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 narzędzia AI wykorzystuje już 13,2% szpitali w Polsce – dwa razy więcej niż rok wcześniej, najczęściej w analizie tomografii komputerowej. Jednocześnie zmienił się kalendarz regulacyjny: pakiet Digital Omnibus przesunął wejście kluczowych obowiązków unijnego AI Act dla systemów wysokiego ryzyka z 2 sierpnia 2026 r. na 2 grudnia 2027 r., a dla sztucznej inteligencji wbudowanej w wyroby medyczne – na 2 sierpnia 2028 r.

Dla zarządu szpitala oznacza to nową kalkulację: deadline się oddalił, ale obowiązki nie zniknęły, a środki z KPO trzeba rozliczyć w 2026 r. niezależnie od losów AI Act. Kluczowe pytanie pozostaje to samo – które technologie wdrożyć w pierwszej kolejności, żeby odciążyć przeciążony personel diagnostyczny, spełnić wymogi prawne i nie stracić dofinansowania. Poniższe opracowanie odpowiada na nie w oparciu o twarde dane Centrum e-Zdrowia, aktualny stan AI Act po Digital Omnibus, Kodeks Etyki Lekarskiej oraz wdrożenia, które od 2024 r. realnie działają w polskich placówkach. Artykuł zaktualizowano: maj 2026 r.

Ile polskich szpitali używa AI i gdzie konkretnie?

Według najnowszych opublikowanych danych Centrum e-Zdrowia sztuczną inteligencję wykorzystuje 13,2% polskich szpitali, podczas gdy rok wcześniej odsetek ten wynosił 6,5%. To niemal podwojenie w skali roku. Najczęstszym obszarem zastosowania jest diagnostyka obrazowa, w szczególności analiza tomografii komputerowej.

Dane pochodzą z VIII edycji „Badania stopnia informatyzacji podmiotów wykonujących działalność leczniczą”, przeprowadzonej przez Centrum e-Zdrowia we współpracy z Ministerstwem Zdrowia jesienią 2024 r. To obecnie najbardziej miarodajne źródło wiedzy o cyfrowej dojrzałości polskiego sektora szpitalnego. W całej populacji podmiotów leczniczych odsetek korzystających z AI wynosi zaledwie 4,7%, co pokazuje, że to właśnie szpitale – mimo barier finansowych i organizacyjnych – są liderem cyfryzacji, wyprzedzającym ambulatoryjną opiekę specjalistyczną i POZ.

Warto zaznaczyć, że IX edycja badania CeZ została przeprowadzona na przełomie listopada i grudnia 2025 r., a jej wyniki nie zostały jeszcze opublikowane. Dane o 13,2% pozostają więc najświeższym oficjalnym pomiarem – kolejny pokaże, czy konkursy cyfryzacyjne z KPO przełożyły się na realny skok adopcji.

Trzy filary AI w diagnostyce – czym się różnią?

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

Gdzie AI naprawdę działa w polskich szpitalach?

Radiologia i patomorfologia to obszary, w których AI w polskich placówkach przeszła z fazy pilotażu do produkcji. Poniżej cztery 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 w sierpniu 2024 r. Algorytm analizuje obrazy tomografii komputerowej głowy i identyfikuje ponad 20 typów zmian patologicznych – m.in. ostry udar niedokrwienny, krwotok śródczaszkowy i podpajęczynówkowy oraz guzy mózgu. System pełni rolę „drugiej pary oczu” radiologa: w ciągu kilku minut po skanie zwraca informację o potencjalnych patologiach, co skraca czas triage’u u pacjentów z podejrzeniem udaru, gdzie każda minuta zwłoki przekłada się na trwałą niesprawność.

Klatka piersiowa i onkologia: AI-Rad Companion Chest CT

Rozwiązanie firmy Siemens Healthineers automatycznie segmentuje obrazy TK klatki piersiowej, oznacza zmiany w płucach, mierzy ich objętość i porównuje z poprzednimi badaniami. Dla onkologa oznacza to standaryzowaną ocenę odpowiedzi na leczenie, a dla radiologa – krótszy opis i mniej powtórnych badań kontrolnych.

Patomorfologia cyfrowa i telepatologia z AI

W kwietniu 2025 r. uruchomiono w Polsce 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 i lepsze dopasowanie terapii do konkretnego typu nowotworu. To także przykład, jak diagnostyka zdalna łączy się z innymi usługami – szerzej opisaliśmy to w analizie poświęconej wdrażaniu i rozliczaniu telemedycyny w szpitalu.

