Czy sztuczna inteligencja oszczędza czas lekarzom w portalach pacjentów?

Nie zawsze. Badanie Uniwersytetu Dartmouth wykazało, że lekarze muszą edytować średnio 75% odpowiedzi generowanych przez AI, co zajmuje im więcej czasu niż napisanie wiadomości samodzielnie. Oszczędności czasowe pojawiają się dopiero, gdy edycja dotyczy poniżej 30% treści.

Jakie błędy popełnia AI w odpowiedziach dla pacjentów?

AI imituje styl lekarzy, ale nie myśli jak lekarz. Generuje odpowiedzi, które pomijają kluczowe pytania diagnostyczne — przykładowo zasugerowała zmianę diety zamiast pytania o możliwość ciąży u pacjentki ze symptomami, które mogły wskazywać na ciążę.

Jak można poprawić efektywność AI w medycynie?

Naukowcy z Dartmouth opracowali metodę TADPOLE, która uczy modele na rzeczywistych odpowiedziach konkretnych lekarzy. Spersonalizowane modele zmniejszają liczbę wymaganych edycji i lepiej naśladują kliniczne myślenie.

Ile czasu mogą oszczędzić lekarze dzięki dobrze wytrenowanemu AI?

Według badaczy odpowiednio dopracowane modele mogłyby oszczędzać lekarzom 1–2 godziny pracy dziennie. Obecnie krótkie wiadomości pozwalają skrócić czas o 25%, ale wymaga to dalszego doskonalenia algorytmów.

Czy AI zastąpi lekarzy w komunikacji z pacjentami?

Nie. Badanie pokazuje, że AI powinno wspierać lekarzy, a nie ich zastępować. Ostateczna odpowiedzialność za decyzje medyczne i kontakt z pacjentem pozostaje po stronie personelu medycznego.

AI w medycynie nie oszczędza czasu. Błędy wymagają więcej edycji

Badanie Uniwersytetu Dartmouth pokazuje, że sztuczna inteligencja generująca odpowiedzi dla pacjentów wymaga czasochłonnych poprawek.

Sztuczna inteligencja w medycynie nie zawsze oszczędza czas lekarzom — w wielu przypadkach wymaga czasochłonnych poprawek, które mogą być bardziej pracochłonne niż napisanie odpowiedzi od podstaw. Wynika to z badania naukowców z Uniwersytetu Dartmouth, zaprezentowanego podczas dorocznego spotkania Association for Computational Linguistics 2026.

Dlaczego AI nie odciąża lekarzy tak, jak się spodziewano?

Portale pacjentów stały się standardowym narzędziem komunikacji między personelem medycznym a chorymi. Pacjenci zadają setki pytań dziennie dotyczących objawów, leczenia, wyników badań i leków. Wiele systemów ochrony zdrowia wdrożyło generatywną sztuczną inteligencję, aby przygotowywać robocze wersje odpowiedzi, które lekarze mogliby jedynie zweryfikować i wysłać.

Problem pojawia się jednak w praktyce. Zespół badaczy z Dartmouth przeprowadził pierwszą na tak dużą skalę analizę rzeczywistych wiadomości generowanych przez AI w portalach pacjent–lekarz. Odkrycia były zaskakujące: lekarze muszą edytować średnio 75% odpowiedzi, co zajmuje im więcej czasu i energii mentalnej niż napisanie wiadomości samodzielnie.

AI mówi jak lekarz, ale nie myśli jak lekarz

Jednym z głównych wniosków badania jest to, że modele językowe doskonale naśladują styl komunikacji lekarzy, ale znacznie gorzej radzą sobie z klinicznym sposobem rozumowania. Jak podkreśla Sarah Preum z Uniwersytetu Dartmouth: “Odkryliśmy, że sztuczna inteligencja może mówić jak lekarz, ale nie myśleć jak lekarz”.

Badacze zaobserwowali, że odpowiedzi AI często:

Pomijają kluczowe pytania diagnostyczne
Nie biorą pod uwagę kontekstu klinicznego
Generują odpowiedzi powierzchowne, mimo że wydają się profesjonalne

Doskonałym przykładem jest przypadek 32-letniej pacjentki przyjmującej lek na refluks, która zgłaszała utrzymujące się nudności. AI zasugerowała zmianę diety związaną ze stosowanym lekiem. Lekarz jednak całkowicie zmienił kierunek rozmowy i zapytał pacjentkę o możliwość ciąży — pytanie, które mogło być kluczowe dla prawidłowej diagnozy. Choć pozornie była to niewielka modyfikacja, doskonale pokazuje różnicę między generowaniem tekstu a rzeczywistym procesem klinicznego myślenia.

