ChatGPT nie jest nazwą jednego, niezmiennego modelu, lecz rozwijanym produktem i interfejsem, który zależnie od planu, regionu, ustawień i daty może korzystać z różnych modeli, narzędzi, wyszukiwania, pamięci, analizy plików i funkcji multimodalnych. Trzeba odróżnić model bazowy od konsumenckiego chatbota, kontrolowanego środowiska organizacyjnego, systemu klinicznego zbudowanego przez API oraz oprogramowania o zadeklarowanym przeznaczeniu medycznym ^{[1], [12], [33]}. Dla pacjenta użyteczne zastosowania obejmują przede wszystkim wyjaśnianie terminów, przygotowanie pytań przed wizytą, porządkowanie objawów i tworzenie roboczych streszczeń; personel może wykorzystywać podobne modele do szkiców dokumentacji, komunikacji i wybranych zadań organizacyjnych ^{[17], [18]}. Płynność, empatyczny ton i pewność językowa nie dowodzą jednak poprawności klinicznej. Odpowiedź może zawierać pominięcie, nieaktualną informację, fałszywe cytowanie albo przekonująco sformułowany błąd ^{[24], [25]}. System nie zna też automatycznie pełnej historii, badania fizykalnego ani kontekstu konkretnej osoby; ogólny chatbot nie staje się przez to lekarzem, terapeutą, autonomicznym systemem triage ani wyrobem medycznym.

Najlepiej uzasadnione zastosowania generatywnej AI w zdrowiu mają obecnie charakter pomocniczy, ściśle zdefiniowany i nadzorowany. Rosnąca liczba badań pokazuje możliwe korzyści w pracy z tekstem, dokumentacją i wybranymi workflow, ale dowody dotyczące trwałej poprawy wyników leczenia, zmniejszenia hospitalizacji, śmiertelności, błędów oraz całkowitych kosztów pozostają ograniczone i niejednorodne ^{[14], [15]}. Wynik egzaminu, benchmarku lub porównania pojedynczych odpowiedzi nie jest automatycznie wynikiem klinicznym i nie może być przenoszony na wszystkie wersje produktu, języki ani populacje ^{[11], [24]}. Bezpieczeństwo zależy od całego systemu: jakości danych, źródeł i RAG, wersji modelu, konektorów, interfejsu, uprawnień, logów, monitoringu oraz realnej możliwości odrzucenia sugestii przez człowieka ^{[12], [54]}. Ocena musi również uwzględniać automation bias, prompt injection, różnice jakości między językami i lokalny kontekst kliniczny ^{[16], [27], [42]}. Artykuł rozpatruje osobno zastosowania pacjenckie, profesjonalne, badawcze i organizacyjne, bez proponowania zastąpienia profesjonalnej opieki.

CZYM JEST CHATGPT, A CZYM NIE JEST?

ChatGPT jest produktem i interfejsem usługowym rozwijanym przez OpenAI, a nie nazwą jednego niezmiennego modelu. W zależności od planu, regionu, ustawień i daty produkt może wykorzystywać różne modele, mechanizmy routingu, wyszukiwanie, pamięć, analizę plików, narzędzia oraz funkcje multimodalne. Rozmowa rozpoczęta z jedną wersją może po zmianach produktu być kontynuowana przez inną. Z tego powodu zdanie, że „ChatGPT jest oparty na GPT-3.5”, nie opisuje aktualnego produktu i nie powinno być używane jako jego trwała definicja ^[1].

Duży model językowy generuje odpowiedź na podstawie wzorców wyuczonych z danych i kontekstu rozmowy. Duży model multimodalny może przetwarzać więcej niż jeden rodzaj danych, na przykład tekst, obraz, dźwięk lub dokument ^[12]. Model bazowy jest technologicznym rdzeniem, który może zostać użyty w wielu produktach. ChatGPT może korzystać z takiego modelu, lecz nie jest z nim tożsamy ^[1]. Jeszcze czymś innym jest system zbudowany przez placówkę za pomocą API, połączony z dokumentacją, bazą wiedzy, kontrolą dostępu, logami i lokalnymi procedurami.

OD MODELU DO SYSTEMU KLINICZNEGO — GDZIE MOŻE POWSTAĆ BŁĄD?

Model jest tylko jedną warstwą rozwiązania. Rzeczywisty system może obejmować dane wejściowe, rozpoznawanie mowy, wyszukiwanie informacji, mechanizm RAG pobierający fragmenty z bazy wiedzy, konektory, reguły bezpieczeństwa, interfejs użytkownika, automatyczne działania i osobę zatwierdzającą wynik ^{[12], [54]}. Nawet dobry model może wygenerować niebezpieczną odpowiedź, jeżeli otrzyma niepełny dokument, błędnie dobrane źródło, stary fragment wytycznych albo zbyt szerokie uprawnienia.

Błąd może powstać także po wygenerowaniu tekstu. Interfejs może ukryć niepewność, ułatwiać mechaniczne zatwierdzanie lub eksponować sugestię AI przed niezależną oceną klinicysty. System może poprawnie streścić błędną notatkę albo znaleźć prawidłowy dokument, lecz zacytować fragment odnoszący się do innej populacji. Dlatego ocenie powinien podlegać cały łańcuch działania, a nie tylko odpowiedź modelu w izolowanym teście ^{[12], [24]}.