Kardiologia interwencyjna: Edwards HemoSphere w szpitalu Strusia w Poznaniu

Wielospecjalistyczny Szpital Miejski im. Józefa Strusia w Poznaniu jako pierwszy w Polsce zintegrował system AI w procedurach przezcewnikowej implantacji zastawki aortalnej (TAVI). Urządzenie Edwards HemoSphere monitoruje w czasie rzeczywistym parametry hemodynamiczne pacjenta i alarmuje operatora o odchyleniach, co pomaga uniknąć powikłań pooperacyjnych – szczególnie u pacjentów w podeszłym wieku.

Mammografia wspierana AI – czy zastąpi radiologa w badaniach przesiewowych?

Nie. W badaniach przesiewowych sztuczna inteligencja działa jako „drugi czytelnik”, a nie samodzielny diagnosta – ostateczny opis i decyzja należą do lekarza. Najwięcej dowodów na skuteczność AI w diagnostyce obrazowej zgromadzono właśnie w mammografii, dlatego to ten obszar wyznacza kierunek dla całej diagnostyki przesiewowej.

W programach przesiewowych każde zdjęcie jest tradycyjnie oceniane niezależnie przez dwóch radiologów (tzw. podwójne odczytanie), co zwiększa wykrywalność, ale jest kosztowne i zasobochłonne. Badania na dużych zbiorach skandynawskich pokazały, że najlepsze komercyjne systemy AI radzą sobie z wykrywaniem zmian porównywalnie z radiologiem. Z kolei analiza opublikowana w „JAMA Network Open”, oparta na mammogramach ponad 116 tys. kobiet z norweskiego programu przesiewowego, wykazała, że algorytm potrafił wskazać podwyższone ryzyko raka piersi nawet 4-6 lat przed postawieniem diagnozy – pierś, w której później rozwinął się nowotwór, miała wcześniej wyraźnie wyższy wynik AI.

W Polsce zastosowanie AI w mammografii przesiewowej pozostaje na etapie pilotaży i badań naukowych – eksperci podkreślają, że dobrze wytrenowany algorytm może istotnie wesprzeć wykrywalność i odciążyć radiologów, ale żaden kraj nie opiera opisu badań wyłącznie na AI. Powstają też rozwiązania rodzime: krakowski zespół rozwija metodę Ailis, łączącą parametryczne obrazowanie dynamiczne ze sztuczną inteligencją i telemedycyną, bez użycia promieniowania jonizującego.

Z perspektywy zarządu szpitala mammografia jest praktycznym poligonem dla AI z trzech powodów: program przesiewowy NFZ obejmuje kobiety w wieku 45-74 lata badane co dwa lata, podwójne odczytanie obciąża deficytową kadrę radiologiczną, a od 1 lipca 2026 r. mammografia trafia do obowiązkowej Centralnej e-Rejestracji, co ułatwi standaryzację ścieżki pacjenta. AI jako wsparcie podwójnego odczytania jest więc jednym z najlepiej uzasadnionych pierwszych wdrożeń.

Rama prawna 2026 – co zmienił Digital Omnibus?

Pakiet Digital Omnibus przesunął wejście kluczowych obowiązków AI Act dla systemów wysokiego ryzyka: samodzielne systemy z Załącznika III zaczną podlegać im od 2 grudnia 2027 r., a sztuczna inteligencja wbudowana w wyroby medyczne (objęte MDR/IVDR) – od 2 sierpnia 2028 r. Pierwotnym terminem był 2 sierpnia 2026 r., powszechnie uznany za nierealny. To jednak wciąż porozumienie polityczne, które wymaga formalnego przyjęcia przez instytucje UE.

Sektor ochrony zdrowia został zaklasyfikowany jako obszar wysokiego ryzyka, co oznacza, że niemal każdy system AI używany w diagnostyce, triage’u czy wsparciu decyzji klinicznych podlega ocenie zgodności, dokumentacji i nadzorowi. Przesunięcie terminów daje placówkom więcej czasu, ale dwa obowiązki obowiązują już dziś i nie zostały odroczone: wymóg kompetencji personelu (AI literacy) od 2 lutego 2025 r. oraz zgoda pacjenta na zastosowanie AI z art. 12 Kodeksu Etyki Lekarskiej od 1 stycznia 2025 r.

