Setki milionów euro z funduszy unijnych płyną do polskich szpitali na cyfryzację, ale skrócone terminy realizacji prowadzą do chaotycznych zakupów zamiast przemyślanej transformacji. Jednocześnie AI w radiologii już działa, interoperacyjność wciąż kuleje, a lekarze toną w administracji. Władysław Mizia z Deloitte wyjaśnia w rozmowie z Business Growth Review, dlaczego standardy danych są dziś ważniejsze niż kolejne pilotaże — i wskazuje jedno KPI, które powinno być priorytetem na najbliższe 24 miesiące.
- Lekarze poświęcają pacjentom zaledwie 30% czasu – reszta to administracja
- Nadrzędnym celem cyfryzacji na najbliższe 24 miesiące powinno być odciążenie personelu medycznego z pracy biurokratycznej
- Interoperacyjność nadal jest wąskim gardłem – lata rozproszonego rozwoju, różni producenci, brak wspólnych standardów. Klucz to centralna standaryzacja API i modeli danych, nie wymiana wszystkich systemów od zera
- Standaryzacja wymiany danych między systemami to najważniejsza rekomendacja na najbliższy rok
Polska ochrona zdrowia dostaje wielką szansę – środki z KPO napędzają transformację cyfrową szpitali i przychodni. Ale krótkie terminy rozliczania dotacji prowadzą do tego, że zamiast strategicznych zmian procesów kupuje się „cokolwiek, żeby się rozliczyć”. Tymczasem kluczowe wyzwania – jak przepaść między czasem spędzonym z pacjentem a czasem pochłanianym przez administrację, problemy z integracją systemów czy rozczarowujące wyniki pilotaży AI – wymagają fundamentalnie innego podejścia. Władysław Mizia, dyrektor i lider konsultingu dla sektora ochrony zdrowia w Deloitte, mówi w rozmowie z Business Growth Review, że bez standaryzacji danych i odciążenia lekarzy technologia nie przyniesie przełomu.
Grzegorz Kubera, Business Growth Review: Gdzie plasuje się polska ochrona zdrowia w transformacji cyfrowej i gdzie widać największą lukę między deklaracjami a rzeczywistością?
Władysław Mizia, dyrektor, lider konsultingu dla Sektora Ochrony Zdrowia w Deloitte: Realizujemy coraz więcej inwestycji z obszaru cyfrowej ochrony zdrowia, co w dużej mierze jest efektem napływu środków unijnych, w tym z Krajowego Planu Odbudowy (KPO). To kierunek bardzo oczekiwany przez placówki medyczne, jednak krótkie terminy realizacji projektów – wynikające z konieczności szybkiego wydatkowania funduszy – sprawiają, że nie wszystkie podmioty mają możliwość świadomie i kompleksowo zaplanować transformację cyfrową. W praktyce często prowadzi to do sytuacji, w której zamiast przemyślanej zmiany procesów organizacyjnych realizowane są szybkie zakupy gotowych rozwiązań, głównie po to, by rozliczyć dotację.
Jednocześnie warto podkreślić, że istnieje wiele przykładów udanej i dynamicznej transformacji cyfrowej. W Polsce działa coraz więcej startupów, które skutecznie wdrażają innowacyjne rozwiązania w szpitalach i innych placówkach medycznych. Platforma P1, Internetowe Konto Pacjenta, a w niedalekiej przyszłości Platforma Usług Inteligentnych, rozwijane przez Centrum e-Zdrowia, to systemy wyróżniające się na tle europejskim. Dzięki nim możliwe będzie pozyskiwanie coraz większej liczby danych drogą elektroniczną poprzez IKP, znaczące przyspieszenie rejestracji na świadczenia medyczne w ramach centralnej e-rejestracji oraz usprawnienie analizy danych obrazowych z wykorzystaniem sztucznej inteligencji, co przełoży się na szybszy i trafniejszy proces diagnostyczny.
Jeśli musiałby Pan wskazać jedno nadrzędne KPI cyfryzacji na najbliższe 12-24 miesiące, co by to było?
Główny cel cyfryzacji w szpitalach i przychodniach nie jest dziś jeden i uniwersalny – wynika to z ogromnej różnorodności polskiego systemu ochrony zdrowia. Mamy około 1200 szpitali, publicznych i prywatnych, o bardzo różnych profilach, skali działania i poziomie dojrzałości cyfrowej. Dlatego dla jednych placówek priorytetem będzie poprawa jakości klinicznej, dla innych dostępność świadczeń, kontrola kosztów czy doświadczenie pacjenta.
