Od danych do decyzji: Poland Healthcare Datathon 2025 określa standard cyfrowej diagnostyki w Polsce

Czy sztuczna inteligencja rozumie choroby neurologiczne po polsku? Czy rehospitalizacje rządzą się pewnymi prawami? Podczas pierwszej edycji Poland Healthcare Datathon w Gdańsku udało się to sprawdzić w praktyce – i to na niespotykaną dotąd skalę. Wydarzenie połączyło konferencję naukową i intensywny hackathon, w którym interdyscyplinarne zespoły pracowały na rzeczywistych, zanonimizowanych danych klinicznych z Uniwersyteckiego Centrum Klinicznego w Gdańsku. Po raz pierwszy w Polsce tak szeroko przetestowano także duże modele językowe (LLM) w języku polskim, koncentrując się na diagnostyce chorób neurologicznych. 

AI w medycynie pod lupą praktyków i teoretyków

Rozmowy o etyce, regulacjach i bezpieczeństwie AI w medycynie były ważną, ale nie jedyną składową wydarzenia. Istotna była też praktyka – w ramach datathonu uczestnicy analizowali lokalne dane kliniczne, a w równoległej ścieżce, nazwanej LLM-a-thon, sprawdzali, jak globalne modele językowe, takie jak Claude Opus, DeepSeek R1, czy PZWL Medico, radzą sobie w języku polskim i w realnych przypadkach neurologicznych. Dzięki temu uczestnicy weryfikowali, jak globalne technologie radzą sobie w lokalnym kontekście i jak szybko idee z sali konferencyjnej mogą zamieniać się w konkretne rozwiązania wspierające diagnostykę.

Datathon pokazał, że konferencja i hackathon mogą się uzupełniać. Dyskusje o etyce i regulacjach od razu znalazły swoje odzwierciedlenie w praktyce – w analizach danych i testach modeli. To wyjątkowa okazja, aby teoria spotkała się z realnymi wyzwaniami klinicznymi. Na wypracowanych wnioskach zyskuje środowisko lekarskie, ale przede wszystkim zyskuje pacjent – zaznacza dr hab. Jakub Mieczkowski z Gdańskiego Uniwersytetu Medycznego.

Lokalne dane kliniczne poddane analizie AI po pierwszy  

Wielką wartością wydarzenia było udostępnienie do analiz realnych, polskich danych klinicznych. Praca na takich zbiorach umożliwia odkrycie wzorców diagnostycznych specyficznych dla polskich pacjentów, co zwiększa skuteczność narzędzi AI i ich przydatność w podejmowaniu decyzji terapeutycznych.

Równie ważna była ewaluacja modeli językowych w języku polskim. To właśnie testy w lokalnym kontekście pozwalają ocenić, na ile technologie rozwijane globalnie są użyteczne w naszym systemie ochrony zdrowia, a także, gdzie ujawniają swoje ograniczenia – od halucynacji po wzmacnianie istniejących uprzedzeń w danych.

Udostępnienie rzeczywistych, zanonimizowanych danych klinicznych do analiz to krok milowy dla polskiej medycyny. Do tej pory prace badawcze często opierały się na danych zagranicznych, które nie zawsze odzwierciedlają specyfikę naszych pacjentów. Dzięki Datathonowi mogliśmy pokazać, że lokalne dane mają ogromną wartość w rozwijaniu narzędzi diagnostycznych i terapeutycznych. To właśnie one pozwalają budować algorytmy bliższe codziennej praktyce klinicznej, bardziej wiarygodne i – co najważniejsze – realnie wspierające lekarzy w podejmowaniu decyzji, a pacjentom gwarantujące trafniejsze i szybsze diagnozy. – dr n. med. Maciej Bobowicz specjalista chirurgii onkologicznej GUMed/UCK.

AI w praktyce klinicznej

Cyfryzacja ochrony zdrowia to dziś praktyka, nie obietnica. Analiza rzeczywistych danych klinicznych i systematyczna ewaluacja LLM w języku polskim tworzą fundament do budowy narzędzi, które naprawdę pomagają lekarzom i pacjentom. Pokazaliśmy trzy kluczowe elementy odpowiedzialnego wdrażania AI: (1) lokalny kontekst danych, który ogranicza ryzyko biasu; (2) jawne metryki jakości i bezpieczeństwa, które pozwalają kontrolować halucynacje i niepewność; oraz (3) osadzenie rozwiązań w procesach klinicznych – od dokumentacji i obrazowania po wsparcie decyzji terapeutycznych.

Tak rozumiana cyfryzacja diagnostyki i leczenia przyspiesza rozpoznania, porządkuje ścieżki pacjentów i podnosi jakość opieki, a jednocześnie pozostaje zgodna z zasadami etyki i transparentności. – zaznacza dr inż. Michał Maciejewski, główny koordynator projektu z ramienia Roche.

