W skrócie
- W szwedzkim badaniu MASAI (106 tys. kobiet) mammografia z AI wykryła o 29% więcej nowotworów i zmniejszyła pracę radiologów o 44%.
- W badaniu z randomizacją asystent notatek Nabla oszczędził ok. 23 sekundy na notatce, czyli ok. 2 godziny 40 minut miesięcznie przy 20 pacjentach dziennie; drugi testowany, Microsoft DAX, nie dał istotnej różnicy.
- AI w wyrobach medycznych to w AI Act wysokie ryzyko, ale pełne obowiązki z tego tytułu zaczną się 2 sierpnia 2028 r.; ChatGPT Health w EOG nadal nie działa.
Stan na 28 października 2026
Czym jest AI w medycynie?
Definicja
AI w medycynie (sztuczna inteligencja w ochronie zdrowia) to programy, które uczą się na danych i na tej podstawie analizują obrazy, tekst lub mowę: wskazują podejrzane zmiany na zdjęciu, zamieniają rozmowę z pacjentem w notatkę albo przygotowują szkic pisma. Decyzję kliniczną nadal podejmuje lekarz.
Pod jednym hasłem kryją się dwa różne światy. Pierwszy to certyfikowane wyroby medyczne: algorytm do mammografii czy tomografii przechodzi ocenę zgodności i ma znak CE. Drugi to ogólne narzędzia AI, takie jak ChatGPT, Claude czy Gemini, które w szpitalu najczęściej pomagają w pracy biurowej: pismach, protokołach, grafikach.
Światowa Organizacja Zdrowia w wytycznych o dużych modelach multimodalnych ze stycznia 2024 r. wymienia pięć obszarów zastosowań: diagnostykę i opiekę kliniczną, samodzielne korzystanie przez pacjentów, zadania administracyjne, edukację medyczną oraz badania naukowe i tworzenie leków. Dokument zawiera ponad 40 rekomendacji dla rządów, firm technologicznych i placówek.
Ten przewodnik opisuje stan na koniec października 2026 r. i skupia się na tym, co realnie działa w polskiej placówce. Nie zawiera porad medycznych.
Gdzie AI w medycynie działa już dziś?
Najmocniejsze dowody ma dziś diagnostyka obrazowa, najszybciej rośnie dokumentacja wizyt, a najłatwiej zacząć od administracji. Asystenci zdrowotni dla pacjentów w Unii Europejskiej są dostępni tylko częściowo.
| Obszar | Co robi AI | Co mówią dowody | Stan w Polsce i UE (X 2026) |
|---|---|---|---|
| Diagnostyka obrazowa | Wskazuje podejrzane zmiany, ustala kolejność opisów | Badanie MASAI (106 tys. kobiet): o 29% więcej wykrytych nowotworów, o 44% mniej pracy radiologów | Platforma Usług Inteligentnych (PUI) Centrum e-Zdrowia z certyfikowanymi algorytmami: ustawowo najpóźniej od 1 grudnia 2026 r.; Ministerstwo Zdrowia mówiło 22 października o rozruchu i testach (znamy to z relacji prasowej) |
| Dokumentacja wizyt | Zamienia rozmowę lekarza z pacjentem w notatkę | Badanie z randomizacją (238 lekarzy): oszczędność od zera do kilkudziesięciu sekund na notatce, zależnie od narzędzia | Wymaga poinformowania pacjenta, podstawy prawnej (zwykle art. 9 ust. 2 lit. h RODO) i umowy powierzenia |
| Administracja szpitala | Grafiki, odpowiedzi na skargi, protokoły z narad | Szkolenie w szpitalu Pro-Medica w Ełku: grafik dla 20 osób na 14 dni w 40 sekund | Dofinansowanie z KPO obejmowało narzędzia AI do organizacji pracy personelu |
| Asystenci dla pacjentów | Wyjaśniają wyniki, pomagają przygotować się do wizyty | Brak dowodów na samodzielną diagnozę | ChatGPT Health niedostępny w EOG; zwykły czat odpowiada na pytania o zdrowie |
Komisja Europejska sama przyznaje, że obecność AI w wyrobach medycznych na rynku jest „stosunkowo ograniczona”, a wejście do codziennej pracy klinicznej postępuje powoli. Główne bariery według Komisji to dostęp do dobrych danych, finansowanie w szpitalach publicznych i wpięcie narzędzi w istniejący sposób pracy.
Diagnostyka obrazowa: co pokazują badania?
