Współczesny szpital dysponuje większą ilością danych niż kiedykolwiek wcześniej. Wyniki badań laboratoryjnych, parametry życiowe, dokumentacja medyczna, zlecenia, informacje o lekach oraz dane pochodzące z urządzeń diagnostycznych mogą być dostępne niemal natychmiast.
Największym wyzwaniem nie jest już jednak samo pozyskanie informacji, lecz rozpoznanie, która z nich wymaga działania, jak szybko należy zareagować i kto powinien otrzymać powiadomienie.
W wielu placówkach codzienna praca personelu odbywa się w środowisku wypełnionym komunikatami. Monitory pacjenta, urządzenia medyczne i systemy informatyczne generują alerty. Pojawiają się informacje o wynikach badań, interakcjach lekowych, nowych zleceniach i zmianach w dokumentacji. Dzwonią telefony, komunikatory i systemy przyzywowe.
Każdy z tych kanałów miał usprawniać pracę. Kiedy jednak działają niezależnie od siebie, lekarz, pielęgniarka lub farmaceuta musi samodzielnie oceniać znaczenie dziesiątek, a czasem setek sygnałów.
W medycynie nie każda informacja jest równie pilna. Nie każdy wynik poza zakresem referencyjnym oznacza bezpośrednie zagrożenie. Z drugiej strony pozornie niewielka zmiana może mieć duże znaczenie, jeżeli zostanie zestawiona z wcześniejszymi wynikami, rozpoznaniem pacjenta, przyjmowanymi lekami albo planowanym zabiegiem.
Dlatego przyszłość szpitalnych systemów informatycznych nie polega wyłącznie na generowaniu większej liczby komunikatów. Polega na ich selekcji, interpretacji, priorytetyzacji i właściwym adresowaniu.
Kiedy alerty przestają pomagać
Zjawisko określane jako alert fatigue, czyli zmęczenie alertami, jest od lat uznawane za problem bezpieczeństwa pacjentów i dobrostanu personelu. Przegląd badań opublikowany w 2025 roku opisuje je jako stopniowe zmniejszenie wrażliwości na powtarzające się, częste lub niewymagające działania alerty. Wśród możliwych konsekwencji wymienia opóźnione reakcje, problemy komunikacyjne, wzrost stresu i ryzyko przeoczenia istotnego sygnału.
Nie oznacza to, że systemy alertów są niepotrzebne. Problem pojawia się wtedy, gdy nie rozróżniają informacji rutynowej od naprawdę krytycznej albo nie uwzględniają kontekstu konkretnego pacjenta.
Znaczenie tego zagadnienia widać także w wymaganiach The Joint Commission obowiązujących amerykańskie szpitale od 2026 roku. Placówki powinny identyfikować najważniejsze alerty, oceniać, które z nich niepotrzebnie zwiększają szum informacyjny, oraz określać kryteria wczesnego rozpoznawania pogorszenia stanu pacjenta i odpowiednie działania.
To ważna zmiana sposobu myślenia. Celem nie jest dopilnowanie, aby każdy system generował jak najwięcej ostrzeżeń. Celem jest stworzenie środowiska informacyjnego, w którym komunikat wymagający reakcji zostanie zauważony, trafi do właściwej osoby i zostanie obsłużony zgodnie z ustalonym procesem.
Od pojedynczego wyniku do pełnego kontekstu pacjenta
Tradycyjne systemy ostrzegania często opierają się na określonych progach. Jeżeli parametr przekroczy wskazaną wartość, system uruchamia alert. Takie rozwiązanie jest stosunkowo proste i przejrzyste, ale nie zawsze wystarcza.
Znaczenie wyniku może zależeć między innymi od:
- wcześniejszych wartości i kierunku zmian;
- rozpoznanych chorób;
- wieku i aktualnego stanu klinicznego;
- przyjmowanych leków;
- pozostałych wyników laboratoryjnych;
- wykonanych lub planowanych procedur;
- oddziału i etapu procesu leczenia;
- roli osoby, która otrzymuje komunikat.
Dopiero połączenie tych informacji pozwala ocenić, czy mamy do czynienia z rutynową zmianą, zdarzeniem wymagającym obserwacji czy sytuacją, która powinna zostać pilnie przekazana personelowi.
