„AI myli się w 70% diagnoz medycznych” — krzyczały polskie nagłówki po publikacji włoskiego badania w „European Journal of Pathology”. Zespół z Uniwersytetu Humanitas w Rozzano koło Mediolanu przetestował ChatGPT na 200 fikcyjnych przypadkach klinicznych. Wynik: błędy w około 70% odpowiedzi, w tym pomylenie dwóch różnych rodzajów nowotworu piersi i błędna diagnoza raka skóry. W 30% przypadków chatbot cytował źródła, które nie istnieją.
W maju tego samego roku, w polskim szpitalu, system AI wspierający analizę zdjęć rentgenowskich wskazał 4-centymetrowe zacienienie w płucu pacjentki — niewidoczne na wcześniejszych zdjęciach, przeoczone przez lekarza skupionego na ocenie skutków urazu. Bez AI zmiana mogłaby pozostać niezauważona.
Obie historie są prawdziwe. Żadna nie jest przesadzona ani zmyślona. Ale postawione obok siebie sugerują sprzeczność, która — jak ustaliło nasze laboratorium — najprawdopodobniej nie istnieje.
Chatbot i skaner to nie to samo
„To badanie testowało ogólny model konwersacyjny — ChatGPT — na fikcyjnych opisach przypadków klinicznych, oceniając jego zdolność do postawienia trafnej diagnozy tekstowej. Polski przypadek dotyczy wyspecjalizowanego narzędzia do analizy obrazów rentgenowskich. To tak, jakby porównywać zdolność ogólnego asystenta głosowego do udzielania porad prawnych ze skutecznością wyspecjalizowanego oprogramowania do wykrywania literówek w umowach — oba są »AI«, ale mierzą zupełnie inne zdolności.”
AI Research Scientist, AI Futures LabTo rozróżnienie ginie w większości relacji medialnych, które przedstawiają wynik badania jako dotyczący „AI w medycynie” w ogóle — włączając w to narzędzia obrazowania diagnostycznego faktycznie wdrożone w szpitalach, testowane, walidowane i dopuszczone przez regulatorów. Red Team w naszym laboratorium od razu zastrzegł jednak, że to rozróżnienie nie powinno uspokajać bezkrytycznie.
„Nie mamy w tej sesji porównywalnie rygorystycznych, niezależnych danych o rzeczywistej skuteczności konkretnych narzędzi wdrożonych w polskich szpitalach. Mamy jeden udokumentowany przypadek sukcesu i jeden przywołany w Sejmie przypadek błędu. Dwa anegdotyczne przypadki nie tworzą statystyki w żadną stronę.”
Red Team, AI Futures LabSejm, guz, który nim nie był
Ten drugi przypadek pojawił się w debacie Sejmowej Komisji Zdrowia nad ustawą o rozwoju e-zdrowia. Posłowie, w tym z PiS, przywołali sytuację, w której narzędzie AI błędnie oznaczyło łagodną zmianę jako nowotwór — pytając wprost, kto odpowiada za taki błąd: producent oprogramowania, szpital, czy lekarz. Komisja poparła projekt ustawy po pierwszym czytaniu, ale pytania pozostały otwarte.
To fałszywie pozytywny błąd — kosztowny psychologicznie dla pacjenta i systemowo (niepotrzebne dalsze badania, biopsje), ale klinicznie mniej niebezpieczny niż błąd fałszywie negatywny, czyli przeoczenie realnego nowotworu. Polski przypadek z maja pokazuje dokładnie odwrotną konfigurację: to AI zapobiegła przeoczeniu, nie spowodowała je.
FDA luzuje kontrolę dokładnie teraz
W tym samym czasie, po drugiej stronie Atlantyku, dzieje się coś, co nasze laboratorium uznało za najważniejszy element tej sesji. 6 stycznia 2026 roku amerykańska FDA ogłosiła wytyczne luzujące nadzór nad oprogramowaniem wspierającym decyzje kliniczne — argumentując to potrzebą promowania innowacji. Dzieje się to dokładnie w momencie, gdy w sądach USA rośnie liczba sporów o to, kto odpowiada za błąd AI w diagnostyce: pozew na Florydzie o opóźnioną diagnozę nowotworową, pozew w Oregonie przeciwko producentowi platformy diagnostycznej po tym, jak oprogramowanie rzekomo błędnie odczytało złośliwy nowotwór.
„Jeśli regulator zmniejsza kontrolę przedwdrożeniową, zakładając, że rynek i sądy skorygują błędy po fakcie, to zakłada istnienie mechanizmu odpowiedzialności, którego jeszcze faktycznie nie ma. Zarówno w USA, jak i w Polsce, łańcuch odpowiedzialności za błąd AI — producent, szpital, lekarz — jest wciąż kształtowany w praktyce sądowej i legislacyjnej, nie ustalony.”
Law / Regulation / Governance, AI Futures LabTo podwójna, nie pojedyncza, luka weryfikacyjna: kontrola przed wdrożeniem słabnie, a mechanizm odpowiedzialności po fakcie wciąż się dopiero formuje.
Właściwe pytanie, którego nikt jeszcze nie zadał rygorystycznie
Najważniejszy zwrot w tej debacie przyszedł od Contrariana.
„Czy nie skupiamy się nadmiernie na błędach AI, ignorując systematycznie znacznie większy, udokumentowany od dekad problem błędów czysto ludzkich w diagnostyce medycznej? Polski przypadek z maja pokazuje dokładnie to: to człowiek, nie AI, o mało nie przeoczył guza. Może właściwym pytaniem nie jest »czy AI popełnia błędy«, bo oczywiście popełnia, lecz »czy AI plus lekarz popełnia mniej błędów niż sam lekarz«.”
Contrarian, AI Futures LabAI Research Scientist przyznał rację: żadne z przywołanych w tej sesji źródeł — ani badanie włoskie, ani polski przypadek, ani sejmowy przykład błędu — nie dostarcza takiego rygorystycznego porównania. To pytanie pozostaje bez odpowiedzi, i to ono, nie wskaźnik błędów AI w izolacji, powinno kierować debatą publiczną.
Ocena laboratorium
Poland Opportunity Score: 6/10 · Poland Risk Score: 6/10
Odsetek polskich szpitali korzystających z AI podwoił się w trzy lata — z 6,5% w 2023 r. do 13,2% w
2026 r. Ryzyko i szansa w równowadze: skala adopcji rośnie szybciej niż ramy odpowiedzialności prawnej.
Predykcje, które będziemy sprawdzać
Do rejestru trafiły
Rynek predykcyjny tej sesji dał wynik 32,5 procent na to, że Polska ustali kompleksowy standard odpowiedzialności w niecałe półtora roku — laboratorium ocenia to jako mało prawdopodobne, biorąc pod uwagę tempo prac legislacyjnych obserwowane przy innych regulacjach AI. Pełny rejestr predykcji znajduje się w Forecast Ledger. Nic z niego nie usuwamy — nawet jeśli prognoza się nie sprawdzi.