Sankcje pozostają surowe niezależnie od przesunięcia terminów: za stosowanie praktyk zakazanych grozi do 35 mln EUR lub 7% globalnego obrotu, a za niespełnienie wymogów dla systemów wysokiego ryzyka – do 15 mln EUR lub 3% obrotu.

Art. 12 Kodeksu Etyki Lekarskiej – zgoda pacjenta na AI

Znowelizowany Kodeks Etyki Lekarskiej obowiązuje od 1 stycznia 2025 r. i wprowadza pierwsze w polskim prawie zawodowym ramy dopuszczalnego użycia AI przez lekarza.

MDR i IVDR – kiedy AI staje się wyrobem medycznym?

Większość systemów AI używanych w diagnostyce kwalifikuje się jako wyrób medyczny. Rozporządzenie MDR (2017/745) obejmuje wyroby medyczne, a rozporządzenie IVDR (2017/746) – wyroby do diagnostyki in vitro, czyli oprogramowanie analizujące materiał laboratoryjny: krew, wymazy, preparaty patomorfologiczne. To właśnie klasyfikacja wyrobu w MDR lub IVDR przesądza, czy dany system AI jest „wysokiego ryzyka” w rozumieniu AI Act (art. 6 ust. 1) – tak interpretuje to Komisja Europejska i grupa koordynacyjna MDCG.

W praktyce oznacza to dwa równoległe reżimy: wyrób musi mieć znak CE wydany przez jednostkę notyfikowaną zgodnie z MDR/IVDR, a dodatkowo – od 2 sierpnia 2028 r. – spełniać wymogi AI Act dla AI osadzonej w wyrobach. Producent i szpital jako podmiot stosujący muszą zaplanować zintegrowaną ocenę zgodności, a nie traktować obu reżimów rozłącznie.

Do tego dochodzą jeszcze dwa reżimy: RODO – szpital jako administrator danych odpowiada za podstawę prawną przetwarzania, anonimizację zbiorów treningowych i minimalizację danych – oraz cyberbezpieczeństwo (NIS2). Jest ono szczególnie istotne, bo według raportu CeZ aż 91,2% szpitali wskazuje na potrzebę zwiększenia odporności na cyberataki. Praktyczne aspekty ochrony systemów medycznych rozwijamy w analizie o cyberbezpieczeństwie szpitala, a obowiązki dokumentacyjne placówki – w przewodniku po elektronicznej dokumentacji medycznej.

Finansowanie – KPO i refundacja NFZ

Ile pieniędzy z KPO trafia na AI i do kiedy trzeba je rozliczyć?

Na rozwój AI i e-usług w ochronie zdrowia Ministerstwo Zdrowia kieruje w ramach inwestycji KPO ok. 1,26 mld zł, a w odrębnym konkursie na cyfryzację szpitali (D1.1.2) do podziału było ponad 3,1 mld zł. Termin kwalifikowalności wydatków upływa 30 czerwca 2026 r., z możliwością przesunięcia do 15 lipca 2026 r. na podstawie aneksu do umowy.

W konkursie D1.1.2 spośród 495 złożonych wniosków pozytywnie oceniono 457, a do dofinansowania rekomendowano 325 przedsięwzięć o najwyższej punktacji. Środki obejmują wdrożenie rozwiązań AI, digitalizację dokumentacji, integrację systemów oraz cyberbezpieczeństwo. Osobne 150,6 mln zł przeznaczono na budowę Platformy Usług Inteligentnych – centralnego zbioru algorytmów do diagnostyki obrazowej, zintegrowanego z Platformą P1. Warunkiem rozliczenia jest wykazanie wdrożenia konkretnych rozwiązań – dlatego architektura zgodna z AI wymaga równoczesnego myślenia o sprawnym systemie HIS, bez którego integracja z modelami AI nie ma sensu.

Dlaczego brakuje refundacji NFZ dla AI w diagnostyce?

Bo koszt licencji systemu AI nie jest dziś osobnym świadczeniem rozliczanym przez NFZ – placówka pokrywa go z budżetu ogólnego. Premiuje to szpitale o lepszej kondycji finansowej i pogłębia różnice w dostępie do nowoczesnej diagnostyki między ośrodkami referencyjnymi a powiatowymi. To główna bariera szerokiego wdrożenia AI w polskiej radiologii.