AKTUALNE PRODUKTY ZDROWOTNE OPENAI

W styczniu 2026 r. OpenAI przedstawiło ChatGPT Health jako odrębną przestrzeń przeznaczoną do tematów zdrowotnych. Według dokumentacji producenta rozmowy, pamięć i dane w tej przestrzeni nie są wykorzystywane do trenowania modeli bazowych. Dostępność nie jest jednak jednolita. Według aktualnej dokumentacji funkcja jest udostępniana użytkownikom kwalifikujących się planów poza Europejskim Obszarem Gospodarczym, Szwajcarią i Wielką Brytanią, natomiast opcjonalne połączenie z elektroniczną dokumentacją medyczną pozostaje ograniczone do Stanów Zjednoczonych ^{[2], [3], [40]}.

ChatGPT for Healthcare jest rozwiązaniem instytucjonalnym przeznaczonym dla organizacji ochrony zdrowia, administratorów, badaczy i klinicystów. Obejmuje mechanizmy typowe dla kontrolowanego środowiska organizacyjnego, takie jak zarządzanie użytkownikami, role, audyt i warunki przetwarzania danych. ChatGPT for Clinicians jest odrębną ofertą dla zweryfikowanych przedstawicieli wybranych zawodów medycznych, początkowo dostępną w Stanach Zjednoczonych. Opis funkcji i wyniki producenta nie zastępują niezależnej oceny skuteczności klinicznej ^{[4], [5], [6]}.

Nie należy przenosić zabezpieczeń środowiska instytucjonalnego na zwykłe konto konsumenckie. OpenAI deklaruje, że dane z ofert biznesowych, Enterprise, Healthcare i API nie są domyślnie używane do trenowania modeli. W osobistym obszarze Free, Plus lub Pro użytkownik powinien sprawdzić kontrolki danych. Podłączenie aplikacji lub zewnętrznego konektora może natomiast powodować przekazanie odpowiednich danych dostawcy tej usługi ^{[7], [8], [9]}.

DO CZEGO PACJENT MOŻE ROZSĄDNIE UŻYWAĆ CHATGPT?

Najbezpieczniejsze zastosowania polegają na wspieraniu rozumienia i przygotowania, a nie na zastępowaniu profesjonalnej decyzji. Użytkownik może poprosić o wyjaśnienie terminu medycznego prostszym językiem, uporządkowanie listy objawów według czasu wystąpienia, przygotowanie pytań do lekarza, wskazanie informacji potrzebnych na wizytę lub sporządzenie roboczego streszczenia dokumentu ^{[17], [18]}.

Przeglądy zastosowań LLM w opiece nad pacjentem wskazują, że najczęściej analizowano edukację, komunikację i odpowiedzi na pytania, lecz powtarzały się problemy z dokładnością, aktualnością, prywatnością, uprzedzeniami i ograniczoną możliwością uogólniania wyników ^{[17], [18]}. W badaniu odpowiedzi na pytania z publicznego forum odpowiedzi ChatGPT były często oceniane jako bardziej empatyczne i wyższej jakości niż krótkie odpowiedzi lekarzy, ale eksperyment nie dotyczył rzeczywistego procesu leczenia, pełnej dokumentacji ani odpowiedzialności za dalsze postępowanie ^[22].

INFORMACJE O LEKACH I WYNIKACH BADAŃ

ChatGPT może pomóc rozwinąć skróty z ulotki, wyjaśnić różnicę między nazwą handlową i międzynarodową, przygotować pytania dotyczące działań niepożądanych albo uporządkować listę przyjmowanych preparatów ^{[17], [18]}. Nie zna jednak automatycznie wszystkich leków, suplementów, alergii, czynności nerek i wątroby, ciąży, wcześniejszych reakcji ani celu terapii. Różnice między dawką, stężeniem, drogą podania i formulacją mogą mieć znaczenie kliniczne, którego ogólna odpowiedź nie uchwyci.

Prospektywne badanie systemu wspierającego wykrywanie problemów lekowych objęło 91 scenariuszy z 40 winiet i 16 specjalności. Najlepszy wynik uzyskała współpraca farmaceuty z systemem RAG-LLM, ale trafność tej konfiguracji wyniosła 61%. Wynik pokazuje możliwą wartość dodatkowej warstwy kontroli, a zarazem to, że „copilot” nie jest bezbłędnym recenzentem farmakoterapii ^[44].

Podobna ostrożność dotyczy wyników laboratoryjnych i obrazowych. Zakres referencyjny zależy od metody, laboratorium, wieku, płci, ciąży i kontekstu. Pojedyncza wartość poza zakresem nie musi oznaczać choroby, a wynik w zakresie nie wyklucza problemu ^[52]. Model może wyjaśnić pojęcie i pomóc przygotować pytania, ale nie powinien samodzielnie zmieniać rozpoznania ani leczenia.

DIAGNOZA, TRIAGE, LECZENIE I STANY NAGŁE

ChatGPT nie bada pacjenta, nie mierzy parametrów życiowych i nie posiada automatycznie kompletnej historii choroby, listy leków, przeciwwskazań ani wyników badań. Może przeoczyć dane alarmowe, błędnie zrozumieć opis, przyjąć nieprawdziwe założenie albo wygenerować odpowiedź zbyt uspokajającą ^{[17], [18]}. Z tego powodu nie powinien samodzielnie rozstrzygać, czy objaw jest niegroźny, czy wymaga pilnej pomocy.

W randomizowanym badaniu z 50 lekarzami, którzy rozwiązywali sześć symulowanych przypadków, dostęp do ChatGPT Plus z GPT-4 nie poprawił istotnie wyniku rozumowania diagnostycznego w porównaniu z konwencjonalnymi zasobami. Badanie pokazało, że wynik modelu używanego samodzielnie i efekt współpracy lekarz–model są odrębnymi zagadnieniami ^[19]. Nowsza ocena 21 modeli wykazała, że wysoka trafność końcowej diagnozy może współistnieć ze słabszym tworzeniem diagnostyki różnicowej i radzeniem sobie z niepewnością ^[48].

