AI w zdrowiu, 28 sierpnia 2026: sześć historii zmieniających medycynę

Najważniejsze wiadomości technologiczne w ochronie zdrowia w tym tygodniu obejmują pełne spektrum opieki medycznej — od wykrywania ukrytego ryzyka sercowo-naczyniowego podczas rutynowej mammografii, przez prowadzenie neurochirurgów z dala od krytycznych struktur mózgu, aż po przewidywanie najskuteczniejszych kombinacji leków przeciwnowotworowych i ochronę pacjentów przed sztuczną inteligencją podszywającą się pod terapeutów. Oto sześć historii, które w tym tygodniu wyróżniły się spośród innych.

Mammografia wykrywa teraz również choroby serca

Duże retrospektywne badanie zaprezentowane na Kongresie Europejskiego Towarzystwa Kardiologicznego (ESC) 2026 w Monachium może zmienić sposób, w jaki postrzegamy diagnostykę obrazową piersi. Naukowcy ze szpitala Sheba Tel Hashomer i Centrum Badań AI (ARC) w Izraelu wytrenowali model sztucznej inteligencji na 97 364 badaniach mammograficznych od 29 921 kobiet i odkryli, że te same skany używane do wykrywania raka piersi zawierają wykrywalne sygnały dotyczące chorób układu sercowo-naczyniowego.

Algorytm wskazał zwiększone ryzyko powszechnych schorzeń, w tym chorób serca i udaru mózgu — bez dodatkowych badań obrazowych, badań krwi czy wizyt klinicznych. Dla kobiet regularnie poddających się mammografii otwiera to drogę do oceny ryzyka sercowo-naczyniowego jako efektu ubocznego wizyty, którą i tak już zaplanowały.

Konsekwencje praktyczne są znaczące: choroby układu sercowo-naczyniowego pozostają wiodącą przyczyną zgonów kobiet na całym świecie i są stale niedodiagnozowane w porównaniu z mężczyznami. Jeśli sztuczna inteligencja potrafi wyodrębnić sygnał ryzyka z obrazowania, które już teraz otrzymują miliony kobiet, może to wypełnić istotną lukę w opiece profilaktycznej.

Sztuczna inteligencja prowadzi operację mózgu, chroniąc wzrok pacjenta

Chirurdzy z Narodowego Szpitala Neurologii i Neurochirurgii (NHNN) w Londynie zastosowali system sztucznej inteligencji do usunięcia guza mózgu — zdarzenie, które zespół opisuje jako światowy precedens. Pacjent, Brytyjczyk, zachował wzrok — wynik, który zespół chirurgiczny przypisuje bezpośrednio prowadzeniu przez AI w czasie rzeczywistym.

System, opracowany w Hawkes Lab na UCL i finansowany przez stypendium doktoranckie NIHR oraz Google, analizuje na żywo obraz z kamery podczas operacji. Gdy chirurg pracuje, AI podświetla krytyczne struktury anatomiczne w polu widzenia — w tym przypadku drogi odpowiedzialne za wzrok — tak aby można ich było unikać w czasie rzeczywistym. Oznacza to przejście od narzędzi AI wspomagających planowanie przedoperacyjne do systemów uczestniczących w sali operacyjnej podczas trwania zabiegu.

Finansowane przez NIHR badanie kliniczne jest w toku, jednak ten przypadek dowodzi, że anatomiczne prowadzenie przez AI w czasie rzeczywistym jest już klinicznie wykonalne.

Sztuczna inteligencja przewiduje, które kombinacje leków na raka działają najlepiej razem

Dwa artykuły opublikowane w tym tygodniu w Nature Genetics przez badaczy z Chan Zuckerberg Biohub i Uniwersytetu Columbia podejmują jeden z najtrudniejszych problemów onkologii: identyfikację kombinacji leków, które zadziałają u konkretnego pacjenta z danym nowotworem.

Sztuczna inteligencja mapuje to, co badacze nazywają "zachowanymi złośliwymi stanami komórkowymi" — wzorce zachowań komórek nowotworowych, które utrzymują się u różnych pacjentów z tym samym typem guza. Identyfikując te zachowane stany, system przewiduje, które kombinacje leków mają szansę działać synergistycznie, a nie redundantnie.

W testach na dziecięcym rozlanym gwiaździaku śródmózgowia (DMG) — jednym z najbardziej agresywnych nowotworów mózgu u dzieci — kombinacje wskazane przez AI podwoiły przeżywalność w modelach mysich w porównaniu ze standardowymi metodami. Badacze podają dokładność wynoszącą około 90% w przewidywaniu synergistycznych kombinacji. Droga od modeli mysich do badań klinicznych jest długa, ale precyzja, z jaką AI może zawęzić przestrzeń eksperymentalną, może znacząco przyspieszyć tę podróż.

