Polska sztuczna inteligencja przyspieszy leczenie pacjentów z rakiem płuca
Politechnika Wrocławska i Dolnośląskie Centrum Onkologii, Pulmonologii i Hematologii zaprezentowały projekt polskiego modelu sztucznej inteligencji dla medycyny. Program ułatwi prowadzenie pacjentów onkologicznych poprzez analizę dokumentacji i wykrywanie brakujących wyników badań. Rozwiązanie to ma zoptymalizować ścieżkę leczenia i zapobiegać opóźnieniom, co jest kluczowe w walce z chorobami nowotworowymi.
Spis treści:
Główne założenia programu Polska AI dla zdrowia we wrocławskich placówkach
Dnia 7 października 2026 roku podczas posiedzenia sejmowej podkomisji do spraw sztucznej inteligencji zaprezentowano program Polska AI dla zdrowia. Liderem technologicznym przedsięwzięcia jest Politechnika Wrocławska, a głównym partnerem klinicznym Dolnośląskie Centrum Onkologii, Pulmonologii i Hematologii z siedzibą we Wrocławiu (DCOPiH). Inicjatywa zakłada stworzenie bazowego polskiego modelu sztucznej inteligencji na potrzeby medycyny, korzystając z doświadczeń zdobytych przy projekcie PLLuM. Głównym zadaniem oprogramowania jest wsparcie personelu medycznego w zmaganiach z narastającą biurokracją. Początkowo program skupi się na optymalizacji ścieżki pacjentów z rakiem płuca.
Sztuczna inteligencja w onkologii nie zastąpi decyzji prawdziwego lekarza
System automatycznie przeanalizuje rozproszoną dokumentację, w tym opisy wizyt, wyniki badań laboratoryjnych, obrazy diagnostyczne, historię choroby oraz harmonogramy procedur. Wychwytywanie braków w wynikach badań pozwoli ostrzegać przed opóźnieniami w procesie leczenia oraz ułatwi ustalanie aktualnego etapu opieki nad pacjentem. W jednym wrocławskim ośrodku przyjmuje się rocznie ponad 1,4 tys. nowych pacjentów z rakiem płuca, co umożliwi kalibrację oprogramowania na rzeczywistych danych. Z publikacji wynika, że odpowiednia organizacja danych historycznych pozwoliła wrocławskim lekarzom zwiększyć wykrywalność nowotworu we wczesnych stadiach w dwa lata. Twórcy stanowczo zastrzegają, że oprogramowanie nie służy do samodzielnego stawiania diagnoz. Ostateczną decyzję medyczną oraz wybór terapii zawsze podejmuje specjalista. Badanie opinii publicznej wskazuje, że 46,7 proc. Polaków popiera wykorzystywanie sztucznej inteligencji jako wsparcia dla lekarzy.
Bezpieczeństwo wrażliwych danych pacjentów dzięki uczeniu federacyjnemu
Ochrona dokumentacji medycznej opiera się na metodzie określanej jako uczenie federacyjne. Algorytmy będą trenowane lokalnie na serwerach poszczególnych szpitali. Do wspólnej sieci trafią wyłącznie wyniki procesu uczenia. Podejście to pozwala na analizę informacji medycznych bez tworzenia scentralizowanej bazy z kartami i prywatnymi historiami chorych. Twórcy przypominają, że pełna anonimowość w sieci szpitalnej wymaga ścisłych procedur technicznych i rygorystycznej kontroli dostępu, aby w pełni chronić wrażliwe dane w środowisku cyfrowym.
Sześcioletni harmonogram prac nad polskim systemem medycznym
Czas trwania projektu przewidziano na sześć lat. Pierwsze sześć miesięcy przeznaczono na przygotowania organizacyjne, porządkowanie danych i ustalanie podstaw prawnych. Do 18. miesiąca powstanie demonstrator do pierwszych zadań wspomagających personel. Do końca trzeciego roku planowana jest walidacja rozwiązania i przeprowadzenie pilotaży w kilku ośrodkach. Kolejne trzy lata posłużą do rozwijania wspólnego modelu i rozszerzania zastosowań na inne specjalizacje medyczne. Brak na tym etapie gwarantowanego finansowania na pełne sześć lat, dlatego początkowe fazy realizowane są ze środków własnych zaangażowanych instytucji. Docelowo platforma ma zostać udostępniona kolejnym uczelniom, szpitalom i partnerom technologicznym.
*Powyższy materiał ma charakter informacyjno-edukacyjny i został opracowany na podstawie doniesień medialnych oraz ustaleń z prezentacji programu. Szczegóły technologiczne i harmonogramy są aktualne na dzień publikacji, jednak jako projekt znajdujący się w fazie intensywnego rozwoju, mogą one w przyszłości ulec zmianom lub modyfikacjom.*