Diagnostyka obrazowa to obszar, w którym AI ma najlepsze dowody z badań z randomizacją, ale korzyść dotyczy konkretnego systemu w konkretnym programie, a nie „AI w radiologii” w ogóle.
Najważniejsze badanie to szwedzkie MASAI. Objęło 106 tys. kobiet w wieku 40–74 lat, które losowo przydzielono do przesiewowej mammografii z udziałem AI albo do standardowego podwójnego odczytu przez dwóch radiologów. Wyniki ukazywały się etapami (według Uniwersytetu w Lund):
- o 44% mniej pracy radiologów przy odczytach (wcześniejsze publikacje, m.in. „The Lancet Oncology”, 2023);
- o 29% więcej wykrytych nowotworów, głównie małych, bez przerzutów do węzłów chłonnych („The Lancet Digital Health”, luty 2025);
- o 12% mniej raków interwałowych, czyli wykrytych między badaniami (82 wobec 93), w tym o 27% mniej podtypów agresywnych, oraz wyższa czułość bez wzrostu liczby fałszywych alarmów (końcowe wyniki w „The Lancet”, styczeń 2026).
W USA amerykańska Agencja Żywności i Leków (FDA) prowadzi publiczną listę wyrobów medycznych z AI. Najnowsze pozycje mają datę decyzji z czerwca 2026 r., a radiologia wyraźnie dominuje. FDA zastrzega jednak, że lista „nie jest wyczerpującym źródłem”, i zapowiada oznaczanie urządzeń opartych na dużych modelach językowych.
W Polsce kluczowy projekt to Platforma Usług Inteligentnych (PUI) Centrum e-Zdrowia, finansowana z KPO. Ma dać lekarzom i technikom dostęp do certyfikowanych narzędzi AI wspierających opis badań obrazowych. Według dokumentacji CeZ pierwsze zastosowania to m.in. zmiany nowotworowe w płucach i piersiach, zatorowość płucna, zmiany niedokrwienne i krwotoczne w mózgu oraz złamania. Placówka łączy się z platformą przez API, a według ezdrowie.gov.pl lekarz zachowuje „pełną kontrolę nad diagnozą i interpretacją wyniku”. Ustawa każe uruchomić platformę najpóźniej 1 grudnia 2026 r., a limit to 400 szpitali; stan na 6 listopada opisujemy w tekście o PUI.
Przy zakupie systemu do diagnostyki pytaj o trzy rzeczy: czy ma znak CE jako wyrób medyczny i w jakiej klasie, na jakich danych był sprawdzany (populacja, sprzęt) i jak placówka będzie mierzyć jego działanie u siebie.
Dokumentacja i transkrypcja wizyt: ile czasu to oszczędza?
Asystenci, którzy słuchają wizyty i piszą notatkę (ang. ambient scribes), oszczędzają czas, ale mniej, niż obiecują reklamy, i czasem się mylą.
Najlepsze dane pochodzą z badania z randomizacją UCLA Health opublikowanego w „NEJM AI” w listopadzie 2025 r. Wzięło w nim udział 238 lekarzy z 14 specjalizacji i ok. 72 tys. wizyt. Porównano dwa narzędzia, Microsoft DAX i Nabla, z grupą kontrolną:
- przy Nabli czas pisania notatki spadł z 4 min 30 s do 3 min 49 s, w grupie kontrolnej z 4 min 22 s do 4 min 4 s;
- przy DAX spadek był mniejszy i nieistotny statystycznie;
- wskaźniki wypalenia poprawiły się w obu grupach o ok. 7% w porównaniu z grupą kontrolną;
- notatki „czasami” zawierały istotne klinicznie błędy, najczęściej pominięcia, i odnotowano jedno łagodne zdarzenie niepożądane.
Policzmy to. Różnica między Nablą a grupą kontrolną to ok. 23 sekundy na notatce (41 s wobec 18 s). Lekarz, który przyjmuje 20 pacjentów dziennie, zyskuje ok. 460 sekund, czyli niecałe 8 minut. Przy 21 dniach pracy w miesiącu daje to ok. 2 godziny 40 minut. To realna ulga, ale nie „dodatkowy dzień w tygodniu”.
Poprawiać trzeba, bo modele rozpoznawania mowy potrafią dopisać zdania, których nikt nie wypowiedział. W badaniu „Careless Whisper” (konferencja FAccT 2024) ok. 1% transkrypcji modelu Whisper zawierało całe zmyślone zdania, a 38% takich halucynacji niosło treści potencjalnie szkodliwe. Autorzy wprost wskazali ryzyko dla notatek medycznych.
