Czego dowiesz się z tego artykułu?

  • Jak rozdzielić odpowiedź AI przyniesioną przez pacjenta na tezę, źródło i element wymagający oceny klinicznej.
  • Jak przeprowadzić dziesięciominutową ścieżkę teza–źródło–weryfikacja–wyjaśnienie bez zbywania pacjenta.
  • Gdzie AI może uporządkować pytania, a gdzie lekarz i placówka muszą zachować pełny human-in-the-loop.
  • Jak mierzyć jakość standardu rozmowy, zamiast liczyć tylko czas wizyty.

Pacjent siada w gabinecie i pokazuje ekran telefonu: odpowiedź AI brzmi pewnie, zawiera nazwę czasopisma i rzekomy wniosek z badania. Problem w tym, że pewny ton nie jest dowodem, a naukowo brzmiące cytowanie może nie istnieć. W polskiej placówce lekarz ma zwykle kilka minut, żeby nie zlekceważyć obaw pacjenta i jednocześnie nie nadać fałszywej treści autorytetu.

AI może pomóc uporządkować pytania albo podpowiedzieć neutralne słowa kluczowe do wyszukania, lecz nie powinna rozstrzygać, czy dana teza jest prawdziwa dla konkretnej osoby. Odpowiedź modelu jest hipotezą do sprawdzenia, natomiast ocena dowodów i decyzja kliniczna należą do lekarza. To właśnie tutaj human-in-the-loop ma praktyczny sens: człowiek nie zatwierdza ładnego tekstu, tylko sprawdza jego podstawę.

W amerykańskim badaniu Ipsos dla Wolters Kluwer Health z marca 2026 roku 74% badanych klinicystów wskazało halucynacje jako poważną obawę, 77% deklarowało dodatkową weryfikację odpowiedzi AI, a 78% badanych pacjentów oczekiwało takiego sprawdzenia. To nie jest pomiar polskich placówek, lecz użyteczny sygnał oczekiwań wobec lekarza: pacjent może przyjść z treścią AI, ale nadal chce, żeby człowiek ocenił jej wiarygodność.

Najważniejsze

  • Traktuj odpowiedź AI jako materiał do rozmowy, a nie jako źródło medyczne ani gotowe zalecenie.
  • Najpierw wyodrębnij jedną tezę, potem sprawdź, czy cytowana publikacja istnieje i czy rzeczywiście wspiera tę tezę.
  • Jeśli nie da się szybko odnaleźć źródła pierwotnego, powiedz to wprost; brak weryfikacji nie oznacza automatycznie fałszu, ale nie pozwala oprzeć na treści decyzji.
  • AI może porządkować pytania i słowa kluczowe, natomiast lekarz sprawdza dowody, odnosi je do sytuacji klinicznej i odpowiada za dalsze postępowanie.
  • Placówka powinna mieć krótki skrypt rozmowy oraz mierzyć czas weryfikacji, udział odnalezionych źródeł pierwotnych i liczbę późniejszych korekt.

Zanim zaczniesz szukać, nazwij rodzaj treści

Nie każda „odpowiedź AI” stawia lekarza przed tym samym zadaniem. Pacjent może przynieść samą tezę bez linku, cytowanie przypominające publikację albo gotową rekomendację dotyczącą dalszego postępowania. Jeśli zespół od razu zacznie dyskutować z całym akapitem, kilka minut zniknie na prostowanie zdań, których pacjent nawet nie uważa za najważniejsze.

Sugeruję zacząć od jednego pytania: „Który fragment tej odpowiedzi ma dla Pani lub Pana największe znaczenie?”. Potem przypisz materiał do jednej z trzech sytuacji: brak źródła, źródło do sprawdzenia albo wniosek kliniczny wymagający rozmowy. Ten prosty podział chroni przed dwoma błędami: automatycznym uznaniem tekstu za prawdziwy oraz odrzuceniem całej obawy pacjenta tylko dlatego, że zaczęła się od modelu językowego.

Gdy pacjent pokazuje wyłącznie zrzut ekranu, poproś o link lub pełne cytowanie, ale nie proś o przesyłanie historii rozmowy zawierającej dane zdrowotne do przypadkowego kanału. Minimalizuj zakres danych i pracuj na konkretnej tezie. Jeżeli treść dotyczy leków albo interakcji, podobny podział ról opisuje poradnik o AI i interakcjach lekowych: model wskazuje punkty do sprawdzenia, a człowiek ocenia aktualne źródła i sytuację pacjenta.

