---
title: "AI w radiologii prywatnej: wyrób medyczny czy workflow?"
description: "Jak odróżnić AI do analizy obrazu od wsparcia workflow w polskiej radiologii prywatnej: MDR, PACS/RIS, odpowiedzialność lekarza i błędy."
image: "https://ai4med.pl/img/ai-w-radiologii.jpg"
date: 2026-07-05
author: Jacek Wyderka
category: AI w pracy lekarza
tags: radiologia, PACS, RIS, wyroby medyczne, AI w pracy lekarza, monitoring błędów
url: "https://ai4med.pl/ai-w-pracy-lekarza/ai-w-radiologii"
inLanguage: pl
---

# AI w radiologii prywatnej: wyrób medyczny czy workflow?

## Czego dowiesz się z tego artykułu?

- Jak odróżnić AI do analizy obrazu od AI, która tylko porządkuje workflow radiologii.
- O co zapytać dostawcę przed zakupem narzędzia do RTG, TK, MR lub mammografii.
- Jak ustawić odpowiedzialność radiologa, integrację PACS/RIS i monitoring błędów.
- Od czego zacząć w prywatnej pracowni albo sieci przychodni w Polsce.

W prywatnej radiologii największy błąd zakupowy zaczyna się od jednego zdania: „potrzebujemy AI do obrazów”. To brzmi konkretnie, ale w praktyce może znaczyć dwie zupełnie różne rzeczy: **system medyczny wspierający analizę badania** albo **narzędzie organizacyjne, które układa kolejkę, opis i komunikację**.

Ja bym zaczął od mapy procesu, nie od demo. W polskiej placówce radiologicznej trzeba najpierw zobaczyć, gdzie naprawdę boli: czy radiolog ma za dużo badań do opisu, czy recepcja gubi statusy, czy opis wraca za późno do lekarza kierującego, czy PACS i RIS nie rozmawiają ze sobą tak, jak powinny. **Dopiero wtedy wybór AI ma sens operacyjny**.

Ten temat jest bliski tekstowi o tym, kiedy [AI może być wyrobem medycznym](/dane-i-bezpieczenstwo/ai-jako-wyrob-medyczny), ale tutaj schodzimy niżej: do prywatnej pracowni, kolejki badań, opisu radiologicznego, integracji PACS/RIS i codziennego monitorowania błędów. Szersze pytania zakupowe warto potem spiąć z kategorią [narzędzia i wdrożenia](/narzedzia-i-wdrozenia). **Radiolog zatwierdza wynik**, a manager układa proces tak, żeby system pomagał, a nie rozmywał odpowiedzialność.

## Najważniejsze

- **AI analizująca obraz** może wejść w obszar wyrobu medycznego, jeśli jej wynik wspiera rozpoznanie, priorytetyzację lub decyzję kliniczną.
- **AI wspierająca workflow** może porządkować kolejkę, status opisu, kompletność danych i komunikację, ale nie powinna udawać interpretacji badania.
- **PACS/RIS to nie detal techniczny**: bez integracji łatwo dostaniesz drugi panel, ręczne przepisywanie i brak śladu decyzyjnego.
- **Lekarz radiolog musi mieć ostatnie słowo** przy interpretacji obrazu, zmianie priorytetu klinicznego i finalnym opisie badania.
- **Po pilotażu mierz błędy, korekty i eskalacje**, a nie tylko liczbę opisów na godzinę.

## Dwie półki, których nie warto mieszać

W rozmowie z dostawcą rozdzieliłbym dwie półki. Pierwsza to AI, która patrzy na obraz: RTG, TK, MR, mammografia, czasem konkretna patologia lub obszar anatomiczny. Druga to AI, która **nie rozpoznaje obrazu**, tylko wspiera pracę pracowni: sprawdza kompletność danych, podpowiada status, wykrywa braki formalne, porządkuje kolejkę i przygotowuje komunikaty.