Sytuację komplikuje zmiana z 1 kwietnia 2026 r.: NFZ wprowadził stawki degresywne, płacąc 50% za tomografię i rezonans oraz 60% za gastroskopię i kolonoskopię wykonane ponad limit określony w kontrakcie (wcześniej 100%). Zmiana ma przynieść ok. 625 mln zł oszczędności i nie obejmuje dzieci, pacjentów onkologicznych z kartą DiLO ani profilaktyki raka jelita grubego. Radiolodzy ostrzegają przed wydłużeniem kolejek, a eksperci wprost wskazują AI oraz centralne repozytorium badań jako narzędzia ograniczające dublowanie badań – co czyni automatyzację dźwignią efektywności tam, gdzie budżet na obrazowanie jest coraz bardziej napięty.

W braku refundacji realną ścieżką finansowania pozostają granty: projekt AI4AR, realizowany przez Ośrodek Przetwarzania Informacji w programie INFOSTRATEG Narodowego Centrum Badań i Rozwoju, otrzymał ponad 7,3 mln zł na platformę wspomagającą diagnostykę raka prostaty z mpMRI. Podobne wsparcie oferują programy unijne, w tym Horizon Europe.

Bariery wdrożeniowe – na co uważać przy zakupie systemu AI?

Najczęstsze braki w polskich placówkach dotyczą nie technologii, lecz dokumentacji i zgodności. AI Act i KEL zgodnie wymagają, by sztuczna inteligencja pełniła rolę doradczą – ostateczną decyzję podejmuje człowiek. Z perspektywy odpowiedzialności cywilnej szpital musi udokumentować, że lekarz miał realną możliwość i kompetencje do weryfikacji wyniku algorytmu, a decyzja kliniczna jest jego autonomicznym aktem, nie automatycznym wykonaniem sugestii AI.

Dane to drugi obszar ryzyka. Każdy system uczący się na danych szpitala wymaga podstawy prawnej, anonimizacji lub pseudonimizacji i polityki retencji. Realnym zagrożeniem są ataki ransomware na szpitalne PACS – placówka udostępniająca integrację AI bez właściwej segmentacji sieci otwiera dodatkowy wektor ataku. Warto też pamiętać, że integracja modeli AI z obrazowaniem wymaga uporządkowanego przepływu między systemami, co opisaliśmy w analizie o integracji HIS, LIS i RIS.

Co wdrożyć w pierwszej kolejności? Roadmapa dla zarządu

Pierwszym krokiem jest wskazanie wąskiego gardła diagnostycznego o najwyższym koszcie alternatywnym – zwykle radiologii lub patomorfologii – i potraktowanie go jako kandydata numer jeden do AI. Poniższa sekwencja porządkuje kolejne działania zarządu.

1. Audyt wąskich gardeł diagnostycznych. Zidentyfikuj 1-2 obszary, gdzie kolejka opisów lub czas do diagnozy jest największy. To zwykle TK głowy, RTG klatki piersiowej lub patomorfologia.
2. Powołanie zespołu AI governance. Ordynator obszaru klinicznego, inspektor ochrony danych, kierownik IT i przedstawiciel zarządu. Bez tego kroku każdy zakup grzęźnie na kolejnym ogniwie.
3. Rejestr używanych systemów AI. Choć obowiązek z AI Act przesunięto na 2 grudnia 2027 r., rejestr warto prowadzić od „dnia zerowego” – obejmie też narzędzia używane nieformalnie, np. asystentów do dokumentacji.
4. Aktualizacja procedur zgody pacjenta. Formularz zgodny z art. 12 KEL oraz szkolenie personelu z komunikacji o AI z pacjentem.
5. Program AI literacy dla personelu. Obowiązkowy od 2 lutego 2025 r. – dla klinicystów (jak weryfikować wyniki AI) i dla administracji (jak zarządzać incydentami i logami).
6. Walidacja kliniczna na własnych danych. Pilotaż 3-6 miesięcy z porównaniem wyników AI z opinią eksperta na próbie własnych pacjentów, przed produkcyjnym wdrożeniem.
7. Plan rozliczenia środków KPO. Jeśli korzystasz z dofinansowania, harmonogram musi domykać się przed terminem kwalifikowalności wydatków, z buforem na odbiór i wniosek o płatność.

AI w szpitalu nie kończy się na diagnostyce – algorytmy wspierają też planowanie zasobów, o czym piszemy w tekście o sztucznej inteligencji w zarządzaniu szpitalem. Diagnostyka jest jednak najlepszym punktem startu, bo łączy mierzalny efekt kliniczny z gotowym uzasadnieniem inwestycji.