Przykład modelowy: dziesięć minut bez udawania pewności

Przykład modelowy — scenariusz pokazuje sposób myślenia o rozmowie. Nie opisuje realnego pacjenta, a podane minuty są organizacyjnym punktem odniesienia, nie gwarancją czasu ani wyniku.

Do polskiej przychodni specjalistycznej przychodzi pacjent z odpowiedzią AI, według której „nowa analiza” ma podważać potrzebę jednej z rutynowych kontroli po zabiegu. Na ekranie widać tytuł publikacji, rok i nazwę czasopisma, ale bez autorów, numeru DOI ani linku. Lekarz nie zna tej pracy, a wizyta ma własny cel kliniczny. Nie powinien potwierdzić tezy na podstawie samego cytowania, ale nie powinien też zbyć pacjenta zdaniem, że AI zawsze zmyśla.

  1. Minuty 0–2 — teza. Lekarz prosi pacjenta o wskazanie jednego zdania, które budzi nadzieję lub obawę. Powtarza je własnymi słowami i zaznacza, że najpierw sprawdzi źródło. AI może pomóc zamienić długi tekst na pytanie, lecz nie interpretuje sytuacji klinicznej i nie dostaje danych identyfikujących pacjenta.
  2. Minuty 2–4 — źródło. Lekarz sprawdza tytuł, autorów, czasopismo, rok i identyfikator publikacji w zaufanej bazie albo na stronie wydawcy. W modelowym przypadku publikacji nie da się odnaleźć w podanej formie. To jest czerwona flaga cytowania, nie jeszcze odpowiedź na całe pytanie medyczne.
  3. Minuty 4–7 — weryfikacja. Zespół wyszukuje najbliższe aktualne wytyczne lub publikacje pierwotne dotyczące tej tezy. Lekarz ocenia populację, metodę, punkt końcowy i to, czy wynik można odnieść do celu wizyty. Podobne słowa w abstrakcie nie oznaczają tego samego wniosku, a pojedyncza praca nie zastępuje całego obrazu dowodów.
  4. Minuty 7–10 — wyjaśnienie. Lekarz mówi pacjentowi, czego udało się dowiedzieć, czego nie wiadomo i co pozostaje właściwym kolejnym krokiem. Jeśli temat wymaga głębszej analizy, ustala sposób powrotu z odpowiedzią zamiast improwizować. Decyzja kliniczna pozostaje po stronie lekarza, a pacjent dostaje jasne uzasadnienie, nie werdykt oparty na autorytecie AI.

W tym scenariuszu sukces nie polega na „pokonaniu” odpowiedzi AI. Sukcesem jest oddzielenie fałszywego cytowania od ważnego pytania pacjenta oraz domknięcie rozmowy bez pozornej pewności. Jeżeli rzekome źródło nie istnieje, warto powiedzieć: „Nie potrafię potwierdzić tej publikacji w podanej formie. Sprawdziłem natomiast aktualne materiały dotyczące samej tezy i na nich oprę wyjaśnienie”.

Źródło istnieje — ale czy rzeczywiście wspiera tezę?

Odnalezienie publikacji to dopiero pierwszy filtr. Trzeba jeszcze sprawdzić, czy tytuł i abstrakt nie zostały nadinterpretowane oraz czy badana grupa odpowiada pytaniu z gabinetu. Model językowy może połączyć prawdziwy tytuł z wnioskiem, którego autorzy nie sformułowali, albo przenieść wynik z innej populacji na zbyt szeroką grupę pacjentów.

Ja bym przechodził przez cztery pytania. Czy publikacja istnieje w wersji pierwotnej? Czy opisany projekt badania pozwala na wskazany wniosek? Czy wynik dotyczy podobnej populacji, interwencji i punktu końcowego? Czy są nowsze wytyczne, przeglądy albo komunikaty bezpieczeństwa? Źródło pierwotne daje możliwość kontroli, a aktualna wiedza medyczna nadaje mu właściwy kontekst.

