company, „Generative AI in healthcare: Current trends and future outlook” — badanie liderów sektora ochrony zdrowia w USA, IV kwartał 2025, publikacja kwiecień 2026.
7. Ministerstwo Zdrowia, Konkurs „Przyspieszenie procesów transformacji cyfrowej ochrony zdrowia” (D1.1.2), nabór 11 kwietnia – 15 maja 2025.
8. Komunikat Departamentu E-zdrowia Ministerstwa Zdrowia w sprawie alokacji 1,26 mld zł z KPO na AI w ochronie zdrowia (sejmowa komisja zdrowia, październik 2024).
9. Naczelna Rada Lekarska, Komisja Etyki — wytyczne interpretacyjne do art. 12 KEL.
10. The Business Research Company, „AI in Healthcare Global Market Report 2025″.