--- title: "AI w przeglądzie badań: jak lekarz prowadzi żywą bazę dowodów? " description: Jak lekarz może użyć AI do wyszukiwania badań, zachować ślad oceny źródeł i aktualizować odpowiedzi kliniczne w polskiej placówce. image: "https://ai4med.pl/img/ai-zywa-baza-dowodow.jpg" date: 2026-07-17 author: Jacek Wyderka category: AI w pracy lekarza tags: AI w przeglądzie badań, żywa baza dowodów, weryfikacja źródeł, nadzór lekarza, medycyna oparta na dowodach url: "https://ai4med.pl/ai-w-pracy-lekarza/ai-zywa-baza-dowodow" inLanguage: pl --- # AI w przeglądzie badań: jak lekarz prowadzi żywą bazę dowodów? ## W pigułce - Jak zamienić powtarzalne pytanie kliniczne w **żywą bazę dowodów**, a nie w folder przypadkowych linków. - Gdzie AI może przyspieszyć wyszukanie i porządkowanie publikacji, a gdzie **lekarz musi ocenić źródło oraz kontekst**. - Jaki ślad zostawić po każdym przeglądzie, aby odpowiedź dało się odtworzyć i zaktualizować. - Jak zacząć od jednego pytania bez danych pacjenta i bez udawania, że streszczenie AI jest zaleceniem. W środę przed konsylium lekarz w prywatnej poradni otwiera kolejną zakładkę z publikacjami, bo znów pada to samo pytanie kliniczne. **Największym problemem nie jest brak artykułów**, lecz brak pewności, które z nich zostały już sprawdzone i dlaczego poprzednia odpowiedź była uzasadniona. **Jedna zgrabna odpowiedź AI nie rozwiązuje tego problemu** — może tylko ukryć, skąd wziął się wniosek. W polskiej placówce AI może pomóc odsiać duplikaty, pogrupować abstrakty i przypomnieć o nowej publikacji. **Nie zamienia jednak streszczenia w rekomendację kliniczną** ani nie decyduje, czy badanie pasuje do pacjentów leczonych w danej poradni. **Lekarz zachowuje odpowiedzialność za pytanie, ocenę i zastosowanie dowodu**, a manager medyczny powinien zadbać, by proces dało się prześledzić. Żywa baza dowodów to nie kolejny system do kupienia. To **powtarzalna karta pracy nad jednym pytaniem** i **jasny moment, w którym człowiek zatrzymuje automatyzację**. Takie podejście pasuje do [AI w pracy lekarza](/ai-w-pracy-lekarza), bo odciąża porządkowanie wiedzy, ale nie odbiera lekarzowi decyzji klinicznej. ## Najważniejsze - **AI może wskazać kandydatów do sprawdzenia**, lecz nie powinno samodzielnie włączać badania do bazy ani formułować odpowiedzi dla pacjenta. - **Każdy rekord potrzebuje śladu**: pytania, daty wyszukania, źródła pierwotnego, oceny jakości, decyzji lekarza i terminu ponownego przeglądu. - **Najpierw ustal kryteria włączenia**, dopiero potem użyj AI do porządkowania wyników; inaczej narzędzie tylko przyspieszy przypadkowe wybory. - **Sukces mierzy się kompletnością rekordów i czasem reakcji na nową publikację**, a nie liczbą wygenerowanych streszczeń. ## Najpierw pytanie, potem lista publikacji Zaczynanie od komendy „znajdź najnowsze badania” jest kuszące, ale daje zbiór, którego nikt nie potrafi później obronić. **Punkt wyjścia to jedno pytanie kliniczne**, zapisane tak, aby było jasne, jakiej populacji, interwencji, porównania i wyniku dotyczy. **Nie trzeba budować pełnego przeglądu systematycznego**, żeby mieć porządek — wystarczy wyznaczyć granice dla konkretnej odpowiedzi używanej w placówce. W karcie warto zapisać bazy, datę wyszukania, języki, zakres lat oraz to, czego z góry nie włączamy. **Kryteria są ważniejsze niż liczba linków**, bo pozwalają odróżnić publikację na temat od publikacji przydatnej do danego pytania. Pytanie musi być na tyle wąskie, żeby dało się je później sprawdzić, i przekazać innemu lekarzowi. AI może na tym etapie zaproponować synonimy, usunąć oczywiste duplikaty albo oznaczyć rekordy wymagające przeczytania. **Nie należy wklejać do niego opisów wizyt, historii choroby ani fragmentów EDM**. **Dane bibliograficzne i neutralny opis pytania wystarczą**, aby przećwiczyć przepływ bez ryzyka dla pacjenta. ## Od wyników wyszukiwania do decyzji lekarza Dobrze ustawiony workflow nie ma magicznego kroku „AI podaje odpowiedź”. Ma kolejne bramki, przy których wiadomo, kto odpowiada za następne działanie. **AI porządkuje nadmiar**, a **lekarz sprawdza sens kliniczny i jakość źródła**. To rozróżnienie jest zgodne z aktualnym