W tym kierunku zmierza światowa medycyna. Według raportu WHO/Europe opublikowanego w kwietniu 2026 roku 74% państw Unii Europejskiej deklarowało stosowanie narzędzi AI wspierających diagnostykę. WHO podkreśla jednocześnie znaczenie przygotowania personelu, przejrzystości działania systemów oraz zachowania odpowiedzialności człowieka za decyzje wspierane przez AI.
Czy inteligentne ostrzeganie może poprawić wyniki leczenia?
Jednym z najczęściej badanych zastosowań sztucznej inteligencji w szpitalach są systemy wczesnego ostrzegania przed pogorszeniem stanu pacjenta. Algorytmy analizują dostępne dane i próbują rozpoznać niepokojące wzorce wcześniej, niż byłoby to możliwe na podstawie pojedynczego parametru.
Metaanaliza opublikowana w 2025 roku objęła pięć badań, w których modele AI zostały poddane prospektywnej walidacji klinicznej. Autorzy zaobserwowali niższą śmiertelność szpitalną i trzydziestodniową oraz krótszy całkowity czas hospitalizacji. Jednocześnie zaznaczyli, że liczba odpowiednich badań jest nadal niewielka, a skuteczność systemu zależy między innymi od tego, czy personel rzeczywiście reaguje na generowane ostrzeżenia.
Dobrym przykładem jest system TREWS służący do wczesnego wykrywania sepsy. W wieloośrodkowym badaniu monitorowano 590 736 pacjentów w pięciu szpitalach. Analiza skupiła się na 6 877 pacjentach z sepsą, których system wskazał przed rozpoczęciem antybiotykoterapii. Szybkie potwierdzenie alertu przez personel — w ciągu trzech godzin — było związane z niższą śmiertelnością szpitalną, mniejszą niewydolnością narządową i krótszym pobytem.
Było to badanie obserwacyjne. Nie pozwala więc przypisać całego efektu samemu algorytmowi. Pokazuje jednak, że wartość technologii powstaje dopiero wtedy, gdy trafny sygnał zostanie powiązany z odpowiednim procesem klinicznym.
Najtrudniejszy problem zaczyna się po wykryciu zagrożenia
Samo rozpoznanie niepokojącego wzorca nie wystarcza. System musi jeszcze odpowiedzieć na kilka praktycznych pytań:
Kto powinien otrzymać informację? Jak pilna jest reakcja? Jak przedstawić jej uzasadnienie? Co zrobić, jeżeli odbiorca nie potwierdzi komunikatu?
Lekarz prowadzący może potrzebować innych danych niż pielęgniarka dyżurna, diagnosta laboratoryjny, farmaceuta kliniczny czy członek zespołu szybkiego reagowania. Ten sam komunikat może mieć również inne znaczenie w godzinach pracy oddziału, podczas dyżuru nocnego albo w trakcie przekazywania pacjenta pomiędzy jednostkami.
Badania nad przenoszeniem modeli AI pomiędzy placówkami pokazują, że nawet skuteczny algorytm nie powinien być wdrażany automatycznie w każdym szpitalu. Konieczne są sprawdzenie na lokalnych danych, dopasowanie progów i procesu pracy, kontrola jakości danych, szkolenie użytkowników oraz stałe monitorowanie działania rozwiązania. Sama dokładność modelu nie gwarantuje jeszcze zaufania personelu ani poprawy wyników leczenia.
MedAlert — od danych do działania
Odpowiedzią Infotower Business Solutions na to wyzwanie jest projekt MedAlert, którego pełny tytuł brzmi:
„Opracowanie inteligentnych algorytmów sterujących selekcją i adresacją komunikatów krytycznych dla realizacji procesów medycznych w warunkach lecznictwa stacjonarnego”.
Celem prac badawczo-rozwojowych było opracowanie inteligentnego, kompleksowego modelu generowania w czasie rzeczywistym powiadomień o możliwym stanie zagrożenia zdrowotnego pacjenta oddziału szpitalnego na podstawie analizy kluczowych parametrów pozyskiwanych ze szpitalnych systemów informatycznych.
