Główne założenia programu „Polska AI dla zdrowia” zaprezentowano w październiku w Sejmie z inicjatywy posłanki Anny Sobolak.
prof. Arkadiusz Wójs
– To projekt, do którego przygotowywaliśmy się przez lata. Jesteśmy gotowi wziąć odpowiedzialność za jego uruchomienie i realizację – podkreśla prof. Arkadiusz Wójs, rektor Politechniki Wrocławskiej.
PWr jest liderem technologicznym inicjatywy: wnosi kompetencje w budowie modeli AI, przetwarzaniu danych i obliczeniach. DCOPiH ma pełnić rolę lidera klinicznego, współdecydować o wyborze problemów medycznych oraz odpowiadać za organizację pilotażu i ocenę użyteczności narzędzi. Taki podział zadań łączy rozwój technologii z potrzebami codziennej pracy szpitala.
Polska AI dla zdrowia
Najpierw rak płuca
Pierwszym obszarem pilotażu będzie onkologia, ze szczególnym uwzględnieniem raka płuca. Znaczenie ma tu trafność diagnozy i czas potrzebny na przeprowadzenie diagnostyki i rozpoczęcie leczenia. Skalę wyzwania pokazują dane o wszystkich nowotworach złośliwych w Polsce.
– Dane pokazują 190 tys. nowych zachorowań rocznie, a szybkie rozpoznanie jest tutaj kluczowe, szczególnie dla pacjentów z rakiem płuca – mówi dr Paweł Zawadzki, zastępca dyrektora DCOPiH. – W ciągu dwóch lat udowodniliśmy w naszym ośrodku, że dało się zwiększyć wykrywalność wśród pacjentów w pierwszym i drugim stopniu zaawansowania choroby właśnie dzięki monitorowaniu ścieżki diagnostycznej. AI jest bardzo przydatna w analizie, ale danych nie zastąpi. Musimy je rzetelnie wcześniej zebrać i one muszą być bardzo dobrej jakości – dodaje dr Paweł Zawadzki.
Organoidy
Pierwszym rezultatem ma być demonstrator, czyli system pilotażowy wspierający zarządzanie ścieżką pacjenta z rakiem płuca. Ma kontrolować kompletność dokumentacji, wskazywać brakujące wyniki, wykrywać niespójności i wcześnie sygnalizować ryzyko opóźnień. Ma też pomagać prognozować zapotrzebowanie na personel, badania i zasoby terapeutyczne.
Przykładowo przed konsylium onkologicznym system mógłby wskazać, że w dokumentacji brakuje wyniku potrzebnego do podjęcia decyzji. Zespół otrzymałby sygnał pozwalający wcześniej uzupełnić informacje. To jeden ze sposobów, w jakie uporządkowanie danych może usprawniać organizację leczenia.
Efekty mają być oceniane na podstawie konkretnych mierników: czasu od podejrzenia choroby do rozpoznania oraz od rozpoznania do rozpoczęcia leczenia, kompletności dokumentacji oraz czasu pracy personelu poświęcanego na wyszukiwanie informacji. Wyniki zostaną porównane ze stanem przed uruchomieniem narzędzia.
prof. Tomasz Kajdanowicz
– Nie zamierzamy robić automatu leczącego ludzi. Chodzi o pomoc w sytuacjach trudnych i odciążenie od spraw administracyjnych – wyjaśnia dr hab. inż. Tomasz Kajdanowicz, prof. uczelni, kierownik Katedry Sztucznej Inteligencji na Wydziale Informatyki i Telekomunikacji Politechniki Wrocławskiej.
Wspólna technologia dla wielu zastosowań
Program ma rozwijać się równolegle w dwóch nurtach. Pierwszy obejmie modele bazowe, które można dostosowywać do różnych zadań, oraz wspólne metody przygotowania danych i oceny jakości. Drugi to konkretne narzędzia kliniczne i organizacyjne. Pierwsze zastosowania mają powstawać już podczas rozwijania wspólnej technologii, a doświadczenia ze szpitali wskażą, które jej możliwości warto rozbudować.