AI w administracji szpitala: grafiki, skargi, protokoły
Administracja to najtańszy i najbezpieczniejszy start: dane mogą być zanonimizowane, błąd łatwo wyłapać, a oszczędność widać od pierwszego dnia.
W szpitalu Pro-Medica w Ełku, gdzie Adam Bakalarz prowadził szkolenie dla personelu, ćwiczyliśmy trzy zadania na ogólnodostępnych narzędziach AI:
- grafik dyżurów dla 20 osób na 14 dni, ułożony w 40 sekund;
- odpowiedź na skargę pacjenta: gotowy szkic pisma w 30 sekund;
- protokół z narady w trzech kolumnach (ustalenia, osoby odpowiedzialne, terminy) w 45 sekund.
Każdy z tych wyników jest szkicem do sprawdzenia przez człowieka. Grafik trzeba porównać z przepisami o czasie pracy i urlopami, a odpowiedź na skargę z dokumentacją sprawy. Do narzędzia nie wpisujemy danych pacjentów ani nazwisk, jeśli placówka nie ma umowy powierzenia przetwarzania i firmowej licencji. Odpowiedź na skargę i protokół to wzorce, które działają tak samo w każdej instytucji, która obsługuje klientów.
Pieniądze na takie narzędzia już były. W konkursie Ministerstwa Zdrowia z KPO (inwestycja D1.1.2, nabór od 11 kwietnia do 29 maja 2025 r., 495 wniosków) szpitale mogły sfinansować integrację z PUI oraz „zakup narzędzi AI służących optymalizacji procesów szpitalnych oraz organizacji pracy personelu”. Maksymalne dofinansowanie wynosiło 6 mln zł dla szpitala I poziomu, 9 mln zł dla II poziomu i 12 mln zł dla III poziomu oraz szpitali ogólnopolskich, pulmonologicznych, onkologicznych i pediatrycznych. Termin fizycznego zakończenia projektów, pierwotnie 31 maja 2026 r., przedłużono do 7 sierpnia 2026 r., więc część placówek ma już narzędzia, a teraz potrzebuje ludzi, którzy umieją z nich korzystać.
Asystenci AI dla pacjentów: ChatGPT Health i inni
Specjalne tryby zdrowotne chatbotów działają głównie w USA. W Polsce pacjent może pytać zwykłego czatu o zdrowie, ale bez podłączania dokumentacji medycznej.
OpenAI pokazało ChatGPT Health w styczniu 2026 r.: osobną przestrzeń do rozmów o zdrowiu, z możliwością podłączenia aplikacji zdrowotnych, a w USA także dokumentacji medycznej. Według centrum pomocy OpenAI funkcja jest dostępna w obsługiwanych krajach z wyjątkiem Europejskiego Obszaru Gospodarczego, Szwajcarii i Wielkiej Brytanii, a połączenie z dokumentacją medyczną działa tylko w USA. Więcej o planach i ustawieniach prywatności piszemy w przewodniku ChatGPT po polsku.
Anthropic ogłosił 11 stycznia 2026 r. Claude for Healthcare: narzędzia dla placówek i ubezpieczycieli w USA oraz integracje z wynikami badań dla abonentów Pro i Max, także tylko w USA. Firma deklaruje, że nie trenuje modeli na danych zdrowotnych użytkowników, a Claude ma kierować do specjalistów po indywidualną poradę. Szerzej o samym asystencie: Claude AI: czym jest i ile kosztuje.
Rozsądne zastosowania dla pacjenta to przetłumaczenie żargonu z wypisu na prosty język, przygotowanie listy pytań na wizytę czy uporządkowanie objawów w czasie. Chatbot nie zastępuje lekarza: nie zbada, nie zna pełnej historii choroby i może się pomylić z pełnym przekonaniem. W pilnych sytuacjach dzwoń pod 112.