Stany zaczynają zakazywać AI podszywania się pod terapeutów

Stany Zjednoczone zaczynają regulować kategorię ryzyka AI, która przyciąga rosnącą uwagę: chatboty zdrowia psychicznego, które reklamują się jako substytuty licencjonowanej terapii.

Ustawa SB 1580 Tennessee, obowiązująca od 1 lipca 2026 r., zakazuje reklamowania jakiegokolwiek produktu AI jako wykwalifikowanego specjalisty zdrowia psychicznego i tworzy prawo do prywatnego powództwa — co oznacza, że osoby, które doznały szkody, mogą pozywać. Ustawa SB 243 Kalifornii, obowiązująca od 1 stycznia 2026 r., stosuje podejście uzupełniające, skoncentrowane na ujawnieniach dotyczących bezpieczeństwa chatbotów. Raport Kaiser Family Foundation dokumentuje znaczące zróżnicowanie w sposobie, w jaki poszczególne stany podchodzą do tej przestrzeni, przy czym oczekuje się kolejnych przepisów.

Nacisk polityczny odzwierciedla rzeczywiste zapotrzebowanie: badanie Amerykańskiego Towarzystwa Psychologicznego (APA) z 2026 r. wykazało, że 77% psychologów raportuje obecnie pacjentów używających narzędzi AI do wsparcia zdrowia psychicznego — między sesjami klinicznymi lub zamiast nich. Prawa nie zakazują chatbotów zdrowia psychicznego w ogóle; celują w wprowadzający w błąd marketing, który zaciera granicę między aplikacją konsumencką a licencjonowanym specjalistą.

Sztuczna inteligencja przejrzała 114 000 tomografii komputerowych w sześciu europejskich szpitalach

Badanie opublikowane 26 sierpnia w piśmie Clinical Lung Cancer opisuje jedno z największych jak dotąd rzeczywistych wdrożeń AI do wykrywania guzków płucnych. W ciągu 14 miesięcy, w sześciu europejskich szpitalach, system AI przejrzał 114 644 badania tomografii komputerowej klatki piersiowej od 65 344 pacjentów, osiągając pokrycie skanów na poziomie 99,5%.

AI oznaczyło nieprawidłowości u 62,7% pacjentów. Spośród oznaczonych u 1,6% zdiagnozowano następnie wczesne stadium raka płuca — przypadki, w których wczesne wykrycie z największym prawdopodobieństwem przekłada się na leczenie z intencją wyleczenia. Skala wdrożenia i spójność pokrycia między instytucjami same w sobie są znaczącymi odkryciami: rak płuca jest wiodącą przyczyną śmierci z powodu raka na świecie, a większość przypadków jest nadal diagnozowana w zaawansowanym stadium, gdy możliwości leczenia są znacznie bardziej ograniczone.

Sztuczna inteligencja kończy wieloletnią diagnostyczną odyseję pacjentów z rzadkimi chorobami

Dwa oddzielne programy pokazują, że sztuczna inteligencja może rozwiązywać przypadki rzadkich chorób, które przez lata wprawiały klinicystów w zakłopotanie.

W Bostońskim Szpitalu Dziecięcym badacze zastosowali model rozumowania OpenAI do 376 pacjentów z wcześniej nierozwiązanymi diagnozami. System prawidłowo zidentyfikował schorzenie w 19 z 20 znanych przypadków rzadkich chorób użytych do walidacji, a następnie postawił nowe diagnozy 18 pacjentom z nierozwiązanej grupy — w tym, przynajmniej w jednym przypadku, drugą diagnozę, którą klinicyści przeoczyli całkowicie. W Dziecięcym Szpitalu Wschodniej Ontario (CHEO) oddzielny algorytm o nazwie ThinkRare postawił 21 nowych diagnoz ze wskaźnikiem sukcesu wynoszącym 70% w swojej grupie testowej.

Rzadkie choroby indywidualnie dotykają małej liczby pacjentów, ale łącznie dotykają szacunkowo 300 milionów ludzi na całym świecie, z których większość stanowią dzieci. Średnia diagnostyczna odyseja — czas od pierwszego objawu do potwierdzonej diagnozy — trwa od czterech do pięciu lat. Narzędzia, które mogą skompresować ten harmonogram, mają potencjał, aby znacząco zmienić wyniki, szczególnie w przypadku schorzeń, w których wczesna interwencja ma największe znaczenie.