MedAlert nie był projektowany jako kolejne niezależne źródło alertów. Jego główną ideą jest wykorzystanie algorytmów do:
- wykrywania zdarzeń mogących wymagać uwagi;
- analizowania informacji w kontekście danego pacjenta;
- określania znaczenia i pilności zdarzenia;
- wybierania odpowiedniego odbiorcy komunikatu;
- przekazywania informacji w formie wspierającej podjęcie decyzji;
- rejestrowania odbioru, reakcji oraz kolejnych etapów obsługi komunikatu.
W praktyce oznacza to przejście od prostego komunikatu „wynik przekroczył normę” do znacznie ważniejszego pytania:
Czy w tej sytuacji, u tego pacjenta i na tym etapie leczenia potrzebna jest reakcja, a jeżeli tak — czyja i jak pilna?
Przykład z rzeczywistego procesu szpitalnego
Jednym ze scenariuszy praktycznej walidacji MedAlertu w Śląskim Centrum Chorób Serca w Zabrzu był proces przekazywania pacjenta z oddziału do Pracowni Hemodynamiki.
Przed zabiegiem pracownia powinna wiedzieć między innymi o wcześniejszych dodatnich wynikach badań bakteriologicznych. Informacja taka może mieć wpływ na kolejność zabiegów, sposób przygotowania sali oraz konieczność zaplanowania dodatkowego czasu na dezynfekcję.
W tradycyjnym modelu informacja jest często przekazywana telefonicznie. Przy nagłym przeniesieniu pacjenta może jednak dotrzeć z opóźnieniem albo wymagać wykonania kilku połączeń.
Według informacji opublikowanych przez Infotower Business Solutions w ramach pilotażu MedAlert analizował dane dostępne w systemach szpitalnych i generował powiadomienia związane z przekazywaniem pacjentów, również w przypadkach nagłych. Komunikacja w aplikacji mobilnej pozwalała rejestrować przekazanie informacji i kolejne działania użytkowników.
Ten przykład dobrze pokazuje, że inteligentne powiadamianie nie musi rozpoczynać się od najbardziej spektakularnych scenariuszy diagnostycznych. Dużą wartość może przynieść uporządkowanie przepływu informacji, która jest już dostępna, lecz nie zawsze dociera do właściwej osoby we właściwym czasie.
Co może zyskać szpital?
Z punktu widzenia osób zarządzających placówką znaczenie takich rozwiązań wykracza poza samą technologię AI.
Potencjalne korzyści organizacyjne obejmują:
- szybsze przekazywanie istotnych informacji;
- ograniczenie liczby ręcznie wykonywanych połączeń telefonicznych;
- lepsze wykorzystanie danych już zgromadzonych w systemach szpitalnych;
- zmniejszenie ryzyka pominięcia krytycznej informacji;
- uporządkowanie zasad eskalacji komunikatów;
- rejestrowanie czasu przekazania, odebrania i obsługi powiadomienia;
- możliwość analizowania skuteczności reakcji organizacji na zdarzenia.
Dla lekarza wartością nie jest otrzymanie kolejnego alertu, lecz uzyskanie krótkiej, zrozumiałej i uzasadnionej informacji. Dla pielęgniarki ważne jest jasne wskazanie, czy zdarzenie wymaga natychmiastowego działania. Dla farmaceuty klinicznego podobne mechanizmy mogą pomagać w selekcji informacji związanych z farmakoterapią, wynikami laboratoryjnymi i bezpieczeństwem stosowania leków.
Dyrekcja szpitala otrzymuje natomiast możliwość spojrzenia na komunikację jak na mierzalny proces: ile zdarzeń wykryto, które wymagały interwencji, jak szybko podjęto działanie i gdzie najczęściej występują opóźnienia.
Technologia nie zastąpi odpowiedzialności człowieka
Systemy wykorzystujące sztuczną inteligencję nie powinny samodzielnie podejmować decyzji dotyczących leczenia. Ich zadaniem jest wspieranie personelu: porządkowanie danych, rozpoznawanie potencjalnych zależności i zwracanie uwagi na sytuacje wymagające oceny.