Przepisy: AI Act, MDR, RODO i polska ustawa o systemach AI
AI w wyrobie medycznym to w AI Act system wysokiego ryzyka, ale pełne obowiązki z tego tytułu zaczną się 2 sierpnia 2028 r. Już dziś obowiązują MDR, RODO, tajemnica medyczna i obowiązek informowania, że pacjent rozmawia z chatbotem.
| Przepis | Co oznacza dla placówki | Od kiedy |
|---|---|---|
| MDR (2017/745) i IVDR (2017/746) | Oprogramowanie diagnostyczne to wyrób medyczny: ocena zgodności, znak CE | obowiązuje |
| AI Act, art. 50 | Chatbot musi poinformować, że jest AI | 2.08.2026 |
| AI Act, wysokie ryzyko z załącznika I | Wymogi dla dostawców i obowiązki podmiotów stosujących AI w wyrobach medycznych ocenianych przez jednostkę notyfikowaną | 2.08.2028 (po AI Omnibusie) |
| Europejska przestrzeń danych dotyczących zdrowia (EHDS) | Wymiana kart pacjenta i e-recept między państwami UE | marzec 2029, obrazy i wyniki: marzec 2031 |
AI Act. Rozporządzenia o wyrobach medycznych (MDR) i wyrobach do diagnostyki in vitro (IVDR) są w sekcji A załącznika I do AI Act (pkt 11 i 12). AI, które jest wyrobem medycznym lub jego elementem bezpieczeństwa i wymaga oceny przez jednostkę notyfikowaną, staje się więc systemem wysokiego ryzyka. AI Omnibus (rozporządzenie 2026/1744) przesunął te obowiązki na 2 sierpnia 2028 r. Placówka, która tylko używa takiego systemu, jest „podmiotem stosującym”: także od 2 sierpnia 2028 r. odpowiada m.in. za nadzór człowieka i używanie systemu zgodnie z instrukcją.
RODO i tajemnica. Dane o zdrowiu to szczególna kategoria danych (art. 9 RODO). Tajemnicę lekarską określa art. 40 ustawy o zawodach lekarza i lekarza dentysty, a prawo pacjenta do tajemnicy art. 13 ustawy o prawach pacjenta. W praktyce: dane pacjenta trafiają tylko do narzędzia, dla którego placówka ma podstawę prawną, umowę powierzenia z dostawcą i ocenę ryzyka, nigdy do prywatnego konta pracownika.
Polska ustawa o systemach sztucznej inteligencji (Dz.U. 2026 poz. 1003) powołała Komisję Rozwoju i Bezpieczeństwa Sztucznej Inteligencji (KRiBSI). Komisja współpracuje m.in. z Prezesem Urzędu Rejestracji Produktów Leczniczych, Wyrobów Medycznych i Produktów Biobójczych (art. 20), a URPL zajmie się notyfikacją jednostek oceniających wyroby medyczne z AI (art. 122). Od 28 października KRiBSI przyjmuje skargi na systemy AI i wydaje opinie za 150 zł.
Odpowiedzialność za szkodę też się zmienia: nowa unijna dyrektywa o odpowiedzialności za produkty wadliwe, stosowana od 9 grudnia 2026 r., traktuje oprogramowanie, w tym systemy AI, jako produkt.
Bezpieczeństwo: deepfake, vishing i prompt injection w szpitalu
AI pomaga szpitalom, ale tak samo pomaga przestępcom. Najsłabszym punktem jest zwykle telefon do sekretariatu lub działu IT, a nie serwer.
Trzy zagrożenia, które warto znać:
- Vishing z klonowanym głosem. W kwietniu 2024 r. amerykański Departament Zdrowia (HHS) ostrzegał przed atakami na działy pomocy IT w ochronie zdrowia: oszust podaje się za pracownika, prosi o nowe urządzenie do logowania dwuskładnikowego, a potem przekierowuje płatności. HHS zaznaczył, że przestępcy mogą użyć podszywania się głosem generowanym przez AI, i zalecił oddzwanianie na numer z kartoteki pracownika.
- Deepfake przełożonego. Fałszywe nagranie lub wideorozmowa z „dyrektorem”, który pilnie zleca przelew albo przekazanie danych.
- Prompt injection. Ukryte polecenie w dokumencie, mailu albo nawet w obrazie, które przejmuje kontrolę nad modelem. W badaniu opublikowanym w „Nature Communications” w lutym 2025 r. badacze sprawdzili 4 modele analizujące obrazy medyczne (m.in. GPT-4o i Claude 3.5 Sonnet) w 594 atakach. Wszystkie dały się zmanipulować poleceniami ukrytymi w obrazach, trudnymi do zauważenia dla człowieka.
W ramach szkolenia w szpitalu Pro-Medica w Ełku osobne wystąpienie „AI w rękach cyberprzestępców” przygotowaliśmy właśnie dla personelu administracyjnego. To te osoby odbierają telefony „z banku”, „od dostawcy” i „od dyrekcji”, więc to one muszą umieć rozpoznać deepfake, vishing i prompt injection na przykładach z życia szpitala.
