Asystenci dokumentacji na oddziale ratunkowym nie zmieniają status quo

Budynek oddziału ratunkowego szpitala Brigham and Women’s w Bostonie otwarto w 2022 roku. W 2025 był już za mały. Pewnego wieczoru na początku września na oddziale było 59 pacjentów, a 152, jeśli liczyć wszystkich w poczekalni. Christopher Baugh, lekarz tego oddziału, mówi wprost: „Jeśli chodzi o salę do ostrej opieki, mamy ich 61. Nie da się przyjąć 152 pacjentów w 61 salach”. Łóżka ustawiano w każdym możliwym miejscu, a część pacjentów leżała w korytarzach.

Właśnie tu, w chaosie oddziału ratunkowego, najlepiej widać granice tego, co AI naprawdę zmienia w medycynie. Najbardziej zaawansowana technologia obecna na SOR to tak zwani asystenci dokumentacji. To programy, które słuchają rozmowy lekarza z pacjentem i pomagają spisać ją do dokumentacji medycznej. Reportaż STAT z 9 września 2026 podsumowuje ich wpływ krótko: nie zmieniły status quo.

To nie znaczy, że są bezużyteczne. Szpitale, które je wdrożyły, mówią o realnych korzyściach: mniej godzin pracy nad dokumentacją, mniejsze obciążenie administracyjne zespołu i lepsza komunikacja z pacjentem. Problem w tym, że ulga dla ludzi nie przekłada się automatycznie na przepustowość oddziału. Nadal brakuje sal, łóżek i personelu. Kolejka powstaje w innym miejscu, przy zasobach, nie przy klawiaturze.

Liczby z tego wieczoru warto zestawić z tym, co AI może w ogóle zmienić. Model językowy może przekształcić nagranie rozmowy we wpis w dokumentacji; nie może otworzyć nowej sali ani zatrudnić pielęgniarki. Dlatego poprawa „na wyjściu” systemu, czyli w przepustowości, wymaga zmian w zasobach, a nie tylko w warstwie oprogramowania. To rozróżnienie jest kluczowe przy każdej decyzji o zakupie kolejnego narzędzia dla oddziału ratunkowego.

Gdzie naprawdę brakuje dowodów

Ten sam problem, rozjazd między obietnicą a dowodem, opisuje komentarz opublikowany 17 września 2026 w npj Digital Medicine. Napisali go Arjun Mahajan, Nigam H. Shah i Dylan Powell. Autorzy zwracają uwagę, że szybki rozwój dużych modeli językowych w medycynie utrudnia klasyczne podejście do generowania i oceny dowodów. Modele zmieniają się szybciej, niż powstają badania, a projekty i sposoby raportowania prospektywnych badań klinicznych są zbyt różnorodne, by szybko i rzetelnie ocenić skuteczność oraz bezpieczeństwo modeli klinicznych.

Praktyczny wniosek dla szpitali jest następujący. Wdrożenia, które skracają czas pracy nad dokumentacją, mają solidne podstawy i można je rozliczać. Natomiast obietnice dotyczące przepustowości oddziałów, kosztów czy wyników leczenia wymagają osobnych, zaprojektowanych pod nie badań. Bez tego łatwo o sytuację, w której asystent AI cieszy lekarzy, a pacjenci nadal czekają w korytarzu.