W praktyce wiele podmiotów zaczyna od podstawowych obszarów, takich jak obsługa i rozliczanie pacjenta – to dziś absolutne minimum funkcjonowania. Kolejne kroki to analiza kosztów, usprawnianie procesów medycznych i administracyjnych z wykorzystaniem sztucznej inteligencji, lepsze wykorzystanie danych medycznych zarówno na potrzeby badań klinicznych, jak i rozwoju innowacyjnych rozwiązań tworzonych przez startupy. Coraz częściej, zwłaszcza w sektorze prywatnym, pojawiają się również aplikacje pacjenckie, które umożliwiają nie tylko umawianie wizyt, ale też przygotowanie do zabiegu, monitorowanie rehabilitacji czy szybki dostęp do usług medycznych.
Jeśli jednak mielibyśmy wskazać jedno nadrzędne KPI na najbliższe 12–24 miesiące, powinno nim być realne odciążenie personelu medycznego z pracy administracyjnej.
Chodzi o taką transformację cyfrową, która zapewni lekarzom szybki i pełny dostęp do danych pacjenta oraz ich automatyczne uzupełnianie po wizycie czy zabiegu. Z naszego raportu z zeszłego roku wynika, że lekarze spędzają z pacjentem jedynie około 30% swojego czasu, a podobnie wygląda sytuacja pielęgniarek.
To jasno pokazuje, że największy potencjał cyfryzacji leży dziś w rozwiązaniach, które ułatwiają codzienną pracę personelu medycznego – bo to bezpośrednio przekłada się zarówno na jakość opieki, jak i doświadczenie pacjenta.
Czytaj też: Dostawca rozwiązań CAD – jak powstaje precyzyjna dokumentacja techniczna?
Interoperacyjność, automatyzacja, AI – co naprawdę daje zwrot z inwestycji
Które technologie mają dziś najwyższy zwrot z inwestycji w ochronie zdrowia?
Najwyższy zwrot z inwestycji w ochronie zdrowia dają dziś technologie, które działają w skali całej placówki i porządkują podstawowe procesy. W pierwszej kolejności są to interoperacyjność systemów, automatyzacja procesów administracyjnych oraz analityka danych. Bez sprawnego przepływu danych trudno osiągnąć realne korzyści z bardziej zaawansowanych rozwiązań.
Choć dziś wiele mówi się o sztucznej inteligencji, w ochronie zdrowia jej największą wartością jest wzmacnianie właśnie tych obszarów. AI wspiera analizę danych, planowanie pracy, zarządzanie zasobami, automatyczne tworzenie dokumentacji czy wstępną analizę danych medycznych i obrazowych.
Coraz większą rolę będą odgrywać także agenci AI, odciążający personel medyczny i administracyjny w codziennych zadaniach.
Wysoki efekt skali przynoszą również e-rejestracja, elektroniczny obieg dokumentów oraz wybrane modele telemedycyny, które zwiększają dostępność świadczeń.
Dlaczego interoperacyjność nadal bywa wąskim gardłem i jak to naprawić bez wymiany wszystkiego od zera?
Interoperacyjność wciąż pozostaje jednym z głównych wąskich gardeł cyfryzacji, ponieważ przez lata system ochrony zdrowia rozwijał się w sposób rozproszony. Mnogość systemów informatycznych, różnych organów założycielskich podmiotów medycznych oraz brak wspólnych standardów sprawiły, że dziś funkcjonuje wiele typów systemów, wielu producentów, różne modele licencyjne i niestandardowe protokoły integracyjne. W efekcie integracja jest kosztowna, czasochłonna i często realizowana punktowo, zamiast systemowo.
Najczęstszym błędem w podejściu do integracji jest próba „zszywania” systemów ad hoc, bez jasno zdefiniowanej architektury i długofalowej strategii. Kolejnym problemem jest uzależnianie się od zamkniętych, autorskich rozwiązań, które utrudniają dalszy rozwój i zwiększają koszty. Często interoperacyjność traktowana jest też jako dodatek do projektu, a nie jego fundament.
Nie oznacza to jednak konieczności wymiany wszystkich systemów od zera. Kluczem jest standaryzacja interfejsów i danych, najlepiej na poziomie centralnym – Centrum e-Zdrowia lub Ministerstwa Zdrowia – podobnie jak miało to miejsce w przypadku e-recepty czy e-skierowań. Ustandaryzowane API i wspólne modele danych obniżają koszty po stronie dostawców i placówek medycznych, a jednocześnie umożliwiają stopniową, ewolucyjną integrację istniejących systemów. To właśnie takie podejście daje szansę na przełamanie bariery interoperacyjności.
Co jest dziś popularnym use case’em produkcyjnym AI w medycynie, a co pozostaje obietnicą? Od czego najlepiej zacząć?
Najwięcej popularnych case’ów dotyczy radiologii – z jednej strony powstało tam wiele produktów jeszcze przed erą dużych modeli wizualnych, z drugiej nowe modele wkrótce umożliwią tworzenie zaawansowanych rozwiązań do analizy obrazu i interakcji z nim w czasie rzeczywistym.
Wiele podmiotów dostrzega też zastosowanie modeli językowych w analizie dokumentacji medycznej. Warto przy tym pamiętać, że jeśli z danych generowanych przez LLM korzysta lekarz w pracy z pacjentem, rozwiązania te w większości przypadków powinny być certyfikowane jako wyrób medyczny klasy IIa.