Prosta zasada na dziś: każda pilna prośba o pieniądze, hasło lub dane pacjenta wymaga potwierdzenia innym kanałem, na znany numer.
Ograniczenia i ryzyka: halucynacje, nadmierne zaufanie, odpowiedzialność
AI w medycynie zawodzi najczęściej nie dlatego, że jest słabe, ale dlatego, że ludzie przestają je sprawdzać.
- Halucynacje. Modele językowe i transkrypcyjne dopisują treści, których nie było, i robią to płynnym, przekonującym językiem.
- Nadmierne zaufanie do automatu. WHO ostrzega, że duże modele mogą sprzyjać temu, że lekarze i pacjenci przeoczą błędy albo oddadzą maszynie trudne decyzje.
- Dane treningowe. System sprawdzony na jednej populacji i jednym typie sprzętu może działać gorzej na innych.
- Odpowiedzialność. Za decyzję kliniczną odpowiada lekarz. Już w 2022 r. „Biała księga AI w praktyce klinicznej” opublikowana na portalu gov.pl opisywała AI jako narzędzie wspierające procesy diagnostyczne i terapeutyczne, a nie zastępujące lekarza.
Dobra reguła wyboru: im wyższy koszt błędu i im trudniej go wyłapać, tym mniej automatyzacji. Szkic pisma czy grafiku łatwo poprawić, więc AI może tu dużo zrobić samo. Diagnoza bez udziału lekarza to dziś pole, na które AI nie powinno wchodzić.
Jak zacząć z AI w placówce medycznej?
Zacznij od administracji i jasnych zasad dotyczących danych, a diagnostykę zostaw certyfikowanym systemom i projektom takim jak PUI.
- Spisz 10 powtarzalnych zadań w administracji: grafiki, pisma, protokoły, odpowiedzi na typowe pytania pacjentów.
- Przy każdym oceń dwie rzeczy: ile kosztuje błąd i jak łatwo go wyłapać. Wybierz 2–3 zadania o niskim koszcie błędu.
- Ustal klasy danych. Czego nie wolno wpisywać do narzędzia (dane pacjentów, nazwiska), a co można po anonimizacji.
- Wybierz narzędzie z umową. Licencja firmowa, umowa powierzenia, wyłączone trenowanie na danych.
- Przeszkol ludzi, także z bezpieczeństwa. Art. 4 AI Act po zmianach zobowiązuje do wspierania kompetencji w zakresie AI, a personel administracyjny musi umieć rozpoznać deepfake i vishing.
- Mierz. Zapisz czas zadania przed i po wdrożeniu oraz liczbę poprawek. Bez tego nie wiadomo, czy narzędzie się opłaca.
Jeśli chcesz przeprowadzić takie warsztaty w swojej placówce, zobacz szkolenia z AI dla zespołów. Pracujemy na zadaniach z codziennej pracy uczestników, takich jak grafiki, pisma i protokoły.
Wszystkie teksty o AI w medycynie
Ten przewodnik otwiera dział o AI w medycynie i aktualizujemy go co kilka miesięcy, bo zmieniają się terminy AI Act, dostępność asystentów zdrowotnych w UE i stan Platformy Usług Inteligentnych. Krótsze teksty o konkretnych zmianach będą się pojawiać poniżej. Na razie zobacz, jak działa skarga do KRiBSI na system AI.
Co to znaczy dla Ciebie
Jeśli kierujesz placówką, zacznij od administracji: grafiki, pisma i protokoły dają szybki zysk przy niskim koszcie błędu. Diagnostykę zostaw certyfikowanym systemom z oznaczeniem CE i projektom takim jak PUI. Zanim ktokolwiek wpisze dane pacjenta do czatu, ustal zasady i podpisz umowę z dostawcą. Przeszkol też sekretariat i dział IT z rozpoznawania deepfake’ów i vishingu, bo to oni są pierwszym celem ataku.
Najczęstsze pytania
Czy AI zastąpi lekarza?
Nie. Dzisiejsze systemy wspierają konkretne zadania, np. wskazują podejrzane zmiany na zdjęciu albo piszą szkic notatki, ale decyzję kliniczną i odpowiedzialność ponosi lekarz. W badaniu MASAI AI zmniejszyło pracę radiologów o 44%, ale nie wyeliminowało ich z procesu.
Jakie AI dla lekarzy działa w Polsce?
