Sztuczna inteligencja w diagnostyce szpitalnej – co działa dziś i co wdrożyć w pierwszej kolejności

Sztuczna inteligencja w polskich szpitalach przestała być eksperymentem. Według VIII edycji raportu Centrum e‑Zdrowia z 2024 r. już 13,2% szpitali w Polsce wykorzystuje narzędzia AI — dwukrotnie więcej niż rok wcześniej. Równocześnie do 2 sierpnia 2026 r. szpitale muszą dostosować się do unijnego rozporządzenia AI Act (2024/1689), a Ministerstwo Zdrowia kieruje na rozwój AI w ochronie zdrowia 1,26 mld zł z KPO.

Dla zarządu szpitala oznacza to konkretne pytanie: które technologie wdrożyć w pierwszej kolejności, żeby równocześnie wesprzeć przeciążony personel, spełnić nowe wymogi prawne i rozliczyć środki z KPO przed wrześniowym deadline’em 2026 r.? Poniższe opracowanie odpowiada na to pytanie w oparciu o twarde dane CeZ, AI Act, Kodeks Etyki Lekarskiej i konkretne wdrożenia, które od 2024 r. działają w polskich placówkach. Szerszy kontekst całej cyfrowej transformacji polskich szpitali — od EDM po telemedycynę — opisaliśmy w osobnym przewodniku.

Kluczowe wnioski w pięciu punktach

• 13,2% polskich szpitali używa AI — głównie w analizie tomografii komputerowej (33,9% wdrożeń) i wirtualnych asystentach (18%); rok wcześniej wskaźnik wynosił 6,5%.
• 2 sierpnia 2026 r. to graniczny termin wejścia w życie kluczowych obowiązków AI Act dla systemów wysokiego ryzyka — w tym diagnostyki, triage i priorytetyzacji pacjentów.
• Od 1 stycznia 2025 r. lekarz musi uzyskać zgodę pacjenta na zastosowanie AI w diagnostyce i terapii (art. 12 znowelizowanego KEL).
• Od 2 lutego 2025 r. obowiązek AI literacy — każdy podmiot leczniczy stosujący AI musi zapewnić odpowiedni poziom kompetencji u personelu.
• 1,26 mld zł z KPO trafia na sztuczną inteligencję w ochronie zdrowia; aby rozliczyć środki, 359 szpitali objętych konkursem cyfryzacyjnym musi wykazać wdrożenie AI i podłączenie do Platformy Usług Inteligentnych.

Status quo: AI w polskich szpitalach 2024–2026 — twarde dane

Co dokładnie pokazuje raport CeZ

VIII edycja „Badania stopnia informatyzacji podmiotów wykonujących działalność leczniczą”, przeprowadzona przez Centrum e‑Zdrowia we współpracy z Ministerstwem Zdrowia w okresie od 21 października do 20 listopada 2024 r. (technika CAWI), to obecnie najbardziej miarodajne źródło danych o cyfrowej dojrzałości polskiego sektora szpitalnego. Raport pokazuje skok wykorzystania AI w szpitalach z 6,5% w 2023 r. do 13,2% w 2024 r. — niemal podwojenie w skali roku.

Co istotne, w ogóle podmiotów leczniczych (PWDL) odsetek korzystających z AI wynosi tylko 4,7%. To pokazuje, że szpitale — mimo barier organizacyjnych i finansowych — są liderem cyfryzacji, znacznie wyprzedzającym ambulatoryjną opiekę specjalistyczną i POZ.

Gdzie konkretnie wdrażane jest AI w szpitalach

Obszar zastosowania AI	% szpitali	Komentarz
Analiza tomografii komputerowej	33,9%	Najczęstszy obszar wdrożeń — głównie neuroradiologia (udar, krwotok) i klatka piersiowa.
Wirtualni asystenci pacjenta	18,0%	Boty potwierdzające wizyty, kierujące rozmowy, wstępny triage telefoniczny.
Systemy wspomagania decyzji klinicznych (CDS)	16,2%	Alerty interakcji lekowych, sugestie diagnostyczne, kalkulatory ryzyka.
Analiza obrazów MRI	15,9%	Tkanki miękkie, neurologia, ortopedia — szybsze opisy badań.

Źródło: Centrum e‑Zdrowia, VIII Edycja Badania stopnia informatyzacji podmiotów wykonujących działalność leczniczą (dane za 2024 r.).

