Ta sama sprawa pacjenta może trafić do innej osoby tylko dlatego, że jedna wiadomość zaczyna się od nazwiska lekarza, a druga jest krótka i bez powitania. Placówka powinna porównać routing 10 par wiadomości testowych o identycznej treści, napisanych bez danych prawdziwych pacjentów, i poprawić albo zablokować regułę, jeśli wynik zmienia sam styl. Ten tekst pokazuje, jak wykonać taki test i nie pomylić związku statystycznego z przyczyną.
Routing wiadomości to reguła określająca, do której kolejki lub osoby trafia zgłoszenie i jak szybko ktoś na nie odpowiada. Sztuczna inteligencja (AI) może wydobyć temat sprawy i przygotować neutralny opis dla personelu, ale nie powinna traktować długości, uprzejmości, składni ani interpunkcji jako zastępstwa dla pilności medycznej. Przekazanie sprawy do lekarza lub innej osoby medycznej zatwierdza człowiek według procedury placówki.
24 sierpnia 2026 roku „JAMA Network Open” opublikował analizę 3 619 390 wątków od 511 020 dorosłych pacjentów. 27 sierpnia Digital Health Wire opisał jej znaczenie dla zespołów porządkujących skrzynki. Badanie dotyczyło podstawowej opieki w jednym dużym amerykańskim systemie akademickim, lat 2021–2023 i wiadomości po angielsku. Nie testowało żadnej zmiany opartej na AI ani polskich placówek.
Badanie 3,6 mln wątków łączy styl z routingiem, nie z przyczyną
Badacze sprawdzili, czy treść i sposób pisania wiązały się z odpowiedzią całego zespołu oraz z odpowiedzią osoby, do której pacjent pierwotnie skierował wiadomość. W materiale branżowym podsumowano, że 77,5% wątków otrzymało odpowiedź od kogokolwiek z zespołu, lecz tylko 32% od adresowanego lekarza lub innej osoby medycznej.
Cechy stylu — między innymi długość, ton, powitanie i interpunkcja — statystycznie wyjaśniały część różnic między badanymi grupami. Na przykład dla pacjentów czarnoskórych odpowiadały za 48% obserwowanej różnicy względem pacjentów białych. „Wyjaśniały” w obliczeniach badaczy nie znaczy „powodowały”. Autorzy przeanalizowali istniejące dane bez losowej zmiany stylu i bez wdrożenia nowego routingu.
Skali tych różnic nie wolno przenosić na polską przychodnię. Wynik daje jednak wystarczający sygnał, by sprawdzić własny proces: czy równoważne wiadomości trafiają tą samą trasą i mają podobny czas odpowiedzi.
Styl wiadomości nie może udawać pilności medycznej
Ukryty problem pojawia się wtedy, gdy system lub człowiek zaczyna czytać formę jako wskazówkę ważności. Dłuższa wiadomość z nazwiskiem lekarza może wyglądać na staranniejszą, a krótka bez powitania — na mniej istotną, choć obie opisują tę samą sprawę. To styl, nie informacja o pilności.
Model AI trenowany na wcześniejszych decyzjach może odziedziczyć ten nawyk. Dlatego placówka nie powinna testować, czy AI potrafi „lepiej ocenić pacjenta”, tylko czy po usunięciu różnic stylu zachowuje temat, właściwą kolejkę i punkt przekazania człowiekowi. To inne zadanie niż przygotowanie szkicu odpowiedzi AI do pacjenta, gdzie kontroluje się treść wiadomości wychodzącej.
Test 10 par oddziela treść sprawy od sposobu pisania
Zbuduj ręcznie zatwierdzony zestaw na fikcyjnej, nieklinicznej sprawie, na przykład prośbie o zmianę terminu wizyty. W każdej parze zmień tylko jedną cechę. Oba warianty wyślij do środowiska testowego, nigdy do skrzynki obsługującej prawdziwych pacjentów ani na ich konta.