Jeżeli odpowiedź dotyczy konkretnego produktu, dawki, wyniku badania lub zmiany leczenia, nie wystarczy odnaleźć jeden link. Lekarz zestawia dowód z badaniem, dokumentacją i sytuacją pacjenta. AI nie zna brakującego kontekstu, a nawet prawdziwa publikacja nie podejmuje decyzji za osobę uprawnioną. Właśnie dlatego weryfikacja cytowania i ocena kliniczna powinny być dwoma osobnymi krokami.

Dobra rozmowa nie zbywa pacjenta i nie legitymizuje błędu

Pacjent często nie przychodzi po ocenę technologii. Przychodzi z lękiem, nadzieją albo pytaniem, którego wcześniej nie umiał nazwać. Odpowiedź typu „proszę nie czytać internetu” zamyka rozmowę, lecz nie usuwa problemu. Szacunek dla pytania nie oznacza zgody z treścią, a spokojne sprawdzenie źródła nie jest promocją narzędzia AI.

Pomaga krótka sekwencja komunikacyjna: „Rozumiem, dlaczego ten fragment zwrócił uwagę. Najpierw sprawdźmy, czy wskazane źródło istnieje. Potem oddzielimy wynik publikacji od tego, co ma znaczenie w tej sytuacji. Na końcu wyjaśnię, na czym opieram decyzję”. Taki skrypt pokazuje proces dochodzenia do odpowiedzi i zostawia odpowiedzialność po stronie lekarza, bez zawstydzania pacjenta.

Nie obiecuj weryfikacji każdej strony podczas jednej wizyty. Jeśli materiał jest obszerny, ustal jedno pytanie priorytetowe i sposób bezpiecznego follow-upu. Presja czasu nie usprawiedliwia zgadywania, ale też nie wymaga natychmiastowego rozstrzygnięcia wszystkiego. Manager placówki powinien umożliwić lekarzowi oznaczenie sprawy do późniejszego sprawdzenia i wskazać, kto domyka komunikację z pacjentem.

Granica odpowiedzialności w polskim gabinecie

Samo omówienie odpowiedzi AI przyniesionej przez pacjenta nie oznacza automatycznie, że lekarz wykorzystuje system AI w diagnostyce lub terapii. Nadal obowiązuje jednak podstawowa zasada: postępowanie opiera się na aktualnej wiedzy medycznej i należytej staranności, a pacjent ma otrzymać zrozumiałą informację o proponowanym postępowaniu. Materiał z telefonu może rozpocząć pytanie, lecz nie zastępuje źródła ani badania.

Jeżeli lekarz intencjonalnie wykorzystuje AI w sposób mający kluczowy wpływ na przebieg świadczenia diagnostycznego lub terapeutycznego, zastosowanie mają warunki art. 12 KEL: poinformowanie pacjenta, świadoma zgoda, użycie rozwiązania dopuszczonego do użytku medycznego z odpowiednimi certyfikatami oraz pozostawienie ostatecznej decyzji lekarzowi. Komentarz NIL odróżnia od tego systemy jedynie wspomagające czynności lekarza; według komentarza informacja i zgoda nie są wtedy wymagane, choć poinformowanie pacjenta jest zalecane. Placówka powinna rozróżnić rozmowę o materiale pacjenta od własnego użycia AI oraz opisać zatwierdzone narzędzia, dane i ślad decyzji. To praktyczna rama organizacyjna, nie indywidualna porada prawna.

Nie kopiuj zrzutu ekranu razem z danymi pacjenta do publicznego modelu, żeby „sprawdzić inną AI”. Jeżeli narzędzie ma pomóc ułożyć neutralne hasła wyszukiwania, użyj wyłącznie syntetycznej lub ogólnej treści w procesie zaakceptowanym przez placówkę, bez danych osobowych i szczegółów pozwalających na bezpośrednią albo pośrednią identyfikację; samo usunięcie imienia lub numeru identyfikacyjnego może nie wystarczyć. Human-in-the-loop nie polega na kliknięciu akceptacji, tylko na tym, że lekarz odnajduje dowód, ocenia jego znaczenie i sam wyjaśnia decyzję kliniczną.