Aby skutecznie rozpocząć rozmowę o AI, należy najpierw wskazać procesy wymagające usprawnienia – najlepiej na poziomie dyrekcji placówki, co daje gwarancję determinacji wdrożeniowej. Następnie proces trzeba przeanalizować pod kątem możliwości użycia AI, kosztów inwestycji oraz potencjalnych przychodów lub redukcji kosztów.
Gdy znajdziemy odpowiednie miejsce, rozpoczynamy pilotaż z wybranymi oddziałami lub działami administracyjnymi i włączamy IT – nie odwrotnie.
Jak w transformacji cyfrowej uniknąć sytuacji, że technologia obciąża personel zamiast go odciążać?
Kluczowe jest projektowanie wdrożeń wokół realnych procesów pracy personelu, a nie wokół samej technologii. Nowe technologie, w tym agenci AI, dają tu dużą przewagę, ponieważ – w przeciwieństwie do sztywnych, gotowych systemów, które często trzeba dopasowywać na siłę do specyfiki placówki – oferują elastyczność i możliwość konfiguracji pod konkretne potrzeby oddziału czy zespołu.
Dzięki temu mogą faktycznie automatyzować czynności administracyjne, porządkować dokumentację czy wspierać podejmowanie decyzji, zamiast stawać się kolejnym, nieintuicyjnym narzędziem wymagającym dodatkowej obsługi. Warunkiem sukcesu jest włączanie lekarzy i pielęgniarek w projektowanie rozwiązań oraz mierzenie efektów nie liczbą funkcji systemu, lecz zaoszczędzonym czasem pracy.
Od agentów AI w przetargach po pilotaże bez KPI
Proszę o przykład udanego wdrożenia i takiego, które nie spełniło oczekiwań. Co zadecydowało o sukcesie lub porażce?
Dobrym przykładem udanego wdrożenia realizowanego przez Deloitte jest wykorzystanie sztucznej inteligencji do przygotowywania dokumentacji w zamówieniach publicznych w szpitalach działających w reżimie PZP. W tym przypadku stworzono zestaw agentów AI analizujących dokumenty przetargowe i przygotowujących wstępne wersje wymaganych materiałów, nad którymi personel może dalej pracować.
Efektem jest znacząca oszczędność czasu oraz większa standaryzacja dokumentacji, a więc mniejsze ryzyko błędów formalnych i większa powtarzalność procesu.
O sukcesie zadecydowało jasne określenie celu – skrócenie czasu przygotowania dokumentów – oraz dobre wpasowanie rozwiązania w istniejący proces pracy, bez dokładania nowych obowiązków.
Jeśli chodzi o projekty, które nie spełniły oczekiwań, ich wspólną cechą jest zazwyczaj brak precyzyjnie zdefiniowanego celu i mierników sukcesu. Często organizacje ulegają pokusie „wdrożenia AI”, zanim odpowiedzą sobie na pytanie, co konkretnie ma się zmienić i jak będą mierzyć efekt. W rezultacie powstają oddolne inicjatywy obejmujące wąski wycinek działania, bez jasno określonych KPI i bez osadzenia projektu w szerszej strategii organizacji. Tego typu przedsięwzięcia rzadko przynoszą trwałe rezultaty. Więcej informacji na ten temat znajduje się w raporcie Deloitte „Zwrot z inwestycji w AI: Polska perspektywa”, który powstał na bazie badania przeprowadzonego w 15 krajach Europy i Bliskiego Wschodu, w tym wśród 102 przedstawicieli polskich organizacji.
Podobnie jak w klasycznych transformacjach cyfrowych, kluczowe jest zrozumienie i akceptacja zmiany na różnych poziomach organizacji oraz systematyczne mierzenie jej efektywności, a nie samo wdrożenie technologii.
Najważniejsza rekomendacja dla decydentów na najbliższy rok – jedna dla Ministerstwa/NFZ, zarządów szpitali i dostawców IT?
Najważniejszą rekomendacją na najbliższy rok – zarówno dla Ministerstwa i NFZ, jak i dla zarządów szpitali oraz dostawców IT – jest konsekwentna standaryzacja wymiany danych między systemami oraz uporządkowanie i podniesienie jakości danych medycznych. To fundament, bez którego żadna szersza cyfryzacja ani wdrożenia AI nie będą działały efektywnie.
Dobrze ustrukturyzowane i interoperacyjne dane pozwalają rozwijać cały system ochrony zdrowia, obniżać koszty funkcjonowania placówek i otwierają przestrzeń dla innowacji oraz rozwoju startupów.
Przy odpowiednio zaprojektowanych ramach prawnych i biznesowych umożliwiają również szersze, komercyjne wykorzystanie danych medycznych – zawsze za świadomą zgodą pacjenta.
— Rozmawiał Grzegorz Kubera