Trzy filary AI w diagnostyce klinicznej

Pojęcie „sztuczna inteligencja w medycynie” obejmuje technologie różniące się architekturą, danymi treningowymi i typowymi zastosowaniami. Dla menedżera szpitala kluczowe jest rozróżnienie trzech filarów — bo wymagają one innego podejścia do walidacji, certyfikacji (CE/MDR) i integracji z istniejącymi systemami HIS/PACS.

Filar AI	Czym jest	Typowe zastosowania szpitalne
Uczenie maszynowe (ML)	Algorytmy uczące się na danych historycznych i poprawiające skuteczność wraz z napływem nowych obserwacji.	Predykcja ryzyka sepsy, modele wcześniejszego wykrywania pogorszenia stanu pacjenta, personalizacja terapii onkologicznej.
Przetwarzanie języka naturalnego (NLP)	Modele rozumiejące i strukturyzujące tekst — zarówno medyczny, jak i potoczny.	Automatyczna ekstrakcja danych z opisów badań, kodowanie ICD, dyktowanie dokumentacji, asystenci pacjenta.
Sieci neuronowe / deep learning	Wielowarstwowe modele matematyczne specjalizujące się w rozpoznawaniu wzorców w obrazach i sygnałach.	Analiza TK, MRI, RTG, mammografii; segmentacja zmian nowotworowych w patomorfologii cyfrowej; analiza EKG.

Diagnostyka obrazowa — gdzie AI naprawdę działa w polskich szpitalach

Radiologia i patomorfologia to obszary, w których AI w polskich placówkach przeszła już z fazy pilotażu do produkcji. Poniżej cztery konkretne wdrożenia, których właściciele udostępnili publicznie informacje o systemie i efektach.

Neuroradiologia: BrainScan w Szpitalu Joannitas w Pszczynie

Szpital powiatowy Joannitas w Pszczynie wdrożył system BrainScan CT 2 sierpnia 2024 r. Algorytm gdańskiego startupu analizuje obrazy tomografii komputerowej głowy i identyfikuje ponad 20 typów zmian patologicznych — m.in. ostry udar niedokrwienny, krwotok śródczaszkowy, krwotok podpajęczynówkowy, guzy mózgu. System pełni rolę „drugiej pary oczu” dla radiologa: w ciągu kilku minut po skanie zwraca informację o potencjalnych patologiach, co skraca czas triage’u u pacjentów z podejrzeniem udaru — sytuacji, w której każda minuta zwłoki przekłada się na trwałą niesprawność.

Klatka piersiowa i onkologia: AI-Rad Companion Chest CT (Siemens Healthineers)

Już w 2022 r. jedna z prywatnych sieci diagnostycznych jako pierwsza w Polsce wdrożyła AI‑Rad Companion Chest CT — rozwiązanie firmy Siemens Healthineers, które automatycznie segmentuje obrazy TK klatki piersiowej, oznacza zmiany w płucach, mierzy objętość zmian i porównuje je z poprzednimi badaniami. Dla onkologa oznacza to standaryzowaną ocenę odpowiedzi na leczenie, dla radiologa — krótszy opis i mniej powtórnych badań kontrolnych.

Patomorfologia cyfrowa i telepatologia z AI

11 kwietnia 2025 r. uruchomiono w Polsce pierwszy w pełni zdigitalizowany zakład patomorfologii z obsługą telepatologii wspieraną przez AI. Codziennie skanowanych jest tam ponad 200 szkiełek, a algorytmy wspomagają patomorfologów w analizie barwień i pomiarach z dokładnością do jednego mikrometra. Efektem jest większa spójność interpretacji oraz lepsze dopasowanie terapii do konkretnego typu nowotworu — co bezpośrednio przekłada się na jakość terapii personalizowanej.

Kardiologia interwencyjna: Edwards HemoSphere w szpitalu Strusia (Poznań)

Wielospecjalistyczny Szpital Miejski im. Józefa Strusia w Poznaniu jako pierwszy w Polsce zintegrował system AI w procedurach przezcewnikowej implantacji zastawki aortalnej (TAVI). Od 2024 r. urządzenie Edwards HemoSphere monitoruje w czasie rzeczywistym parametry hemodynamiczne pacjenta i alarmuje operatora o odchyleniach — co pomaga uniknąć powikłań pooperacyjnych takich jak uszkodzenie nerek czy niedokrwienie mięśnia sercowego, szczególnie u pacjentów w podeszłym wieku.

Rama prawna 2026 — czego nie wolno przeoczyć

To obszar, w którym najczęściej spotyka się braki w polskich placówkach. Zarząd szpitala wdrażającego AI musi równocześnie zarządzać czterema reżimami prawnymi: AI Act, MDR (wyroby medyczne), RODO oraz Kodeks Etyki Lekarskiej. Każdy z nich nakłada własne, częściowo nakładające się obowiązki.