Każdy model może generować wyniki fałszywie dodatnie lub nie wykryć istotnego zdarzenia. Jego działanie może zmieniać się wraz z jakością danych, sposobem prowadzenia dokumentacji, populacją pacjentów i organizacją pracy szpitala.
Dlatego odpowiedzialne wdrożenie powinno obejmować:
- lokalną walidację przed uruchomieniem produkcyjnym;
- okres pracy w trybie cichym, bez wpływania na decyzje personelu;
- nadzór kliniczny nad regułami i modelami;
- pomiar liczby alertów oraz ich trafności i użyteczności;
- rejestrowanie decyzji i reakcji użytkowników;
- kontrolę ryzyka przeciążenia kolejnymi komunikatami;
- procedurę eskalacji i działania w razie niedostępności systemu;
- ochronę danych i jednoznaczne zasady dostępu;
- regularną ocenę jakości działania algorytmów.
Najbezpieczniejszy model współpracy zakłada, że sztuczna inteligencja wskazuje informację i przedstawia jej kontekst, natomiast człowiek ocenia sytuację oraz podejmuje decyzję.
Najcenniejszym zasobem szpitala jest uwaga personelu
Cyfryzacja ochrony zdrowia przez lata koncentrowała się przede wszystkim na gromadzeniu danych. Kolejnym etapem musi być ich lepsze wykorzystywanie.
Nie chodzi o to, aby lekarz, pielęgniarka lub farmaceuta otrzymywali więcej informacji. Chodzi o to, aby nie musieli samodzielnie szukać najważniejszego sygnału wśród setek mniej istotnych komunikatów.
MedAlert powstał z przekonania, że technologia powinna chronić uwagę personelu medycznego. Powinna pomóc zauważyć zdarzenie, określić jego znaczenie i przekazać je osobie, która może podjąć właściwe działanie.
Ponieważ w szpitalu o bezpieczeństwie pacjenta czasem decyduje nie brak danych, lecz to, czy właściwa informacja dotarła do właściwej osoby we właściwym czasie.
O projekcie
- Numer projektu: FENG.01.01-IP.02-1046/23
- Tytuł: Opracowanie inteligentnych algorytmów sterujących selekcją i adresacją komunikatów krytycznych dla realizacji procesów medycznych w warunkach lecznictwa stacjonarnego
- Beneficjent: Infotower Business Solutions sp. z o.o.
- Wartość projektu: 15 368 022,15 zł
- Wkład Funduszy Europejskich: 11 727 902,80 zł
- Status: projekt zrealizowany
- Program: Fundusze Europejskie dla Nowoczesnej Gospodarki
Projekt został współfinansowany ze środków Unii Europejskiej.
Źródła i dalsza lektura
- Michels E.A.M. i in., przegląd zakresowy dotyczący zmęczenia alertami w ochronie zdrowia, BMC Nursing, 2025: PubMed
- The Joint Commission, „Joint Commission Requirements for Hospital Programs”, wymagania obowiązujące od stycznia 2026: The Joint Commission — dokument
- WHO/Europe, „New WHO/Europe report provides first-ever snapshot of AI in health care across European Union Member States”, 20.04.2026: WHO/Europe
- Yuan S. i in., „AI-Powered early warning systems for clinical deterioration significantly improve patient outcomes: a meta-analysis”, 2025: PubMed
- Adams R. i in., „Prospective, multi-site study of patient outcomes after implementation of the TREWS machine learning-based early warning system for sepsis”, Nature Medicine, 2022: Nature Medicine
- Valan B. i in., „Evaluating Sepsis Watch generalizability through multisite external validation of a sepsis machine learning model”, npj Digital Medicine, 2025: npj Digital Medicine
- Infotower Business Solutions, oficjalne informacje o projekcie MedAlert: Infotower Business Solutions
- Infotower Business Solutions, informacja o pilotażu w Śląskim Centrum Chorób Serca, profil firmowy LinkedIn: LinkedIn — Infotower Business Solutions
Artykuł dotyczy technologii i organizacji procesów w ochronie zdrowia. Nie stanowi porady medycznej ani rekomendacji dotyczącej postępowania z konkretnym pacjentem.