W sytuacji bólu w klatce piersiowej, duszności, objawów udaru, utraty przytomności, ciężkiej reakcji alergicznej, nasilonego krwawienia, zagrożenia samobójczego lub innego stanu nagłego nie należy oczekiwać na odpowiedź chatbota. Konieczny jest kontakt z odpowiednim numerem alarmowym lub pilną pomocą medyczną ^[55]. Brak wskazania alarmowego w odpowiedzi modelu nie jest dowodem bezpieczeństwa.

ZDJĘCIA, DOKUMENTY, GŁOS I DANE Z URZĄDZEŃ

Współczesne modele multimodalne mogą przyjmować zdjęcia, pliki PDF, wykresy, nagrania głosu i dane z aplikacji. Użytkownik może więc przesłać fotografię zmiany skórnej, wynik badania, receptę, wypis albo wykres z urządzenia. Techniczna możliwość przyjęcia pliku nie oznacza jednak walidacji do interpretacji diagnostycznej ^[12].

Zdjęcie może mieć niewłaściwe oświetlenie, skalę, ostrość i odwzorowanie barw. Obraz diagnostyczny może być pozbawiony pełnej serii, parametrów aparatu i danych klinicznych. PDF może nie zawierać wszystkich stron, a tabela może zostać błędnie odczytana. W nagraniu mowy łatwo pomylić nazwę leku, liczbę lub jednostkę. Model może też nie poinformować, że nie odczytał fragmentu, i uzupełnić lukę prawdopodobnie brzmiącą treścią ^[12].

Pliki mogą zawierać metadane i dane innych osób, dlatego przed przesłaniem należy sprawdzić dokument i usunąć zbędne identyfikatory ^[31]. Mogą również zawierać ukryte instrukcje zdolne wpłynąć na działanie systemu ^[27]. Należy rozważyć, czy dane w ogóle powinny trafić do danego środowiska, zwłaszcza gdy dokument dotyczy dziecka, danych genetycznych, zdrowia psychicznego albo osób trzecich.

EDUKACJA PACJENTA, PROSTY JĘZYK I KOMUNIKACJA

Modele mogą upraszczać terminologię, zmieniać strukturę tekstu i tworzyć wersję dostosowaną do niższego poziomu alfabetyzacji zdrowotnej. W badaniu materiałów edukacyjnych poprawa czytelności wymagała jednak kontroli dokładności ^[23]. W innym badaniu GPT-4 przekształcił 50 wypisów na bardziej zrozumiałą formę, lecz tylko 56 ze 100 ocen uznało wynik za całkowicie kompletny, a w 18 ocenach wskazano obawy dotyczące bezpieczeństwa wynikające głównie z pominięć i nieścisłości ^[43].

Szkic wiadomości, instrukcji wypisowej lub materiału edukacyjnego powinien zostać porównany z dokumentem źródłowym. Kontrola musi obejmować leki, dawki, terminy wizyt, objawy alarmowe, zalecenia i elementy, których model mógł nie uwzględnić ^{[23], [43]}. Wysoka czytelność nie kompensuje błędu merytorycznego.

CZY ODPOWIEDŹ PO POLSKU JEST RÓWNIE WIARYGODNA JAK PO ANGIELSKU?

Płynna polszczyzna może tworzyć wrażenie, że model równie dobrze rozumie lokalną praktykę, terminologię i niepewność kliniczną. Nie musi tak być. Badanie 30 rzeczywistych winiet przedstawionych w sparowanych wersjach angielskiej i polskiej wykazało, że wpływ języka zależał od modelu, a różnice koncentrowały się między innymi na diagnostyce różnicowej, uzasadnieniu i doborze dalszych badań ^[42].

Lokalna walidacja powinna obejmować nazwy leków dostępnych w Polsce, jednostki, skróty, potoczne opisy objawów, literówki, odmianę nazw własnych, polskie ścieżki świadczeń i zalecenia instytucji krajowych ^[42]. Tłumaczenie może być pomocniczym szkicem, ale w komunikacji wysokiego ryzyka nie powinno zastępować wykwalifikowanego tłumacza medycznego.

ZASTOSOWANIA DLA PERSONELU MEDYCZNEGO

Personel może wykorzystywać generatywną AI jako narzędzie redakcyjne, wyszukujące lub porządkujące, na przykład do tworzenia szkiców notatek, podsumowań historii, instrukcji dla pacjenta, listów wypisowych i odpowiedzi na wiadomości ^{[18], [20]}. Inne zastosowania obejmują przygotowanie materiałów edukacyjnych, robocze wyszukiwanie literatury, kodowanie, wcześniejsze autoryzacje i analizę dokumentów ^[18].

Należy rozróżnić trzy poziomy automatyzacji. Pierwszy to szkic niewychodzący poza obszar roboczy. Drugi to wynik zatwierdzany przez profesjonalistę przed zapisaniem lub wysłaniem. Trzeci to automatyczna czynność bez bieżącej kontroli człowieka. Wraz ze wzrostem autonomii rosną wymagania dotyczące walidacji, uprawnień, monitoringu i możliwości zatrzymania systemu ^{[12], [13]}.

Kliniczne wsparcie decyzji może pomagać porządkować diagnostykę różnicową, wyszukiwać wytyczne albo wskazywać możliwe interakcje, lecz nie powinno być oceniane wyłącznie przez wynik modelu działającego samodzielnie ^{[19], [44]}. Liczy się wpływ na decyzję człowieka, błędy fałszywie dodatnie i ujemne, czas kontroli oraz to, czy sugestia poprawia wynik względem obecnego procesu.