AI Act (rozporządzenie 2024/1689) — oś czasu i obowiązki

Rozporządzenie Parlamentu Europejskiego i Rady (UE) 2024/1689 z 13 czerwca 2024 r., znane jako AI Act, weszło w życie 1 sierpnia 2024 r. Komisja Europejska zaklasyfikowała sektor ochrony zdrowia jako obszar wysokiego ryzyka — oznacza to, że niemal każdy system AI używany w diagnostyce, triage’u, priorytetyzacji pacjentów czy wsparciu decyzji klinicznych podlega ścisłej ocenie zgodności, dokumentacji i nadzorowi.

Data	Obowiązek	Co znaczy dla szpitala
2 lutego 2025 r.	Zakaz systemów AI o niedopuszczalnym ryzyku + obowiązek AI literacy	Każdy szpital używający AI musi zapewnić odpowiedni poziom kompetencji u personelu — zarówno klinicznego, jak i administracyjnego.
2 sierpnia 2025 r.	Obowiązki dla modeli ogólnego przeznaczenia (GPAI) i nadzoru	Dotyczy głównie dostawców (np. integratorów chatbotów GenAI), ale szpital staje się „deployerem” i odpowiada za wdrożenie.
2 sierpnia 2026 r.	Kluczowe wymogi dla systemów wysokiego ryzyka	Rejestr używanych systemów AI, post-market monitoring, „ślad decyzyjny” algorytmu, human‑in‑the‑loop, rejestry interwencji człowieka.
2 sierpnia 2027 r.	Pełna zgodność dla AI zintegrowanej z wyrobami medycznymi (MDR/IVDR)	Domknięcie wymogów dla AI wbudowanej w certyfikowane wyroby medyczne — reżim AI Act i MDR działają równolegle.

Sankcje są surowsze niż w RODO: za stosowanie zakazanych praktyk grozi do 35 mln EUR lub 7% globalnego obrotu, za niespełnienie wymogów dla systemów wysokiego ryzyka — do 15 mln EUR lub 3% obrotu (stosuje się kwotę wyższą).

Art. 12 Kodeksu Etyki Lekarskiej — informacja i zgoda pacjenta

Znowelizowany 18 maja 2024 r. Kodeks Etyki Lekarskiej obowiązuje od 1 stycznia 2025 r. Artykuł 12 KEL wprowadza pierwsze w polskim prawie zawodowym ramy dopuszczalnego użycia AI przez lekarza.

MDR + RODO — równoległe reżimy

Większość systemów AI używanych w diagnostyce kwalifikuje się jako wyrób medyczny w rozumieniu rozporządzenia MDR (2017/745) i wymaga znaku CE wydanego przez jednostkę notyfikowaną. Równocześnie obowiązuje RODO — szpital jako administrator danych osobowych odpowiada za podstawę prawną przetwarzania, anonimizację zbiorów treningowych i zgodność z zasadą minimalizacji danych. Pełny katalog 12 obowiązków dyrektora placówki w zakresie RODO — wraz z najnowszymi karami nakładanymi przez UODO — opracowaliśmy w osobnej analizie. Trzeci wymiar to NIS2 i nadchodzący Cyber Resilience Act, które nakładają obowiązki cyberbezpieczeństwa — szczególnie istotne, że według raportu CeZ 91,2% szpitali zgłasza potrzeby w zakresie cyberbezpieczeństwa, a 69,6% wskazuje na braki w odporności na cyberataki. Tematykę nowoczesnych zagrożeń cybernetycznych w medycynie rozwijamy w odrębnym opracowaniu.

Finansowanie — KPO i co dalej

1,26 mld zł na AI w zdrowiu (D1.1.2)

W marcu 2025 r. Komitet ds. Cyfryzacji zatwierdził projekt przewidujący przeznaczenie ponad 1,2 mld zł z KPO na rozwój sztucznej inteligencji i e‑usług w sektorze ochrony zdrowia (inwestycja D1.1.2). Łącznie Ministerstwo Zdrowia planuje wydatkować na rozwiązania oparte o AI 1,26 mld zł. Środki obejmują m.in. budowę Platformy Usług Inteligentnych (PUI), centralne repozytorium danych, modele AI do wsparcia diagnostyki, oraz infrastrukturę obliczeniową z akceleratorami GPU. PUI ma funkcjonować w ścisłej integracji z istniejącą Platformą P1, która jest centralnym węzłem polskiego e‑zdrowia.