Czytaj tabelę wierszami. Dla każdej pary zapisz kolejkę, odbiorcę, ewentualne przekazanie oraz symulowany czas odpowiedzi; nie oceniaj elegancji tekstu.
| Para | Stała treść sprawy | Zmieniana cecha stylu | Co porównać |
|---|---|---|---|
| 1 | Zmiana terminu | Brak powitania / powitanie | Kolejka i odbiorca |
| 2 | Zmiana terminu | Bez nazwiska / z nazwiskiem lekarza | Przekazanie do lekarza |
| 3 | Zmiana terminu | Krótka / dłuższa wersja | Kolejka i czas |
| 4 | Zmiana terminu | Proste / złożone zdania | Kolejka i odbiorca |
| 5 | Zmiana terminu | Neutralny / emocjonalny ton | Przekazanie |
| 6 | Zmiana terminu | Bez pytajnika / jeden pytajnik | Kolejka i czas |
| 7 | Zmiana terminu | Kropka / wykrzyknik | Odbiorca i czas |
| 8 | Zmiana terminu | Bez słowa „proszę” / z nim | Kolejka i odbiorca |
| 9 | Zmiana terminu | Standardowa / uproszczona składnia | Przekazanie |
| 10 | Zmiana terminu | Poprawna / niestaranna interpunkcja | Kolejka i czas |
Uruchom każdą parę w tej samej wersji systemu i konfiguracji. Zespół porównuje oba wyniki osobno, bo inaczej łatwo zgubić przyczyne różnicy. Powtórzenie testu ma sprawdzić stabilność reguły, nie udowodnić, że AI nadaje się do decyzji medycznych.
Decyzja dla managera: zachowaj, popraw albo zablokuj regułę routingu
Pilotaż warto przeprowadzić, gdy placówka już automatyzuje routing albo odbiera od dostawcy nową regułę klasyfikacji. Zatrzymaj pilotaż, gdy nie potrafisz odtworzyć wersji systemu, utrzymać tej samej treści w parze lub wykonać próby poza skrzynką obsługującą prawdziwych pacjentów.
Zachowaj regułę, jeśli warianty tej samej sprawy trafiają do tej samej kolejki i osoby, a różnice czasu mieszczą się w granicy ustalonej przed testem. Popraw regułę, gdy styl zmienia jedynie pomocniczą etykietę, ale da się usunąć tę zależność bez naruszenia właściwej trasy.
Zablokuj regułę dla tego zastosowania, gdy powitanie, długość lub interpunkcja zmieniają odbiorcę, przekazanie do lekarza albo kolejność obsługi. Wtedy personel wraca do zatwierdzonego procesu, a dostawca wyjaśnia, jakie cechy wykorzystuje model. Człowiek nadal rozstrzyga pilność medyczną.
Pierwszy krok: zamroź regułę i przygotuj syntetyczne wiadomości
Pierwszym krokiem jest zapisanie wersji reguły, konfiguracji i czterech wyników porównania: kolejki, odbiorcy, przekazania oraz czasu. Na tym etapie, manager nie zmienia jeszcze reguły używanej w obsłudze pacjentów. Najpierw zatwierdza z personelem 10 par bez danych pacjenta i ustala dopuszczalną różnicę wyników.
Urząd Ochrony Danych Osobowych (UODO) 6 sierpnia 2026 roku opublikował pytania, które organizacja powinna zadać przed uruchomieniem AI. Lista nie zastępuje analizy ryzyka ani oceny skutków dla ochrony danych, ale pomaga ustalić cel, dane, dostawcę i wpływ na ludzi. Jeśli późniejszy test wymaga prawdziwych wiadomości, manager najpierw uzgadnia zakres z inspektorem ochrony danych (IOD) i właścicielem procesu. Do wykrycia zależności od stylu wystarczy jednak bezpieczny zestaw syntetyczny.
Źródła
- JAMA Network Open — Care Team Response to Patient Portal Message Content and Writing Style — badanie istniejących danych z 3 619 390 wątków, opublikowane 24 sierpnia 2026 roku; źródło zakresu, wyników i ograniczeń. Sprawdzono: 2026-09-26
- Digital Health Wire — The Hidden Bias in Portal Message Triage — materiał z 27 sierpnia 2026 roku przekładający badanie na proces wspólnej skrzynki i decyzję o przekazaniu wiadomości. Sprawdzono: 2026-09-26
- UODO — Zanim wdrożysz narzędzie AI, sprawdź czy jest ono zgodne z zasadami RODO — polska, urzędowa lista pytań przed wdrożeniem AI; wybrana zamiast ogólnego poradnika dostawcy. Sprawdzono: 2026-09-26
- Okładka: Cedric Fauntleroy na Pexels