AMBIENT AI SCRIBES I DOKUMENTACJA KLINICZNA

Ambient AI scribes rejestrują rozmowę podczas wizyty i przygotowują szkic notatki. Jest to jeden z najbardziej dojrzałych obszarów wdrożeń generatywnej AI. Wieloośrodkowe badanie poprawy jakości wskazywało na zmniejszenie deklarowanego obciążenia i wypalenia po wdrożeniu jednego systemu, ale miało charakter obserwacyjny, obejmowało ochotników i krótki okres oceny ^[20]. Inne badanie wykazało związek używania skryby ze zmianami czasu pracy w EHR, zależnymi od intensywności wykorzystania i lokalnego workflow ^[21].

W pragmatycznym randomizowanym badaniu 238 lekarzy z 14 specjalności porównano dwa systemy z opieką standardową. Jeden z systemów zmniejszył czas pisania notatek, a użycie skryb wiązało się z niewielką poprawą części wskaźników obciążenia; jednocześnie odnotowywano sporadyczne nieścisłości wymagające dalszej czujności lekarza ^[46]. W wieloośrodkowej analizie 8581 klinicystów, z których 1809 przyjęło skrybę, dostęp do narzędzia wiązał się ze średnio 13,4 minuty krótszym całkowitym czasem pracy w EHR i 16 minutami krótszego dokumentowania na osiem zaplanowanych godzin opieki, ale bez istotnej zmiany czasu pracy poza godzinami ^[47].

Oszczędność czasu nie jest automatycznie poprawą jakości opieki. Szkic może zawierać pominięcie, nadinterpretację, błędną nazwę leku albo stwierdzenie, którego pacjent nie wypowiedział ^[46]. Nagranie wizyty tworzy dodatkowe pytania o informowanie pacjenta, podstawę przetwarzania, retencję audio i dostęp dostawcy ^{[31], [37]}. Placówka powinna określić, kto zatwierdza treść, jak zgłasza incydenty i czy użycie narzędzia zmienia sposób prowadzenia rozmowy.

BADANIA NAUKOWE, FARMACJA I ZDROWIE PUBLICZNE

Modele językowe mogą przyspieszać część pracy z tekstem: przygotowanie roboczych strategii wyszukiwania, ekstrakcję danych, klasyfikację dokumentów, tworzenie formularzy, streszczanie publikacji i generowanie hipotez ^{[14], [15]}. Nie powinny samodzielnie przesądzać o jakości badania, ryzyku błędu systematycznego ani prawdziwości cytowania. Zmyślony DOI i pominięcie badania negatywnego mogą stworzyć spójną, lecz błędną syntezę ^[25].

Przykładem poprawy konkretnego procesu jest randomizowane badanie systemu RECTIFIER używanego do preselekcji pacjentów do badania niewydolności serca. W grupie wspieranej przez AI szybciej określano kwalifikację, a do badania włączono 35 osób wobec 19 w grupie ręcznej. Wyniku jednego narzędzia, jednego ośrodka i jednego protokołu nie wolno jednak przenosić na całą rekrutację kliniczną ^[45].

W farmakowigilancji i zdrowiu publicznym AI może wspomagać klasyfikację zgłoszeń, wykrywanie duplikatów, analizę narracji, przygotowanie komunikatów i monitorowanie dezinformacji. Wymaga to kontroli fałszywie dodatnich i ujemnych sygnałów, ochrony danych oraz możliwości odtworzenia sposobu uzyskania wyniku. EMA rozwija plan zastosowań danych i AI w regulacji leków do 2028 r., ale dokumenty strategiczne nie są dowodem skuteczności konkretnego systemu ^[36].

W pracy naukowej należy zachować prompty, datę, wersję modelu, narzędzia i zakres ręcznych korekt. Autorzy odpowiadają za rzetelność tekstu, danych i cytowań niezależnie od tego, czy AI uczestniczyła w redakcji ^[53].

JAK CZYTAĆ BADANIA O MEDYCZNYCH MODELACH JĘZYKOWYCH?

Liczba publikacji rośnie szybciej niż jakość dowodów. Przegląd ponad tysiąca badań wykazał, że wiele prób było małych, a rygorystyczne dane ukierunkowane na pacjenta nadal pozostawały rzadkie. W bezpośrednich porównaniach wynik silnie zależał od realizmu zadania i poziomu kompetencji grupy ludzkiej ^[14]. Systematyczna mapa 55 badań wskazała na niejednorodne wyniki, słabszą i bardziej zmienną trafność w badaniach randomizowanych oraz braki raportowania jakości danych i błędów ^[15].

BENCHMARK NIE JEST WYNIKIEM KLINICZNYM

Zdanie egzaminu lub wysoki wynik w benchmarku pokazuje, że model rozpoznaje wzorce w określonym zestawie zadań. Nie dowodzi, że potrafi zebrać wiarygodny wywiad, wykonać badanie fizykalne, ocenić sprzeczne dane, monitorować pacjenta i ponosić odpowiedzialność za decyzję. Nie mierzy hospitalizacji, jakości życia, śmiertelności ani kosztu ^{[11], [24]}.

HealthBench obejmuje 5000 wieloturowych rozmów ocenianych według kryteriów przygotowanych z udziałem lekarzy. HealthBench Professional zawiera 525 zadań z trzech obszarów: konsultacji, dokumentacji i badań, pochodzących z testów prowadzonych przez klinicystów. Są to bardziej realistyczne ewaluacje niż klasyczny egzamin, ale nadal benchmarki producenta, a nie prospektywne badania wyników pacjentów ^{[11], [41]}.