Ile pracy wymaga edycja wiadomości AI?

Typ wiadomości	Średni czas edycji	Oszczędność czasu	Praktyczne znaczenie
Krótkie odpowiedzi	~25% czasu oszczędnięty	Pozytywne	Warte zastosowania
Rozbudowane odpowiedzi	Więcej czasu niż napisanie od nowa	Negatywne	Wymaga poprawy
Wiadomości edytowane poniżej 30%	Znaczne oszczędności	1–2 godz./dzień	Cel do osiągnięcia

Zdaniem Tim Burdick, współautora badania: “Jeśli musisz edytować 75% wiadomości, możesz poświęcić więcej czasu i energii na wprowadzanie zmian niż gdybyś po prostu napisał ją od podstaw”. Naukowcy wskazują, że lekarze muszą osiągnąć punkt, w którym edytują mniej niż 30% treści, aby AI rzeczywiście przyniosło znaczące korzyści.

Jak poprawić efektywność AI w medycynie?

Badacze z Dartmouth opracowali metodę o nazwie TADPOLE (Thematic Agentic Direct Preference Optimization for Learning Enhancement), która znacząco poprawia przydatność AI. Technika ta wykorzystuje zarówno rzeczywiste odpowiedzi przygotowane przez lekarzy, jak i treści wygenerowane przez AI, tworząc hybrydowy model uczący się preferowanego sposobu komunikacji klinicznej.

Wyniki pokazały, że odpowiednio wytrenowane modele znacznie lepiej odpowiadają standardom lekarzy. Spersonalizowane podejście — uczenie modeli na rzeczywistych odpowiedziach konkretnych lekarzy — zmniejsza liczbę wymaganych edycji i lepiej naśladuje kliniczne myślenie.

Co to oznacza dla przyszłości AI w medycynie?

Badanie pokazuje, że skuteczność sztucznej inteligencji nie powinna być oceniana wyłącznie na podstawie jakości generowanego tekstu, lecz również liczby zmian koniecznych przed wysłaniem odpowiedzi pacjentowi. Według współautora badania, odpowiednio dopracowane modele mogłyby oszczędzać lekarzom nawet jedną do dwóch godzin pracy dziennie — ale wymaga to dalszego doskonalenia.

Ciekawym wnioskiem badania jest to, że sztuczna inteligencja generuje bardziej empatyczne odpowiedzi niż personel medyczny. Modele częściej:

Potwierdzają obawy pacjenta
Wykazują zrozumienie dla jego sytuacji
Używają bardziej wsparcia emocjonalnego

Takie elementy mogą pozytywnie wpływać na doświadczenie pacjentów i zwiększać poczucie bycia wysłuchanym.

Przyszłość: wsparcie, a nie zastępowanie

Sarah Preum zwraca uwagę na zagrożenie: “Nie chcemy integrować dużych modeli językowych z procesem pracy i po prostu przesuwać wąskiego gardła, tak aby lekarze poświęcali swoją energię poznawczą na odgrywanie roli asystenta AI i naprawianie błędów”. Badanie pokazuje, że bez odpowiedniego dostosowania technologii do praktyki klinicznej, AI może paradoksalnie zwiększyć obciążenie pracowników medycznych.

Prace badawcze są częścią projektu PortalPal, którego celem jest stworzenie inteligentnych narzędzi wspierających komunikację między personelem medycznym a pacjentami. Naukowcy podkreślają, że rozwój generatywnej sztucznej inteligencji nie oznacza zastąpienia lekarzy. Obecnie technologia może stanowić wartościowe narzędzie wspierające codzienną komunikację, jednak wymaga dalszego doskonalenia i odpowiedniego dostosowania do praktyki klinicznej.

Największy potencjał AI tkwi nie w całkowitej automatyzacji odpowiedzi, lecz w inteligentnym wspomaganiu lekarzy — zmniejszeniu obciążenia administracyjnego, a nie przesunięciu go w innym kierunku. Ostateczna odpowiedzialność za decyzje medyczne i kontakt z pacjentem nadal pozostaje po stronie personelu medycznego.