To rozróżnienie zmienia wszystko: pytania prawne, dokumentację, testy akceptacyjne, szkolenie zespołu i sposób rozmowy z IOD. **Narzędzie do kolejki badań nie powinno być oceniane tak samo jak model wykrywający zmianę w obrazie**, ale narzędzie obrazowe nie może być kupowane jak zwykły moduł administracyjny.

| Obszar | Główne pytanie managera | Co zatwierdza człowiek | Ryzyko do pilnowania |
| --- | --- | --- | --- |
| Analiza obrazu | Czy produkt ma właściwy status medyczny, zakres i dokumentację? | Radiolog zatwierdza interpretację i finalny opis | Fałszywy spokój, nadmierne zaufanie, brak walidacji na lokalnym procesie |
| Priorytetyzacja badań | Czy wynik wpływa na kolejność pilnych przypadków? | Lekarz lub wyznaczony personel medyczny zatwierdza eskalację | Automatyczne przesunięcie pacjenta bez procedury klinicznej |
| Opis badania | Czy AI tylko szkicuje strukturę, czy sugeruje wniosek kliniczny? | Radiolog sprawdza treść, skróty i wnioski | Halucynacje, pominięcia, niejednoznaczne sformułowania |
| Workflow PACS/RIS | Czy system porządkuje statusy i dane bez interpretacji klinicznej? | Manager procesu i personel potwierdzają reguły pracy | Drugi panel, ręczne obejścia, brak logu zmian |
| Komunikacja z pacjentem | Czy komunikat jest neutralny i zatwierdzony? | Placówka zatwierdza treść i moment wysyłki | Zbyt kliniczny język, obietnica diagnozy, ujawnienie danych |

## PACS/RIS: tam wychodzi, czy pilotaż jest dojrzały

W radiologii prywatnej integracja bywa ważniejsza niż sama obietnica modelu. Jeśli AI działa w osobnym oknie, pracownik pobiera badanie, wysyła plik, czeka na wynik, a potem ręcznie przepisuje wnioski do opisu, to **placówka kupuje dodatkową czynność**, nie usprawnienie. Widziałem projekty, które przegrywały właśnie na tym poziomie: medycznie ciekawe, operacyjnie męczące.

PACS odpowiada za obraz, RIS za zlecenie, status i obieg badania. Dostawca powinien pokazać, gdzie w tym przepływie pojawia się wynik AI, kto go widzi, czy trafia do roboczego opisu, jak oznaczany jest status „do weryfikacji” i co zostaje w logu. **Bez śladu decyzyjnego trudno potem ustalić, kto zmienił priorytet, kto zatwierdził opis i dlaczego**.

Sugeruję poprosić o demonstrację na procesie, nie na slajdzie. Przykład: zlecenie TK trafia do RIS, badanie pojawia się w PACS, AI oznacza potencjalny obszar uwagi, radiolog widzi wynik jako warstwę pomocniczą, zatwierdza lub odrzuca sugestię, a finalny opis wraca do systemu. **Jeżeli dostawca pokazuje tylko piękny ekran z detekcją, to jeszcze nie jest wdrożenie w placówce**.

## Co zostaje po stronie radiologa

Najbezpieczniejsza zasada jest nudna, ale działa: AI może przygotować, oznaczyć, uporządkować albo zasugerować, a radiolog interpretuje i odpowiada za finalny opis. **Model nie zna całego kontekstu pacjenta**, nie rozmawia z lekarzem kierującym i nie bierze odpowiedzialności zawodowej za wniosek kliniczny.

W praktyce warto spisać trzy granice. Po pierwsze, AI nie może samodzielnie zamknąć opisu badania. Po drugie, AI nie może bez procedury klinicznej przesuwać pacjenta w kolejce jako pilnego. Po trzecie, AI nie może wysłać pacjentowi komunikatu, który brzmi jak diagnoza albo zalecenie medyczne. **To są punkty, przy których człowiek musi zatrzymać proces**.