HALUCYNACJE, NIEAKTUALNE DANE I FAŁSZYWE CYTOWANIA

Model może wygenerować fałszywy fakt, publikację, DOI, autora, przeciwwskazanie albo zalecenie w stylu, który brzmi profesjonalnie ^[25]. Nie należy używać jednej wartości „dokładności ChatGPT”, ponieważ częstość i charakter błędów zależą od modelu, wersji, zadania, języka, promptu, narzędzi i sposobu oceny ^[24].

Badanie poświęcone halucynacjom referencji pokazało potrzebę osobnego mierzenia prawidłowości cytowań, a nie tylko ogólnej jakości tekstu ^[25]. Użytkownik powinien otworzyć źródło, sprawdzić autorów, tytuł, datę i to, czy publikacja rzeczywiście wspiera dane zdanie. Prawdziwy link może prowadzić do źródła nieadekwatnego dla populacji albo wyniku.

Nawet system wyszukujący może korzystać z nieaktualnej kopii lub niewłaściwego fragmentu. Odpowiedź powinna jasno oddzielać dane, wniosek i niepewność. W zadaniach wysokiego ryzyka brak źródła lub brak możliwości odtworzenia podstawy odpowiedzi powinien ograniczać jej użycie ^{[12], [24]}.

WSPÓŁPRACA CZŁOWIEK–AI, AUTOMATION BIAS I UTRATA UMIEJĘTNOŚCI

Współpraca człowieka z AI nie jest automatycznie lepsza niż praca człowieka albo modelu osobno. Metaanaliza dziesięciu recenzowanych badań wykazała dużą niepewność i zależność od zadania. Jakość dokumentacji mogła się poprawiać, ale w części badań odsetki błędów faktograficznych pozostawały wysokie, a współpraca nie zawsze przewyższała AI działającą samodzielnie ^[16].

Automation bias polega na nadmiernym zaufaniu do sugestii systemu. Pokrewne zjawiska obejmują zakotwiczenie na pierwszej propozycji, potwierdzanie wcześniejszego przekonania, ignorowanie alarmu po wielu fałszywych ostrzeżeniach oraz utratę umiejętności wskutek długotrwałego delegowania zadania. Ryzyko wzrasta, gdy odpowiedź jest płynna, zawiera pozorne cytowania albo pojawia się przed niezależną oceną człowieka ^{[16], [24]}.

Realny nadzór wymaga czasu, kompetencji, dostępu do danych źródłowych i możliwości odrzucenia wyniku. Kliknięcie „zatwierdź” nie jest skuteczną kontrolą, jeżeli użytkownik ma kilka sekund, nie widzi źródeł albo system premiuje akceptację. Pomocne może być sporządzenie niezależnej wstępnej oceny przed pokazaniem sugestii AI, oznaczanie rozbieżności i mierzenie częstotliwości korekt ^{[12], [13]}.

Za ostateczną decyzję odpowiada właściwa osoba lub organizacja ^[12]. Zmiana modelu, promptu, interfejsu, integracji lub bazy wiedzy może zmienić zachowanie systemu, nawet jeżeli nazwa produktu pozostaje taka sama ^[1].

PRYWATNOŚĆ I PEŁNY CYKL ŻYCIA DANYCH ZDROWOTNYCH

Dane dotyczące zdrowia są szczególną kategorią danych w rozumieniu GDPR. Ryzyko nie kończy się w momencie wpisania tekstu. Należy ocenić zbieranie, przesłanie, przetwarzanie, udostępnienie narzędziom, retencję rozmów i plików, logi, kopie bezpieczeństwa, wykorzystanie do ewaluacji oraz usunięcie ^{[31], [37]}.

Dokumentacja może zawierać dane innych osób, informacje genetyczne, dane dzieci, numery dokumentów, adresy, nagrania głosu i szczegóły umożliwiające identyfikację nawet po usunięciu imienia. Pseudonimizacja nie jest pełną anonimizacją. Należy stosować minimalizację danych i nie wklejać całego dokumentu, jeżeli do ogólnego wyjaśnienia wystarczy krótki fragment ^{[31], [37]}.

Różne produkty mogą mieć odmienne zasady. Dane z ofert biznesowych, Healthcare i API nie są według dokumentacji OpenAI domyślnie używane do trenowania modeli, lecz konkretne integracje, retencja i umowy wymagają osobnej kontroli ^{[7], [10]}. HIPAA dotyczy określonych podmiotów, danych, usług i umów; nie jest uniwersalnym certyfikatem każdego konta ani odpowiednikiem zgodności z GDPR ^[39].

UPRZEDZENIA, NIERÓWNOŚCI I DOSTĘPNOŚĆ

Model może różnicować rekomendacje według płci, wieku, pochodzenia, języka lub statusu społecznego, nawet gdy cechy te nie powinny zmieniać decyzji. Badanie około 1,7 mln odpowiedzi dziewięciu modeli na warianty przypadków medycyny ratunkowej wykazało klinicznie nieuzasadnione różnice związane z cechami socjodemograficznymi ^[26].

Gorsza jakość może dotyczyć chorób rzadkich, populacji niedoreprezentowanych i użytkowników piszących w językach innych niż dominujące w treningu i ewaluacji ^{[12], [26]}. AI może obniżać bariery przez prostszy język i dostępność, ale może też pogłębiać nierówności przez koszt urządzenia, dostęp cyfrowy, niedopasowanie kulturowe i błędne tłumaczenie ^[50]. Placówka powinna analizować błędy osobno dla ważnych grup, a nie wyłącznie średni wynik ^[13].

CYBERBEZPIECZEŃSTWO, KONEKTORY I SYSTEMY AGENTOWE

Model połączony z dokumentami i aplikacjami może zostać zmanipulowany przez prompt injection, czyli instrukcję umieszczoną w danych, którą system odczyta jako polecenie. W kontrolowanym badaniu złośliwe instrukcje w wieloturowym scenariuszu medycznym mogły prowadzić do niebezpiecznych rekomendacji ^[27].

