Jedno pole rejestru ma sprzeczne wartości w dokumentacji. Manager dokumentacji medycznej nie potrzebuje oceny „pewności” modelu. Potrzebuje trzech decyzji: zatwierdzić wartość, skierować ją do wyjaśnienia albo pozostawić nierozstrzygniętą. AI może przygotować propozycję i wskazać fragment źródłowy, ale nie może samo rozstrzygnąć sprzeczności przed wysłaniem.

Abstrakcja danych (odczytanie potrzebnych informacji z dokumentacji i ułożenie ich w polach rekordu) jest pracą pomocniczą. W eKRN+ (systemie elektronicznych zgłoszeń do Krajowego Rejestru Nowotworów) szkic nie jest wysłaną kartą. W ręcznym obiegu asystent przekazuje go lekarzowi, a lekarz wysyła zgłoszenie do KRN. „Asystent” oznacza tu człowieka, nie model AI.

Odwrócony audyt zaczyna od pola i cofa się przez decyzję człowieka do dokumentów. Pokazuje managerowi, co sprawdzić przed wysyłką. Stan na: 24 sierpnia 2026 r.

Jedno pole, trzy dopuszczalne decyzje

Załóżmy, że model proponuje typ histologiczny na podstawie opisu badania patomorfologicznego, ale w innym dokumencie znajduje szersze rozpoznanie. Pierwsza decyzja to zatwierdzenie — tylko gdy wskazany fragment rzeczywiście wspiera wartość, a drugi dokument jej nie podważa.

Druga decyzja to wyjaśnienie lub korekta. Człowiek porównuje źródła, daty i kontekst, po czym poprawia propozycję albo kieruje ją do wyjaśnienia. Model nie wybiera po cichu wersji, która brzmi najpewniej.

Trzecia decyzja to pozostawienie pola nierozstrzygniętego, jeśli dokumentacja nie daje podstawy do wyboru. Brak rozstrzygnięcia jest bezpieczniejszy niż pewnie wyglądający rekord bez źródła.

Jak cofnąć ślad od eKRN do dwóch dokumentów?

Manager zaczyna od wartości widocznej w polu i sprawdza, kto ją zatwierdził, co zmienił i na jaki dokument się powołał. Potem porównuje fragment z drugim źródłem, które może zawierać inną informację.

Instrukcja eKRN+ obejmuje rozpoznanie, kod morfologiczny ICD-O-3 (opis budowy nowotworu), typ histologiczny i klasyfikację TNM (opis rozległości choroby). System blokuje zapis przy brakującym polu lub innym błędzie, który uniemożliwia zapis. Taka kontrola formularza nie potwierdza medycznego znaczenia danych wejściowych.

Propozycja AI powinna więc zachować wartość, dokument, fragment źródłowy, korektę człowieka i status „do sprawdzenia”. Uzupełnieniem jest ślad źródła i korekt w elektronicznej dokumentacji medycznej (EDM). Jeśli nie da się odtworzyć tej drogi, pole nie przechodzi dalej.

Gdzie człowiek zatrzymuje wysyłkę?

W ręcznej ścieżce eKRN+ asystent będący człowiekiem tworzy lub edytuje szkic i wysyła go do akceptacji lekarza. Tylko lekarz używa funkcji „Wyślij do rejestru”. Potem pracownik rejestru akceptuje kartę lub zwraca ją do korekty. AI nie przejmuje żadnej z tych ról.

KRN dopuszcza również integrację systemu szpitalnego (HIS) z rejestrem. Taka integracja nie jest zgodą na autonomiczną decyzję modelu. Gdy AI tworzy propozycję przed przesłaniem danych, placówka musi umieścić kontrolę przed wysyłką. Wyznaczona osoba powinna móc zatrzymać rekord, a system ma zachować zapis źródła i korekty.

Rozporządzenie wskazuje podmioty szpitalne, pracownie patomorfologii i podmioty ambulatoryjne jako przekazujące dane. Odpowiedzialność organizacyjna należy do placówki, nie do pewności modelu ani technicznego sprawdzenia formularza.

Co wnosi świeży przykład Carta Healthcare?

20 sierpnia 2026 roku Healthcare IT News opublikowało wywiad Billa Siwickiego z Brentem Doverem, prezesem Carta Healthcare. Mechanizm odpowiada opisanej bramce: AI przegląda dokumentację, proponuje odpowiedź do pola i dołącza materiał źródłowy, a wykwalifikowany rejestrator potwierdza ją albo poprawia i odpowiada za wysłany rekord.

Dover deklaruje do 66% krótszy czas abstrakcji, spadek kosztu o co najmniej połowę i wskaźnik zgodności ocen powyżej 98%. To deklaracje dostawcy bez próby, metodologii i niezależnej walidacji.

Komunikat Carta z 7 lipca wskazuje, że narzędzie onkologiczne dopiero ogłoszono, a wyniki pochodziły z innych obszarów klinicznych. Tych liczb nie wolno przenosić na KRN ani polską placówkę. Świeży przykład pokazuje mechanizm kontroli, nie gotowy wynik dla Polski.

Jak mierzyć jakość bramki jednego pola?

Pierwszy krok: wybierz kilka pól i małą próbkę rekordów w środowisku dopuszczonym przez placówkę do przetwarzania danych medycznych. Nie wysyłaj dokumentacji do publicznego modelu. Na początek sprawdź czy przy każdej propozycji widać źródło.

Manager mierzy odsetek propozycji z czytelnym źródłem, liczbę korekt dla pola, liczbę nierozstrzygniętych konfliktów i czas kontroli. Osobno potwierdza, że żadne pole nie trafiło do wysyłki bez zatwierdzenia. To pomiar jakości bramki, nie zwrotu z inwestycji.

Warto przepuścić pole, gdy źródło jest widoczne, korekta zostawia ślad, a człowiek może zatrzymać błędną wartość. Zatrzymaj pilotaż pola, gdy model ukrywa podstawę odpowiedzi, sam rozstrzyga sprzeczne dokumenty albo system wysyła dane przed kontrolą. Po teście manager zapisuje wynik i jeżeli brakuje śladu zatrzymuje wysyłkę.

Źródła