Warto zacząć, gdy placówka ma radiologa odpowiedzialnego za pilotaż, opisany przepływ PACS/RIS, zatwierdzone reguły eskalacji i gotowość do mierzenia korekt. Lepiej odpuścić, gdy zespół chce „sprawdzić na kilku prawdziwych badaniach”, ale nie ma umowy, logów, decyzji IOD ani jasnej odpowiedzi, czy produkt jest wyrobem medycznym.

## Monitoring błędów po miesiącu, nie tylko zachwyt po demo

Demo AI w radiologii zwykle pokazuje najlepsze przypadki. Pilotaż powinien pokazać przypadki zwykłe, graniczne i niewygodne. **Manager nie potrzebuje tylko informacji, że system coś wykrył**. Potrzebuje wiedzieć, kiedy się myli, kiedy przeszkadza, kiedy daje fałszywy spokój i ile czasu radiolog traci na poprawki.

Pierwszy raport po 30 dniach powinien mieć prostą strukturę: liczba badań objętych pilotażem, liczba sugestii AI, liczba sugestii zaakceptowanych przez radiologa, liczba odrzuceń, liczba korekt opisu, czas do finalnego opisu i liczba przypadków eskalowanych do człowieka. **Nie używałbym na starcie realnych historii pacjentów w prezentacji zarządczej**. Wystarczą dane zagregowane i przykłady opisane bez identyfikacji.

Warto też mierzyć „puste kliknięcia”: ile razy personel otworzył panel AI tylko po to, żeby sprawdzić status, którego nie było w RIS. Jeżeli takich sytuacji jest dużo, problemem nie jest skuteczność modelu, tylko proces. **Dobre wdrożenie radiologiczne poprawia przepływ pracy**, a nie tylko dokłada kolejne miejsce, które ktoś musi kontrolować.

## Przykład modelowy: prywatna pracownia TK

> **Przykład modelowy** — scenariusz pokazuje sposób myślenia o pilotażu. Liczby ilustrują metryki organizacyjne, nie gwarantują wyniku wdrożenia.

Prywatna pracownia TK w Polsce wykonuje badania dla kilku poradni specjalistycznych. Manager widzi, że opisy badań klatki piersiowej wracają nierówno: część tego samego dnia, część po dwóch dniach, a pilne przypadki wymagają telefonów między rejestracją, technikiem i radiologiem. Zespół rozważa AI, ale nie zaczyna od pytania „czy model wykryje zmianę”. Zaczyna od pytania: **gdzie dokładnie tracimy kontrolę nad statusem badania**.

Pierwszy wariant pilotażu obejmuje workflow: kompletność zlecenia, status badania, oznaczenie braków, kolejkę do opisu i komunikat do rejestracji. Drugi wariant, bardziej kliniczny, dotyczy narzędzia do analizy obrazu. Ten drugi wymaga osobnej rozmowy o statusie wyrobu medycznego, dokumentacji, certyfikacji, walidacji i roli radiologa. **Nie mieszałbym tych dwóch wariantów w jednej decyzji zakupowej**.

Po miesiącu manager porównuje dwie rzeczy: czy opisy wracają przewidywalniej i czy radiolodzy akceptują sposób prezentacji sugestii AI. Jeśli workflow poprawił terminowość, ale narzędzie obrazowe generuje dużo odrzuceń, decyzje mogą być różne: skalować porządkowanie statusów, a model obrazowy zostawić w dodatkowej walidacji. **To jest dojrzała decyzja, nie porażka pilotażu**.

## Pierwszy krok dla właściciela placówki

Zanim poprosisz o ofertę, zbierz z radiologiem, technikiem, rejestracją i osobą od systemu medycznego jedną kartę procesu. Wpisz: typ badania, skąd przychodzi zlecenie, gdzie zapisuje się obraz, kto nadaje status, kto widzi braki, kiedy radiolog dostaje badanie, co trafia do opisu i jak pacjent lub lekarz kierujący dostaje informację. **Ta karta pokaże, czy potrzebujesz modelu obrazowego, czy najpierw porządku w workflow**.