Należy rozróżnić chatbot odpowiadający tekstem od agenta, który może wyszukiwać rekordy, tworzyć zlecenia, wysyłać wiadomości albo zmieniać dokumentację. Im większa autonomia, tym większe znaczenie mają najmniejsze uprawnienia, lista dozwolonych narzędzi, potwierdzenie przed działaniem, separacja danych, audyt logów i możliwość wycofania czynności ^{[9], [54]}. Treść dokumentu nie powinna automatycznie uzyskiwać tej samej rangi co instrukcja administratora ^[27].

Ryzyko obejmuje także przejęcie konta, błędne współdzielenie, brak aktualizacji, zależność od dostawcy i awarię usługi. Wdrożenie powinno posiadać uwierzytelnianie wieloskładnikowe, plan ciągłości działania, procedurę incydentów oraz okresowe testy adversarialne ^{[9], [54]}.

ZDROWIE PSYCHICZNE I SYTUACJE KRYZYSOWE

Zastosowania można podzielić według ryzyka. Do niższego poziomu należą psychoedukacja, przygotowanie pytań i wyszukiwanie informacji o formach pomocy. Większej ostrożności wymagają codzienna rozmowa wspierająca, interpretowanie relacji i prowadzenie ćwiczeń przypominających interwencję terapeutyczną ^{[28], [29]}. Diagnoza psychiatryczna, prowadzenie kryzysu, zmiana leków i ocena ryzyka samobójczego jako jedyne narzędzie nie powinny być powierzane ogólnemu chatbotowi ^[30].

Przegląd zastosowań generatywnych LLM w zdrowiu psychicznym podkreśla szybki rozwój badań, ale także brak standaryzacji i niedostatek oceny w realnych warunkach ^[28]. Metaanaliza chatbotów wskazuje możliwość efektów w części interwencji dotyczących depresji i lęku, lecz obejmowała różne wyspecjalizowane systemy, a nie wyłącznie ogólny ChatGPT ^[29].

Szczególnego ryzyka dotyczą urojenia, mania, paranoja, kompulsje i zależność emocjonalna. Model może dopasowywać się do narracji użytkownika i wzmacniać fałszywe przesłanki. Badanie odpowiedzi na prompty psychotyczne wykazało, że reakcje nie zawsze były odpowiednie do ryzyka ^[30]. Uprzejmy i empatyczny styl nie oznacza rozumienia ani relacji terapeutycznej. W przypadku zagrożenia samobójczego, przemocy lub utraty kontaktu z rzeczywistością potrzebna jest natychmiastowa pomoc człowieka.

DZIECI, OSOBY STARSZE I INNE GRUPY WRAŻLIWE

Dzieci mogą przypisywać chatbotowi intencje, autorytet i empatię, których system nie posiada. Mogą także ujawniać dane bez rozumienia konsekwencji i traktować wygenerowaną odpowiedź jak poufną relację z dorosłym. Szczególnej ostrożności wymagają zdrowie psychiczne, przemoc, wykorzystanie, leki i zdrowie seksualne. UNICEF zaleca podejście skoncentrowane na prawach dziecka, bezpieczeństwie, prywatności, niedyskryminacji i możliwości realnego nadzoru ^[50].

U osób starszych znaczenie mają polipragmazja, zaburzenia słuchu i wzroku, problemy poznawcze, kruchość i trudność odróżnienia pewnej informacji od płynnej narracji. WHO wskazuje, że systemy AI mogą utrwalać ageizm, jeżeli starsze osoby są niedoreprezentowane w danych albo projektowaniu ^[51]. Wsparcie opiekuna nie powinno jednak odbierać autonomii osobie zdolnej do podejmowania decyzji.

Szczególnego nadzoru wymagają także ciąża, choroby rzadkie, niepełnosprawność, opieka paliatywna, migracja, przemoc i ograniczona alfabetyzacja zdrowotna. W tych grupach błąd może wynikać zarówno z braków wiedzy modelu, jak i z niedopasowanego interfejsu ^{[12], [13]}.

WYDAJNOŚĆ I KOSZTY — OSZCZĘDNOŚĆ CZASU NIE ZAWSZE OZNACZA OSZCZĘDNOŚĆ SYSTEMOWĄ

Krótszy czas tworzenia notatki lub odpowiedzi jest wynikiem procesu, a nie pełną analizą ekonomiczną. Całkowity koszt posiadania obejmuje licencje, integrację, szkolenia, walidację, cyberbezpieczeństwo, kontrolę jakości, obsługę incydentów, ponowne testy po aktualizacjach i koszt poprawiania błędów ^{[15], [54]}.

Narzędzie może zmniejszać czas dokumentacji, a równocześnie zwiększać liczbę wizyt, wiadomości lub dokumentów wymagających review. W wieloośrodkowym badaniu adopcja skryb wiązała się z niewielkim wzrostem liczby wizyt tygodniowo ^[47]. Taki efekt może poprawiać dostęp, ale może także zwiększać całkowite wydatki systemu. Do oceny potrzebne są koszt jednego zadania, koszt procesu, jakość, bezpieczeństwo oraz wynik pacjenta.

Nie należy zatem twierdzić ogólnie, że ChatGPT obniża koszty ochrony zdrowia ^{[14], [15]}. Można mówić o możliwej oszczędności czasu lub poprawie określonego workflow, o ile wynik dotyczy konkretnego narzędzia, populacji i okresu.