W diagnostyce: certyfikowane systemy z oznaczeniem CE, a w części szpitali finansowanych ze środków publicznych docelowo także algorytmy z Platformy Usług Inteligentnych, z limitem 400 szpitali i ustawowym terminem uruchomienia do 1 grudnia 2026 r. W pracy biurowej: ogólne narzędzia, takie jak ChatGPT, Claude czy Gemini, na licencji firmowej i bez wpisywania danych pacjentów, dopóki placówka nie ma podstawy prawnej, umowy z dostawcą i oceny ryzyka.
Czy ChatGPT Health działa w Polsce?
Nie. Według OpenAI ChatGPT Health nie jest dostępny w Europejskim Obszarze Gospodarczym, Szwajcarii i Wielkiej Brytanii, a podłączenie dokumentacji medycznej działa tylko w USA. Zwykły ChatGPT odpowiada na pytania o zdrowie, ale nie zastępuje porady lekarza.
Czy szpital może wpisywać dane pacjentów do ChatGPT?
Tylko w narzędziu przeznaczonym do takich danych i po spełnieniu kilku warunków: placówka ma podstawę prawną przetwarzania (zwykle art. 9 ust. 2 lit. h RODO), umowę powierzenia z dostawcą i ocenę ryzyka (często ocenę skutków dla ochrony danych), a pacjenci są o tym poinformowani. Sama umowa powierzenia nie wystarcza. Dane o zdrowiu to szczególna kategoria danych w RODO i obejmuje je tajemnica lekarska. Prywatne konto pracownika się do tego nie nadaje.
Od kiedy AI Act obowiązuje AI w wyrobach medycznych?
Obowiązki dla systemów wysokiego ryzyka z załącznika I, do którego należą wyroby medyczne, zaczną się 2 sierpnia 2028 r. (po zmianach z AI Omnibusa). Wymogi MDR i IVDR obowiązują już teraz, a obowiązek informowania, że pacjent rozmawia z chatbotem, od 2 sierpnia 2026 r.
Od czego zacząć wdrożenie AI w przychodni lub szpitalu?
Od listy powtarzalnych zadań administracyjnych, oceny kosztu błędu, zasad dotyczących danych i szkolenia personelu, także z bezpieczeństwa. Na start dobrze sprawdzają się grafiki, odpowiedzi na skargi i protokoły z narad.
W tym temacie
Kiedy AI jest wyrobem medycznym
system HIS w szpitalu: moduły, połączenie z P1 i co zmienia w nim AI
Platforma Usług Inteligentnych: art. 31d, limit 400 szpitali i podłączenie do PUI
Źródła i data sprawdzenia
- WHO: wytyczne o dużych modelach multimodalnych w ochronie zdrowia (18.01.2024)
- Komisja Europejska: sztuczna inteligencja w ochronie zdrowia
- Uniwersytet w Lund: wyniki badania MASAI (30.01.2026)
- FDA: lista wyrobów medycznych z AI
- UCLA Health / EurekAlert: badanie z randomizacją asystentów notatek (NEJM AI, 26.11.2025)
- Koenecke i in.: Careless Whisper, halucynacje w transkrypcji (FAccT 2024)
- Clusmann i in.: Prompt injection attacks on vision language models in oncology, Nature Communications (2025)
- ezdrowie.gov.pl: Platforma Usług Inteligentnych
- Centrum e-Zdrowia: wstęp do opisu przedmiotu zamówienia PUI
- Ministerstwo Zdrowia: inwestycja D1.1.2 (KPO), nabór konkurencyjny
- OpenAI Help Center: ChatGPT Health
- Anthropic: Claude for Healthcare (11.01.2026)
- AI Act Service Desk: załącznik I
- AI Act Service Desk: harmonogram wdrażania
- EUR-Lex: rozporządzenie (UE) 2026/1744 (AI Omnibus)
- Komisja Europejska: rozporządzenie o EHDS
- Ustawa z 3 lipca 2026 r. o systemach sztucznej inteligencji (Dz.U. 2026 poz. 1003)
- EUR-Lex: RODO (rozporządzenie 2016/679)
- Ustawa o zawodach lekarza i lekarza dentysty (ISAP)
- Ustawa o prawach pacjenta i Rzeczniku Praw Pacjenta (ISAP)
- gov.pl: Biała księga AI w praktyce klinicznej
- SC Media: HHS ostrzega przed socjotechniką wobec działów IT w ochronie zdrowia (2024)
Sprawdzono 28 października 2026
Czytaj dalej
Zobacz też
Zobacz też
Przewodnik po temacie AI w medycynie: przykłady zastosowań, przepisy i jak zacząć w placówce