kierunkiem WHO: automatyczne wyszukiwanie ma wzmacniać ludzką ocenę, nie ją zastępować. W praktyce przydatny jest poniższy przepływ. Po każdej decyzji zostaje krótka notatka: co odrzucono, z jakiego powodu i kiedy pytanie wróci do przeglądu. **Ślad metody jest ważniejszy niż eleganckie podsumowanie**, bo dopiero on pozwala zespołowi poprawić odpowiedź po pojawieniu się nowych danych. ## Granica, której AI nie przekracza Najbardziej ryzykowny skrót brzmi: „model streścił metaanalizę, więc mamy odpowiedź”. **Streszczenie nie pokazuje automatycznie jakości metody**, a **wynik z innej populacji nie musi dać się przenieść do pacjentów konkretnej poradni**. Lekarz powinien sprawdzić źródło pierwotne, zakres populacji, ograniczenia i to, czy publikacja naprawdę odpowiada na zapisane wcześniej pytanie. | Etap | AI może przygotować | Lekarz zatwierdza | | --- | --- | --- | | Wyszukanie | Synonimy, listę rekordów i oznaczenie duplikatów | Zakres pytania, bazy oraz kryteria włączenia | | Selekcja | Wstępne grupowanie tytułów i abstraktów | Włączenie publikacji oraz powód odrzucenia | | Ocena | Szkic pól do notatki i wskazanie braków | Jakość metody, ograniczenia i przenaszalność | | Użycie w placówce | Przypomnienie o dacie kolejnego przeglądu | Treść odpowiedzi klinicznej i moment aktualizacji | Taka tabela ma przypominać o odpowiedzialności, a nie tworzyć biurokrację. **AI może przygotować roboczy materiał**, lecz **lekarz zatwierdza ocenę jakości, znaczenie dla praktyki i każdą zmianę odpowiedzi klinicznej**. Jeżeli publikacja dotyczy tematu wysokiego ryzyka, sama niepewność lub brak pełnego tekstu powinny zatrzymać użycie wniosku, nie tylko wygenerować kolejną notatkę. Warto też oddzielić tę pracę od [analizy wyników badań pacjenta](/ai-w-pracy-lekarza/analiza-wynikow-badan). **Tu bazą są źródła naukowe i pytanie ogólne**, nie dane konkretnej osoby. **Taka separacja zmniejsza ryzyko pomylenia porządkowania wiedzy z analizą dokumentacji pacjenta**. *Rys. 1. Żywa baza dowodów: AI przygotowuje listę do sprawdzenia, a lekarz ocenia dowód i zatwierdza dalsze użycie.* ## Gdy dowód nie daje jednej odpowiedzi Nie każda nowa publikacja powinna od razu zmienić wspólną odpowiedź zespołu. **Brak jednoznacznego wyniku jest informacją**, a **nie zachętą do uzupełnienia luki pewnie brzmiącym streszczeniem**. W karcie można zapisać „obserwacja”, oznaczyć powód niepewności i pozostawić wcześniejszy wniosek bez zmiany do czasu następnego przeglądu. Jeżeli AI proponuje zbyt stanowczą syntezę, lekarz wraca do metody, populacji i ograniczeń źródła. **Niepewność trzeba nazwać wprost**, a **różnicę między wynikiem badania a decyzją wobec konkretnego pacjenta zachować po stronie lekarza**. Dzięki temu baza nie udaje podręcznika gotowych odpowiedzi i nie przenosi wniosku poza warunki, w których powstał. Przy aktualizacji dobrze jest zostawić krótką notatkę, dlaczego odpowiedź nie została zmieniona. **Taki dopisek chroni ciągłość pracy zespołu**, a **data kolejnego przeglądu zamienia niepewność w zaplanowane zadanie**, nie w zapomniany link. ## Jak wygląda to podczas zwykłego tygodnia w poradni Wyobraźmy sobie poradnię, w której lekarze regularnie odpowiadają na jedno powtarzalne pytanie dotyczące sposobu prowadzenia wizyty. Zamiast trzymać odpowiedź w pamięci albo w prywatnym folderze, lekarz prowadzący zakłada kartę pytania, wpisuje kryteria i wybiera źródła do przeglądu. **Nie ma tu danych pacjenta ani prób automatycznej diagnozy** — jest tylko proces aktualizowania wiedzy używanej później przez człowieka. AI pomaga oznaczyć nowe rekordy względem poprzedniej listy. Lekarz czyta publikacje, zapisuje krótką ocenę i decyduje, czy materiał zmienia dotychczasową odpowiedź, czy wymaga tylko obserwacji. **Ważne jest nazwisko osoby zatwierdzającej oraz data decyzji**, a **nie pozorna szybkość, z jaką narzędzie wygenerowało syntezę**. Gdy do zespołu dołącza kolejny lekarz, widzi nie tylko końcowy wniosek, lecz także drogę do niego. Dzięki temu kolejny przegląd nie zaczyna sie od szukania tych samych linków. **Taki zapis ułatwia rozmowę wewnątrz zespołu**, a **nie obiecuje, że każdy przypadek kliniczny ma gotową odpowiedź**. ## Pierwszy test jednej odpowiedzi — bez danych pacjenta Nie trzeba od razu budować wielkiej biblioteki ani integrować narzędzia z EDM. **Pierwszy krok to wybranie jednego pytania i ręczne ustalenie kryteriów włączenia**, zanim AI zobaczy choćby tytuły publikacji. **Pilotaż ma sprawdzić jakość procesu**, a nie udowodnić, że narzędzie jest szybsze od lekarza w każdej czynności. 