3 mld zł dla 359 szpitali — co trzeba wykazać do rozliczenia

Równolegle, w ramach konkursu MZ na cyfryzację szpitali z KPO, do 359 placówek popłynęło ponad 3 mld zł. Aby rozliczyć otrzymane środki, szpitale muszą wykazać dwie rzeczy: (1) wdrożenie konkretnych rozwiązań AI, (2) podłączenie do Platformy Usług Inteligentnych. Wsparcie obejmuje wdrażanie EDM, certyfikowanych narzędzi AI, modernizację systemów diagnostycznych, podniesienie poziomu cyberbezpieczeństwa. Z perspektywy zarządu warto pamiętać, że budowa zgodnej architektury wymaga równoczesnego myślenia o wyborze i wdrożeniu systemu HIS — bez sprawnego rdzenia HIS nie ma sensownej integracji z modelami AI.

Bariery wdrożeniowe i etyka — z perspektywy dyrektora

Human-in-the-loop i odpowiedzialność cywilna

AI Act i KEL zgodnie wymagają, by AI pełniła rolę doradczą — ostateczną decyzję podejmuje człowiek. Z perspektywy odpowiedzialności cywilnej szpitala oznacza to konieczność udokumentowania, że (a) lekarz miał realną możliwość weryfikacji wyniku algorytmu, (b) miał kompetencje do tej weryfikacji, (c) decyzja kliniczna jest zapisana jako autonomiczny akt lekarza, a nie automatyczne wykonanie sugestii AI. Brak takiej dokumentacji to ryzyko nie tylko dyscyplinarne, ale też cywilne — w razie błędu diagnostycznego linia obrony „AI tak doradziła” nie wystarczy.

Dane, anonimizacja, NIS2/cyberbezpieczeństwo

Każdy system AI uczący się na danych szpitala wymaga jasnej podstawy prawnej, anonimizacji albo pseudonimizacji oraz odpowiedniej polityki retencji. Realne zagrożenie to ataki ransomware na szpitalne PACS — placówka, która udostępnia integrację AI bez właściwej segmentacji sieciowej, otwiera dodatkowy wektor ataku.

Refundacja NFZ — luka systemowa

Główną barierą szerokiego wdrożenia AI w polskiej radiologii pozostaje brak refundacji ze strony NFZ. Koszt licencji systemu AI nie jest dziś osobnym świadczeniem rozliczanym przez płatnika — placówka pokrywa go z ogólnego budżetu, co premiuje szpitale o lepszej kondycji finansowej i pogłębia różnice w dostępie do nowoczesnej diagnostyki między ośrodkami referencyjnymi a powiatowymi.

Roadmapa wdrożenia AI — 7 kroków dla zarządu szpitala

1. Audyt „wąskich gardeł” diagnostycznych. Zidentyfikuj 1–2 obszary, gdzie kolejka opisów lub czas do diagnozy jest największy — zwykle radiologia (TK głowy, RTG klatki piersiowej) lub patomorfologia. To kandydat numer jeden do AI.
2. Powołanie zespołu „AI governance”. Ordynator obszaru klinicznego, IOD, kierownik IT, przedstawiciel zarządu. Bez tego kroku każdy zakup będzie odbity od kolejnego ogniwa.
3. Rejestr używanych systemów AI. Wymagany przez AI Act od 2 sierpnia 2026 r. — zacznij od „dnia zerowego”, jeszcze zanim coś wdrożysz, bo będzie też obejmował narzędzia używane nieformalnie (np. asystenci do dokumentacji).
4. Aktualizacja procedur uzyskiwania zgody pacjenta. Formularz pisemny lub elektroniczny zgodny z art. 12 KEL, szkolenie personelu z komunikacji o AI z pacjentem.
5. Program AI literacy dla personelu. Obowiązkowy od 2 lutego 2025 r. — zarówno dla klinicystów (jak weryfikować wyniki AI), jak i dla administracji (jak zarządzać incydentami i logami).
6. Walidacja kliniczna na własnych danych. Przed produkcyjnym wdrożeniem — pilotaż 3–6 miesięcy z porównaniem wyników AI z opinią eksperta na próbie własnych pacjentów. Ten krok ratuje przed niespodziankami przy pierwszym audycie.
7. Plan rozliczenia środków KPO. Jeśli korzystasz z dofinansowania — harmonogram wdrożenia musi domykać się przed czerwcem 2026 r., żeby zostawić bufor na odbiór, dokumentację i wniosek o płatność.