AI w służbie pacjenta

Rezultaty prac zespołów pokazały, że analiza historycznych danych klinicznych pozwala odkryć powtarzające się wzorce, które dostarczają wartościowych informacji dla klinicystów. Analiza lokalnych danych gwarantuje, iż uzyskane wyniki są lepiej dopasowane do polskich pacjentów, co zmniejsza ryzyko błędów. Odpowiedzialna ewaluacja LLM w języku polskim pomaga natomiast ustalić obszary i dobre praktyki ich użycia w praktyce klinicznej – wspierając lekarza, ale go nie zastępując. Zarówno lekarze jak i specjaliści AI podkreślili, że obecnie stosowanie modeli językowych do diagnozy czy planowania terapii jest niewskazane. 

Nowe kompetencje dla przyszłych kadr medycznych i technologicznych

Datathon to także szkoła praktycznych umiejętności. Uczestnicy – studenci, młodzi badacze i specjaliści danych – przez 7 godzin pracy warsztatowej rozwijali kompetencje w obszarze analityki klinicznej, projektowania metryk dla LLM i integracji narzędzi AI z procesami szpitalnymi. Wymiana doświadczeń między środowiskiem klinicznym a technologicznym buduje bazę kadr zdolnych do wdrażania cyfrowych innowacji w ochronie zdrowia i prowadzenia badań na najwyższym poziomie.

Partnerstwa, które tworzą ekosystem innowacji

Poland Healthcare Datathon był również przestrzenią współpracy. Wydarzenie współorganizowały Roche Polska, Uniwersyteckie Centrum Kliniczne w Gdańsku, Gdański Uniwersytet Medyczny oraz MIT Critical Data, przy wsparciu licznych partnerów i patronów, w tym Ministerstwa Nauki i Szkolnictwa Wyższego oraz AmCham. Taki model – łączący szpital, uczelnię, partnera technologicznego i środowisko naukowe – tworzy ekosystem sprzyjający szybkiemu testowaniu i wdrażaniu innowacji w ochronie zdrowia.

Jako szpital uniwersytecki codziennie stajemy wobec złożonych wyzwań diagnostycznych i terapeutycznych. Partnerstwo w ramach Datathonu pozwoliło nam sprawdzić, jak rozwiązania cyfrowe mogą realnie wspierać lekarzy w tej pracy – od usprawnienia dokumentacji po analizę danych klinicznych. Dzięki takiej współpracy innowacje nie pozostają teorią, ale trafiają do miejsca, w którym mogą najwięcej zmienić – do pacjenta. – zaznacza przedstawiciel UCK.

Wnioski na przyszłość: odpowiedzialna cyfryzacja medycyny

Wnioski płynące z Datathonu potwierdziły, że cyfryzacja diagnostyki i leczenia jest nie tylko możliwa, ale wręcz konieczna. W dobie AI kluczowe jest, aby w powstawaniu tych rozwiązań uczestniczyły interdyscyplinarne zespoły. Analiza lokalnych danych klinicznych pozwala budować algorytmy lepiej dopasowane do polskiej populacji pacjentów. Ewaluacja modeli językowych w języku polskim otwiera drogę do wypracowania zastosowań i standardów ich bezpiecznego użycia w praktyce klinicznej. Eksperci zgodnie podkreślali, że przyszłość medycyny należy do rozwiązań digitalowych – jednak tylko wtedy, gdy będą rozwijane w sposób odpowiedzialny, przejrzysty i ściśle związany z potrzebami pacjentów i lekarzy.

Międzynarodowe inicjatywy, takie jak Datathon w Gdańsku, pokazują, jak ważna jest globalna, interdyscyplinarna współpraca przy jednoczesnym wykorzystaniu lokalnych danych. Tylko dzięki temu możemy tworzyć rozwiązania, które są zarówno innowacyjne, jak i zakorzenione w realiach systemu ochrony zdrowia danego kraju. Polska dołączyła w ten sposób do grona państw, które odważnie inwestują w cyfrową medycynę opartą na danych. – podkreśla Adam Krenke, Commercialisation Strategy Chapter Leader w Roche Polska.

Podsumowanie organizacyjne

W wydarzeniu wzięło udział ponad 200 osób, w tym 13 interdyscyplinarnych zespołów z 14 uczelni i ośrodków badawczych reprezentujących 5 krajów. Uczestnicy spędzili łącznie 8 godzin na pracy warsztatowej, analizach i prezentacjach. Program obejmował 8 wystąpień eksperckich i 2 panele dyskusyjne, a do ewaluacji wykorzystano 3 modele językowe.

Projekt edukacyjny Poland Healthcare Datathon powstał we współpracy MIT Critical Data, Uniwersyteckiego Centrum Klinicznego w Gdańsku, Gdańskiego Uniwersytetu Medycznego i Roche Polska. Partnerami i patronami wydarzenia są: Politechnika Poznańska, Uniwersytet Medyczny im. Karola Marcinkowskiego w Poznaniu, Emory University, Platforma Medyczna Medico PZWL, Google Research i Politechnika Gdańska.

Źródło: Poland Healthcare Datathon