PRAWO I REGULACJE W UNII EUROPEJSKIEJ

AI Act, czyli rozporządzenie (UE) 2024/1689, wprowadza podejście oparte na ryzyku. Część przepisów jest już stosowana, a inne obowiązki wchodzą etapowo. Na dzień 16 lipca 2026 r. procedura ustawodawcza dotycząca Digital Omnibus on AI nadal figurowała w EUR-Lex jako trwająca, natomiast oficjalne materiały Komisji wskazywały powiązanie części terminów dla systemów wysokiego ryzyka z dostępnością standardów i najpóźniejsze daty 2 grudnia 2027 r. dla określonych systemów z załącznika III oraz 2 sierpnia 2028 r. dla systemów związanych z prawodawstwem z załącznika I. Przed wdrożeniem należy sprawdzić aktualny tekst prawny, a nie wyłącznie skrócony harmonogram ^{[32], [49]}.

Nie każdy chatbot medyczny jest systemem wysokiego ryzyka. Obowiązki zależą od przeznaczenia, funkcji, roli dostawcy i podmiotu wdrażającego oraz wpływu na decyzje. Zwykły ChatGPT nie jest automatycznie wyrobem medycznym. W Unii Europejskiej znaczenie ma zadeklarowane przeznaczenie i wpływ oprogramowania na diagnozę, monitorowanie, prognozę lub leczenie. Wytyczne MDCG pomagają kwalifikować oprogramowanie według MDR i IVDR, ale same nie są aktem prawnie wiążącym ^[33].

FDA prowadzi listę urządzeń medycznych wykorzystujących AI, które uzyskały odpowiednią autoryzację w Stanach Zjednoczonych. Obecność urządzenia na tej liście nie oznacza dopuszczenia ogólnego ChatGPT jako narzędzia diagnostycznego. Dokument FDA dotyczący cyklu życia funkcji oprogramowania wykorzystujących AI należy odróżniać od wiążącego przepisu i decyzji dla konkretnego urządzenia ^{[34], [35]}.

W Polsce dokumentacja medyczna musi być chroniona przed dostępem osób nieuprawnionych i prowadzona zgodnie z właściwymi przepisami. Wygenerowanie szkicu przez AI nie zwalnia osoby dokonującej wpisu ani podmiotu leczniczego z odpowiedzialności za treść, bezpieczeństwo i zgodność dokumentacji ^[38].

ZASADY ODPOWIEDZIALNEGO KORZYSTANIA PRZEZ PACJENTA

1. Traktuj odpowiedź jako materiał roboczy. Poproś o wskazanie założeń, niepewności i informacji, których brakuje ^[12].

2. Weryfikuj źródła samodzielnie. Otwórz link, sprawdź datę, autorów, DOI i zgodność ze zdaniem ^[25].

3. Minimalizuj dane. Usuń identyfikatory, dane osób trzecich, numery dokumentów i informacje niepotrzebne do ogólnego wyjaśnienia ^{[31], [37]}.

4. Porównuj podsumowanie z oryginałem. Sprawdź pominięcia, liczby, jednostki, leki i terminy ^{[23], [43]}.

5. Nie zmieniaj leczenia na podstawie samego czatu. Nie rozpoczynaj, nie odstawiaj i nie modyfikuj dawki leku bez konsultacji z osobą uprawnioną ^[44].

6. Nie używaj chatbota do wykluczania stanu nagłego. W razie objawów alarmowych skorzystaj z pilnej pomocy niezależnie od odpowiedzi modelu ^[55].

7. Przygotuj się do rozmowy z lekarzem. Największą wartością może być uporządkowana lista objawów, pytań, leków i obserwacji, a nie gotowa diagnoza ^{[17], [18]}.

CYKL ODPOWIEDZIALNEGO WDROŻENIA PRZEZ PLACÓWKĘ

Faza 1 — określenie problemu. Organizacja powinna zdefiniować zadanie, użytkownika, oczekiwany wynik i to, czy prostsze narzędzie byłoby wystarczające. Nie należy rozpoczynać od zakupu technologii i dopiero później szukać dla niej zastosowania ^{[12], [54]}.

Faza 2 — dane, prawo i odpowiedzialność. Trzeba określić kategorie danych, podstawę przetwarzania, role administratora i procesora, wymagane umowy, retencję oraz dostęp ^{[31], [37]}. Należy również ocenić możliwość kwalifikacji rozwiązania jako wyrobu medycznego lub systemu wysokiego ryzyka ^{[32], [33]}.

Faza 3 — lokalna walidacja. Testy powinny obejmować rzeczywiste scenariusze, brakujące dane, błędne dokumenty i grupy szczególne ^{[12], [24]}. Osobno należy sprawdzić język polski oraz odporność na prompt injection ^{[27], [42]}. Wynik należy porównywać z obecnym procesem, a nie z abstrakcyjnym ideałem.

Faza 4 — ograniczony pilotaż. Początkowo warto ograniczyć grupę użytkowników, zakres zadań i autonomię. Każda treść powinna podlegać ręcznej kontroli, a system musi umożliwiać łatwe zgłaszanie błędów i natychmiastowe wyłączenie ^{[12], [13]}.

Faza 5 — monitoring. Po wdrożeniu należy mierzyć nie tylko czas i satysfakcję, ale także pominięcia, fałszywe informacje, korekty, skargi, różnice między grupami, zdarzenia niepożądane, awarie i czas faktycznie potrzebny na review ^{[13], [24]}.

Faza 6 — ponowna walidacja. Zmiana modelu, promptu, konektora, bazy wiedzy, interfejsu, polityki dostawcy albo populacji użytkowników może wymagać ponownych testów. Benchmarki HealthBench i HealthBench Professional mogą wspierać porównanie modeli, lecz nie zastępują prospektywnej walidacji konkretnego systemu, workflow i placówki ^{[11], [41]}.