Następnie zadaj dostawcy pięć pytań: czy produkt ma cel medyczny, jaki ma status regulacyjny, jak integruje się z PACS/RIS, jak loguje sugestie i decyzje radiologa, oraz jak placówka zgłasza błędy lub niezgodności. Jeśli temat dotyczy danych pacjenta, włącz IOD przed testem na produkcyjnych badaniach. **Publiczne narzędzie AI nie jest miejscem na obrazy diagnostyczne ani opisy badań**.

Na koniec ustal regułę stopu. Jeżeli wynik AI wpływa na priorytet, interpretację lub komunikat kliniczny, proces zatrzymuje się u człowieka. Jeżeli AI tylko porządkuje statusy i przypomnienia, nadal wymaga kontroli danych, ale nie udaje radiologa. Właśnie tak patrzyłbym na radiologię prywatną: **najpierw półka ryzyka, potem zakup, integracja i metryki**.

## Źródła

- [UODO — „Czy AI to zagrożenie dla danych? – Konrad Komornicki podczas AI & MEDTECH CEE 2026”](https://uodo.gov.pl/pl/138/4422), wytworzono: 10.06.2026. Polskie źródło regulatora danych; wnosi aktualny kontekst kontroli celu, zakresu i odpowiedzialności za przetwarzanie danych przy AI w ochronie zdrowia.
- [Centrum e-Zdrowia — „Nowe usługi cyfrowe i projekty AI przyspieszają transformację systemu ochrony zdrowia”](https://www.cez.gov.pl/pl/page/o-nas/aktualnosci/nowe-uslugi-cyfrowe-i-projekty-ai-przyspieszaja-transformacje-systemu), 02.06.2026. Pokazuje świeży polski kontekst e-zdrowia, PUI, EDM, e-rejestracji i rosnącej roli AI oraz cyberbezpieczeństwa.
- [Centrum e-Zdrowia — „Platforma Usług Inteligentnych – realne wsparcie w diagnostyce obrazowej”](https://cez.gov.pl/pl/page/o-nas/aktualnosci/platforma-uslug-inteligentnych-realne-wsparcie-w-diagnostyce-obrazowej), 18.07.2025. Źródło branżowe dla radiologii: opisuje zastosowania PUI w RTG, TK, MR, mammografii i potrzebę wsparcia lekarzy w diagnostyce obrazowej.
- [Komisja Europejska — MDCG 2025-6, FAQ on Interplay between MDR/IVDR and AI Act](https://health.ec.europa.eu/latest-updates/mdcg-2025-6-faq-interplay-between-medical-devices-regulation-vitro-diagnostic-medical-devices-2025-06-19_en), publikacja: 19.06.2025, dostęp: 2026-07-05. Oficjalne źródło do relacji między regulacjami wyrobów medycznych i AI Act przy medycznych systemach AI.
- [Komisja Europejska — aktualizacja MDCG 2019-11 rev.1 dotycząca kwalifikacji i klasyfikacji oprogramowania](https://health.ec.europa.eu/latest-updates/update-mdcg-2019-11-rev1-qualification-and-classification-software-regulation-eu-2017745-and-2025-06-17_en), publikacja: 17.06.2025, dostęp: 2026-07-05. Pomaga odróżnić oprogramowanie medyczne od narzędzi wspierających organizację pracy.
- [Pexels — zdjęcie Tima Miroshnichenko](https://www.pexels.com/photo/a-woman-looking-at-an-x-ray-image-on-a-computer-monitor-6234986/) — lokalna okładka artykułu, spokojna scena analizy obrazu diagnostycznego; dostęp: 2026-07-05.