Co manager powinien mierzyć po miesiącu

Standard rozmowy ma poprawiać bezpieczeństwo i zrozumienie, a nie zamieniać wizytę w wyścig ze stoperem. Ustal orientacyjny budżet czasu, ale oceniaj też jakość odnajdywania źródeł oraz to, czy po rozmowie trzeba prostować wcześniejszą informację. Dziesięć minut jest ramą dla prostego przypadku, nie normą dla każdego pytania.

MetrykaJak mierzyć przez 30 dniSygnał do korekty procesu
Czas weryfikacjiMediana od wskazania tezy do wyjaśnienia lub decyzji o follow-upieLekarze regularnie przekraczają ustalony budżet i nie mają ścieżki domknięcia
Odsetek odpowiedzi z odnalezionym źródłem pierwotnymLiczba spraw z potwierdzoną publikacją pierwotną podzielona przez wszystkie sprawdzane cytowaniaZespół opiera się na streszczeniach, kolejnych chatbotach albo samych zrzutach ekranu
Liczba późniejszych korektIle razy placówka musiała zmienić przekazane wyjaśnienie po ponownej analizieKorekty powtarzają się przy tym samym typie źródła lub tej samej specjalizacji

Te dane powinny być zagregowane i pozbawione danych identyfikujących pacjenta. Wysoki odsetek nieodnalezionych cytowań nie dowodzi, że wszystkie tezy są fałszywe; pokazuje, że placówka potrzebuje lepszego standardu szukania albo bezpiecznego follow-upu. Z kolei liczba korekt jest ważniejsza niż efektowne tempo, bo ujawnia, czy presja wizyty prowadzi do przedwczesnych wniosków.

Kiedy standard pomaga, a kiedy zawodzi

To ma sens, gdy lekarze regularnie spotykają pacjentów z odpowiedziami AI, placówka ma dostęp do zaufanych źródeł, a wizyta może zakończyć się jasnym wyjaśnieniem albo zaplanowanym follow-upem. Standard daje wtedy wspólny język rozmowy i ogranicza zależność od improwizacji.

To nie ma sensu, gdy oczekiwanie brzmi: „każdy lekarz ma w kilka minut rozstrzygnąć dowolną treść z internetu”, bez dostępu do baz, bez czasu na trudne przypadki i bez właściciela późniejszej odpowiedzi. Taki zapis przerzuca ryzyko na gabinet i może premiować pozorną pewność zamiast rzetelnej weryfikacji.

Zatrzymaj proces, jeśli zespół zaczyna wklejać dane pacjentów do publicznych narzędzi, używa kolejnej odpowiedzi AI jako potwierdzenia poprzedniej albo wysyła pacjentowi wniosek bez zatwierdzenia lekarza. AI może porządkować pytania, lecz nie może być własnym źródłem prawdy ani własnym audytorem.

Pierwszy krok: trzy odpowiedzi zatwierdzone przez placówkę

Na najbliższej odprawie lekarskiej przygotuj trzy krótkie warianty rozmowy. Nie potrzebujesz rozbudowanej polityki na start, ale potrzebujesz wspólnej granicy odpowiedzialności i sposobu domknięcia sprawy, gdy nie da się zweryfikować materiału podczas wizyty.

  • Teza bez źródła: „Wskażmy jedno najważniejsze twierdzenie. Bez źródła nie oprzemy na nim decyzji, ale mogę sprawdzić, czy odpowiada aktualnym wytycznym lub wiarygodnym publikacjom”.
  • Cytowanie lub link: „Najpierw potwierdzę autorów, czasopismo i wersję pierwotną. Potem sprawdzę, czy wynik rzeczywiście wspiera wniosek z odpowiedzi AI”.
  • Gotowa rekomendacja kliniczna: „Potraktuję ją jako pytanie, nie zalecenie. Decyzję podejmę po odniesieniu dowodów do badania, dokumentacji i sytuacji klinicznej”.

Do każdego wariantu dopisz: kto sprawdza źródło, gdzie zapisuje wynik, kiedy kontaktuje się z pacjentem i kto zatwierdza komunikat. Sugeruję przetestować skrypt na trzech syntetycznych przykładach, bez danych pacjenta. Pierwszym efektem ma być spójna rozmowa, a nie automatyczna odpowiedź; pierwszą kontrolą jakości — znalezione źródło pierwotne i decyzja lekarza, nie pewność modelu.

Źródła