WHO i NIST rekomendują governance obejmujące przejrzystość, odpowiedzialność, ochronę autonomii, udział interesariuszy i ciągłe monitorowanie ryzyka ^{[12], [13], [54]}.

CO WIADOMO, A CZEGO NADAL NIE USTALONO?

Co wiadomo: modele potrafią przygotowywać robocze szkice, streszczenia i prostsze wersje tekstu ^{[23], [43]}. Ambient AI scribes mogą ograniczać część obciążenia dokumentacyjnego ^{[46], [47]}. Wynik silnie zależy od modelu, zadania i konfiguracji ^{[14], [24]}, a halucynacje, uprzedzenia i prompt injection pozostają odrębnymi klasami ryzyka ^{[25], [26], [27]}. Współpraca człowiek–AI może pomagać w wybranych zadaniach, ale nie zawsze przewyższa człowieka lub model działających osobno ^[16].

Czego nadal nie ustalono: jak często korzyści utrzymują się po wdrożeniu na dużą skalę i kolejnych zmianach modelu; jaki jest długoterminowy wpływ na bezpieczeństwo, umiejętności personelu i relację z pacjentem; jak tworzyć przenośne standardy oceny między placówkami; kiedy interfejs i nadzór powodują nadmierne zaufanie; oraz czy konkretne zastosowania poprawiają jakość życia, hospitalizacje, śmiertelność i całkowite koszty opieki ^{[14], [15]}.

PODSUMOWANIE

ChatGPT i inne systemy generatywnej AI mają największą wartość wtedy, gdy wspierają rozumienie, komunikację i organizację pracy, zamiast samodzielnie podejmować decyzje kliniczne. Pacjent może używać ich do wyjaśniania terminów, przygotowania pytań, uporządkowania chronologii objawów i stworzenia roboczego streszczenia, które następnie porówna z dokumentem źródłowym ^{[17], [18]}. Personel może korzystać ze szkiców notatek, materiałów edukacyjnych i odpowiedzi, a ambient AI scribes należą do najlepiej zbadanych zastosowań workflow, choć nadal wymagają kontroli pominięć i nieścisłości ^{[46], [47]}.

Dowody są jednak nierówne. Wiele publikacji ocenia benchmarki, winiety, jakość tekstu, czas pracy lub satysfakcję, a znacznie mniej badań mierzy hospitalizacje, jakość życia, śmiertelność, zdarzenia niepożądane i pełne koszty. Wysoki wynik modelu w egzaminie albo symulowanym przypadku nie dowodzi gotowości do samodzielnej diagnozy, triage lub leczenia, a wynik jednej wersji nie powinien być przenoszony na kolejne aktualizacje, inne języki i odmienne systemy ^{[14], [15], [24]}.

Najważniejsze ryzyka obejmują halucynacje, pominięcia, fałszywe cytowania, nieaktualne informacje oraz nadmiernie pewny styl odpowiedzi. Nawet czytelne streszczenie może pominąć lek, dawkę, termin kontroli lub objaw alarmowy, dlatego wynik trzeba porównywać z oryginałem i otwierać przywołane źródła ^{[25], [43]}. Szczególnej ostrożności wymagają farmakoterapia, wyniki badań, triage, obrazy i dokumenty medyczne, zdrowie psychiczne oraz osoby wrażliwe ^{[28], [30], [50]}. Nie należy rozpoczynać, odstawiać ani zmieniać dawki leku na podstawie samego czatu, a w stanie nagłym trzeba korzystać z pilnej pomocy niezależnie od odpowiedzi modelu ^{[44], [55]}.

Bezpieczeństwo jest właściwością całego systemu, a nie samego modelu. Obejmuje lokalną walidację na rzeczywistych zadaniach i grupach, kontrolę dostępu, minimalizację danych, zatwierdzone środowisko, wersjonowanie źródeł, logi, monitoring błędów, procedurę incydentów i ponowne testy po każdej istotnej zmianie ^{[12], [31], [54]}. Nadzór człowieka jest realny tylko wtedy, gdy użytkownik ma czas, kompetencje, dostęp do danych źródłowych i możliwość odrzucenia sugestii. W przeciwnym razie płynna odpowiedź może nasilać automation bias, zakotwiczenie i stopniową utratę umiejętności ^[16].

Połączenie modelu z dokumentami, konektorami i narzędziami tworzy dodatkowe ryzyko prompt injection oraz wykonania niewłaściwej czynności. System agentowy powinien działać z najmniejszymi uprawnieniami, ograniczoną listą narzędzi, potwierdzeniem przed działaniem, możliwością audytu i wycofania operacji ^{[27], [54]}. Podobnie oszczędność kilku minut dokumentacji nie jest jeszcze potwierdzoną efektywnością kosztową: pełna ocena musi uwzględniać licencje, integrację, szkolenia, walidację, cyberbezpieczeństwo, kontrolę jakości, błędy i wpływ na cały workflow ^{[15], [47]}.

Praktyczny wniosek jest ostrożny: generatywna AI może być wartościowym narzędziem pomocniczym, jeżeli zadanie ma jasno określony zakres, wynik jest sprawdzany, dane są chronione, a odpowiedzialność pozostaje po stronie właściwej osoby i organizacji. Nie zastępuje badania, pełnego wywiadu, profesjonalnej oceny ani relacji terapeutycznej. Najważniejsze niewiadome dotyczą trwałości korzyści po aktualizacjach, bezpieczeństwa w realnym użyciu, wpływu na nierówności i umiejętności personelu oraz tego, czy konkretne wdrożenia poprawiają wyniki kliniczne i całkowite koszty, a nie tylko szybkość wykonania zadania.

Stan wiedzy, produktów i stan prawny: 16 lipca 2026 r.