Punktem wyjścia jest język polskiej dokumentacji medycznej: opisy badań, wypisy i notatki kliniczne, często pełne skrótów i zapisane według niejednolitych schematów. Modele mają wydobywać z nich istotne informacje, porządkować chronologię leczenia i przekształcać tekst w dane nadające się do dalszej analizy. Jakość tego procesu będą sprawdzać eksperci kliniczni.
– Musimy lepiej dostosować obecne modele do języka medycznego, ale jeszcze ważniejsza będzie zdolność interpretacji danych medycznych i ich wykorzystania w konkretnych zadaniach – tłumaczy prof. Tomasz Kajdanowicz.
Polska AI dla zdrowia
Docelowo modele mają łączyć dokumentację tekstową z wynikami laboratoryjnymi, obrazami diagnostycznymi, sygnałami medycznymi i informacjami o przebiegu leczenia. Ta wielomodalność ma pomóc zestawiać informacje, które dziś pozostają rozproszone w różnych systemach. Kolejne narzędzia mogłyby wspierać analizę obrazowania, planowanie zasobów czy dopasowywanie pacjentów do badań klinicznych.
Polski charakter programu oznacza dostosowanie do języka, dokumentacji i organizacji krajowej ochrony zdrowia, a także zdolność samodzielnego rozwijania i sprawdzania technologii. Wspólne standardy mają ułatwić wykorzystanie rezultatów w kolejnych placówkach i ograniczać powielanie kosztów przygotowania danych oraz integracji systemów.
Bezpieczeństwo od początku
Program zakłada przetwarzanie danych przede wszystkim w środowiskach kontrolowanych przez szpitale oraz wykorzystanie uczenia federacyjnego. Pozwala ono wspólnie rozwijać modele na danych z wielu placówek przy ograniczaniu przesyłania dokumentacji pacjentów. Szpitale mają zachować kontrolę nad danymi, a zasady dostępu, wykorzystania i audytu muszą zostać uzgodnione między partnerami.
Każde zastosowanie ma mieć określone przeznaczenie, granice odpowiedzialności i sposób walidacji, czyli sprawdzania poprawności i przydatności w praktyce. Obejmie ona ocenę techniczną, kliniczną i organizacyjną, odpowiednią do funkcji i ryzyka narzędzia. Ważne będą także sygnalizowanie niepewności odpowiedzi i możliwość kontroli działania systemu. Ostateczne decyzje dotyczące diagnostyki i leczenia pozostaną po stronie lekarza.
Kampus PWR
Dlaczego Wrocław
Gotowość PWr do poprowadzenia programu opiera się na połączeniu kilku kompetencji. Uczelnia koordynowała pierwszy etap prac konsorcjum PLLuM, które stworzyło rodzinę polskich modeli językowych, i rozwija infrastrukturę technologii językowych CLARIN-PL. Własne zaplecze obliczeniowe zapewnia Wrocławskie Centrum Sieciowo-Superkomputerowe z superkomputerem LEM. Do tego dochodzą Wydział Medyczny i sieć szpitali partnerskich.
Współpracę medycyny z inżynierią organizuje m.in. HealthTech Synergy Hub, działający już jako międzywydziałowa platforma badań nad technologiami medycznymi. Jej rozwój ma wesprzeć planowany budynek z laboratoriami, centrum obrazowania medycznego, biobankiem i zapleczem badań klinicznych.
– W wielu czołowych uczelniach medycyna rozwija się w ścisłym związku z inżynierią. Przykładami są Oxford, Cambridge, Imperial College London czy Uniwersytet Techniczny w Monachium – mówi rektor prof. Arkadiusz Wójs.