Podsumowanie

Sztuczna inteligencja w polskiej diagnostyce szpitalnej jest już rzeczywistością produkcyjną – od neuroradiologii po patomorfologię cyfrową – a przesunięcie terminów AI Act przez Digital Omnibus dało placówkom oddech, lecz nie zwolniło ich z przygotowań. Najrozsądniejsza strategia to wybór jednego wąskiego gardła diagnostycznego, pilotaż na własnych danych, równoległe domknięcie zgodności prawnej i powiązanie wdrożenia z rozliczeniem środków KPO. Mammografia i radiologia, gdzie dowody skuteczności AI są najsilniejsze, a deficyt kadrowy największy, pozostają najlepszym punktem startu.

FAQ – sztuczna inteligencja w diagnostyce szpitalnej

Czy sztuczna inteligencja może samodzielnie postawić diagnozę?

Nie. Zarówno AI Act, jak i art. 12 Kodeksu Etyki Lekarskiej wymagają, by ostateczną decyzję diagnostyczną podjął lekarz. AI pełni rolę wspierającą – analizuje obrazy, wskazuje obszary podejrzane i przyspiesza opis, ale nie zastępuje człowieka.

Czy lekarz musi informować pacjenta o użyciu AI?

Tak. Od 1 stycznia 2025 r. art. 12 KEL wymaga poinformowania pacjenta i uzyskania jego świadomej zgody na zastosowanie sztucznej inteligencji w diagnostyce lub terapii. System musi być dopuszczony do użytku medycznego, a ostateczną decyzję podejmuje lekarz.

Ile polskich szpitali korzysta z AI?

Według VIII edycji badania Centrum e-Zdrowia (dane za 2024 r.) sztuczną inteligencję wykorzystuje 13,2% szpitali, wobec 6,5% rok wcześniej. Najczęściej stosuje się ją w analizie tomografii komputerowej.

Kiedy zaczną obowiązywać wymogi AI Act dla diagnostyki?

Po porozumieniu w sprawie Digital Omnibus wymogi dla samodzielnych systemów wysokiego ryzyka mają obowiązywać od 2 grudnia 2027 r., a dla AI wbudowanej w wyroby medyczne – od 2 sierpnia 2028 r. Obowiązki AI literacy i zgody pacjenta działają już od 2025 r.

Czy NFZ refunduje sztuczną inteligencję w diagnostyce?

Nie. Koszt systemu AI nie jest osobnym świadczeniem rozliczanym przez NFZ – placówka pokrywa go z budżetu ogólnego. Finansowanie możliwe jest ze środków KPO oraz grantów badawczych, takich jak program INFOSTRATEG.

Czy AI w mammografii jest już stosowana w polskich szpitalach?

W Polsce zastosowanie AI w mammografii przesiewowej pozostaje głównie na etapie pilotaży i badań. Dowody międzynarodowe są obiecujące – algorytmy wykrywają zmiany porównywalnie z radiologiem i potrafią wskazać podwyższone ryzyko na lata przed diagnozą – ale opis badania wciąż zatwierdza lekarz.

Źródła

• Centrum e-Zdrowia, VIII Edycja Badania stopnia informatyzacji podmiotów wykonujących działalność leczniczą (dane za 2024 r.).
• Rozporządzenie Parlamentu Europejskiego i Rady (UE) 2024/1689 (AI Act) wraz z porozumieniem politycznym w sprawie pakietu Digital Omnibus z 2026 r.
• Rozporządzenie (UE) 2017/745 w sprawie wyrobów medycznych (MDR) oraz Rozporządzenie (UE) 2017/746 w sprawie wyrobów medycznych do diagnostyki in vitro (IVDR).
• Kodeks Etyki Lekarskiej – nowelizacja z 18 maja 2024 r., obowiązująca od 1 stycznia 2025 r.; komentarz Komisji Etyki Lekarskiej NRL do art. 12.
• Ministerstwo Zdrowia oraz Ministerstwo Funduszy i Polityki Regionalnej – komunikaty o inwestycji D1.1.2 KPO i wynikach naboru na cyfryzację szpitali.
• JAMA Network Open – analiza wartości predykcyjnej AI w mammografii przesiewowej (kohorta norweska).
• Komunikaty Narodowego Funduszu Zdrowia o zasadach finansowania diagnostyki obrazowej obowiązujących od 1 kwietnia 2026 r.