1. Zapisz pytanie, właściciela procesu i datę następnego przeglądu. 2. Ustal, które bazy i typy publikacji są akceptowane oraz kto może zatwierdzić wpis. 3. Użyj AI wyłącznie do porządkowania rekordów bibliograficznych, a każdą publikację włącz ręcznie. 4. Po przeglądzie sprawdź, czy karta zawiera źródło, datę, ocenę jakości, decyzję lekarza i powód ewentualnej zmiany odpowiedzi. **To ma sens, gdy** placówka ma jedno powtarzalne pytanie, osobę odpowiedzialną za ocenę i zgodę zespołu na zapisywanie powodów odrzucenia. **To nie ma sensu, gdy** narzędzie ma samodzielnie wyciągać wnioski z niezweryfikowanych abstraktów albo gdy nikt nie bierze odpowiedzialności za termin kolejnego przeglądu. ## Metryki, które pokazują porządek, nie pozorną szybkość Dla managera medycznego najczytelniejsze są dwie miary. **Pierwsza to odsetek rekordów z kompletnym śladem**: źródłem, datą, oceną i zatwierdzeniem. **Druga to czas od pojawienia się ważnej publikacji do jej oceny przez lekarza**. Obie pokazują, czy baza żyje, zamiast premiować liczbę wygenerowanych podsumowań. Warto dopisać trzeci sygnał jakościowy: ile razy zespół zmienił odpowiedź po pełnej lekturze źródła, choć szkic AI sugerował coś innego. **To nie jest porażka automatyzacji**, tylko dowód, że bramka człowieka zadziałała. **Dobra baza dowodów ma zostawiać miejsce na korektę**, zwłaszcza gdy pytanie kliniczne dotyczy różnych populacji lub niepewnych danych. Nie porównuj tych miar między specjalizacjami ani nie ustawiaj celu, który zachęca do pochopnego włączania publikacji. **Rzetelność wpisu jest ważniejsza niż tempo domykania listy**, a **krótki cykl ponownego sprawdzenia jest lepszy niż pozornie definitywny wniosek**. Gdy lekarz zmienia interpretację, karta powinna wskazać dokument, który uruchomił zmianę, a nie tylko datę aktualizacji. Nie jest to system oceny lekarzy, lecz wspólna kontrola procesu. **Metryki mają wspierać decyzję zespołu**, a **nie wymuszać skrótu w ocenie dowodów**. Na końcu sprawdź, czy baza pomaga w rozmowie lekarzy, a nie tworzy dodatkowy rytuał. Jeśli zapis nie pozwala odtworzyć pytania, źródła i decyzji, uprość formularz. **Zachowaj mniej pól, ale takich, które chronią sens procesu**, i **nie oddawaj modelowi prawa do klinicznego werdyktu**. ## Źródła - [WHO — New WHO discussion paper sets out opportunities and risks of AI in evidence-informed health policy](https://www.who.int/news/item/02-06-2026-new-who-discussion-paper-sets-out-opportunities-and-risks-of-ai-in-evidence-informed-health-policy) — komunikat z 2.06.2026 opisuje living-evidence workflows, w których automatyczne wyszukiwanie łączy się z weryfikacją człowieka i bramkami decyzyjnymi. Sprawdzono: 2026-07-15. - [Wei i in. — Artificial Intelligence Readiness to Support Evidence Synthesis by Workflow](https://journals.sagepub.com/doi/10.1177/18911803261454702) — artykuł opublikowany online 3.06.2026 porządkuje dowody dla etapów syntezy; najsilniejsze wsparcie dotyczy wspomaganego screeningu, nie autonomicznej oceny jakości ani wniosków klinicznych. Sprawdzono: 2026-07-15. - [Cochrane Evaluation of (Semi-) Automated Review Methods — CESAR](https://www.sciencedirect.com/science/article/pii/S0895435626002660) — protokół dostępny online od 19.06.2026 pokazuje, że użyteczność i bezpieczeństwo narzędzi AI w przeglądach nadal wymagają porównywalnej oceny w rzeczywistym workflow. Sprawdzono: 2026-07-15. - [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) — polski komunikat z 2.06.2026 wnosi kontekst bezpiecznego, kontrolowanego dostępu do informacji zdrowotnej; w opisanym pilotażu używamy wyłącznie danych bibliograficznych. Sprawdzono: 2026-07-15. - Okładka: [Tima Miroshnichenko na Pexels](https://www.pexels.com/photo/a-doctor-wearing-eyeglasses-8376142/)