Przykładem już prowadzonej współpracy badawczej jest projekt dotyczący chorób metabolicznych wątroby, realizowany przez 22 osoby z pięciu wydziałów. Łączy organoidy, czyli trójwymiarowe modele tkanki wątroby, z analizami biochemicznymi, obrazowaniem i AI. Projekt pokazuje kompetencje przydatne przy łączeniu różnych rodzajów danych i poszukiwaniu nowych metod diagnostyki.
prof. Aleksandra Kuzan
– Planujemy, że model AI zostanie wyuczony tak, aby na podstawie dostarczonej próbki pacjenta możliwe było przeprowadzenie precyzyjnej diagnostyki. Agent AI rozpozna, czy tkanka znajduje się w stanie zbliżonym do hipoksji, czy wykazuje cechy zaawansowanej glikacji lub stłuszczenia – wyjaśnia prof. Aleksandra Kuzan z Wydziału Medycznego Politechniki Wrocławskiej.
Zaplecze do przechodzenia od badań do praktyki zapewnia również otwarte w maju 2026 r. Centrum Wsparcia Badań Klinicznych i Medycyny Translacyjnej, prowadzone przez PWr z trzema szpitalami partnerskimi. Na jego utworzenie konsorcjum otrzymało ponad 21 mln zł w ramach umowy z Agencją Badań Medycznych.
– Centrum będzie platformą współpracy naukowej dla wszystkich lekarzy z Wydziału Medycznego reprezentujących szpitale partnerskie w całym regionie oraz dla naukowców z innych wydziałów Politechniki Wrocławskiej – zapowiadał prof. Waldemar Banasiak z Wydziału Medycznego, przedstawiając plany jego utworzenia.
Wizualizacja centrum synergii technologii zdrowotnych
Program otwarty na cały kraj
Do inicjatywy „Polska AI dla zdrowia” mają stopniowo dołączać kolejne uczelnie, instytuty i szpitale z całej Polski, a także partnerzy technologiczni i przemysłowi.
– Każdy powinien wnosić określone kompetencje i odpowiadać za uzgodnione zadania. Otwarte konsorcjum nie oznacza oczywiście otwartego dostępu do danych pacjentów. Oznacza możliwość dołączania kolejnych partnerów na przejrzystych zasadach oraz możliwość korzystania z rezultatów programu w całym kraju – mówi prof. Arkadiusz Wójs.
Współpraca z administracją publiczną ma pomóc powiązać nowe narzędzia z krajowym systemem e-zdrowia. W sejmowej dyskusji Ministerstwo Cyfryzacji wskazało znaczenie sektora MedTech dla rozwoju AI oraz możliwości wykorzystania krajowej infrastruktury obliczeniowej. Pojawił się też temat integracji z elektroniczną dokumentacją medyczną i zasobami Centrum e-Zdrowia.
Centrum Symulacji Medycznych
Koncepcja zakłada sześć lat pracy. Pierwsze pół roku ma służyć przygotowaniu współpracy, danych i podstaw prawnych. Demonstrator i pierwsze zastosowania wspomagające miałyby powstać do 18. miesiąca od uruchomienia programu, a pilotaże w kilku ośrodkach – do końca trzeciego roku. Kolejne trzy lata byłyby przeznaczone na upowszechnianie sprawdzonych rozwiązań i rozwój wspólnej warstwy modeli.
Inicjatorzy zabiegają o nadanie przedsięwzięciu formy programu ogólnopolskiego. Koncepcja przewiduje długofalowe wsparcie publiczne, uzupełniane wkładem partnerów klinicznych, technologicznych i przemysłowych. Finansowanie ma obejmować rozwój modeli, przygotowanie danych, integrację systemów, walidację i późniejsze utrzymanie rozwiązań.
Miarą sukcesu programu będzie jednak nie liczba opracowanych modeli czy narzędzi, lecz ich przydatność w szpitalu: czy lekarz spędzi mniej czasu na szukaniu i porządkowaniu informacji, diagnostyka przebiegnie sprawniej, a pacjent szybciej rozpocznie właściwe leczenie.
Materiał Promocyjny
