{"id":8384,"date":"2025-06-16T22:34:46","date_gmt":"2025-06-16T22:34:46","guid":{"rendered":"https:\/\/architeles.eu\/ethics\/?p=8384"},"modified":"2025-06-18T11:24:13","modified_gmt":"2025-06-18T11:24:13","slug":"budowanie-zaufania-do-cyfrowych-lekarzy-jak-projektowac-systemy-ai-wspomagajace-diagnoze-medyczna-aby-uzytkownicy-mieli-do-nich-wieksze-zaufanie","status":"publish","type":"post","link":"https:\/\/architeles.eu\/ethics\/index.php\/2025\/06\/16\/budowanie-zaufania-do-cyfrowych-lekarzy-jak-projektowac-systemy-ai-wspomagajace-diagnoze-medyczna-aby-uzytkownicy-mieli-do-nich-wieksze-zaufanie\/","title":{"rendered":"Budowanie zaufania do cyfrowych lekarzy \u2013 jak projektowa\u0107 systemy AI wspomagaj\u0105ce diagnoz\u0119 medyczn\u0105, aby u\u017cytkownicy mieli do nich wi\u0119ksze zaufanie"},"content":{"rendered":"<p><span class=\"TextRun SCXW188329119 BCX0\" lang=\"PL-PL\" xml:lang=\"PL-PL\" data-contrast=\"auto\"><span class=\"NormalTextRun SCXW188329119 BCX0\">Wsp\u00f3\u0142czesna medycyna znajduje si\u0119 u progu prze\u0142omu, kt\u00f3rego si\u0142\u0105 nap\u0119dow\u0105 jest dynamiczny rozw\u00f3j sztucznej inteligencji (AI).<\/span><\/span><span class=\"TextRun SCXW188329119 BCX0\" lang=\"PL-PL\" xml:lang=\"PL-PL\" data-contrast=\"auto\"><span class=\"NormalTextRun SCXW188329119 BCX0\"> Systemy AI coraz \u015bmielej wkraczaj\u0105 w obszar opieki zdrowotnej \u2013 wspieraj\u0105c proces diagnostyczny, umo\u017cliwiaj\u0105c personalizacj\u0119 terapii oraz usprawniaj\u0105c funkcjonowanie ca\u0142ego systemu ochrony zdrowia. Liczba zatwierdzonych do u\u017cytku klinicznego urz\u0105dze\u0144 medycznych opartych na AI systematycznie ro\u015bnie \u2013 do <\/span><span class=\"NormalTextRun SCXW188329119 BCX0\">sierp<\/span><span class=\"NormalTextRun SCXW188329119 BCX0\">nia 2024 roku Ameryka\u0144ska Agencja ds. \u017bywno\u015bci i Lek\u00f3w (FDA) wyda\u0142a zgod\u0119 na wdro\u017cenie <\/span><span class=\"NormalTextRun SCXW188329119 BCX0\">950<\/span><span class=\"NormalTextRun SCXW188329119 BCX0\"> takich rozwi\u0105za\u0144.<\/span><\/span><\/p>\n<p><!--more--><\/p>\n<figure id=\"attachment_8388\" aria-describedby=\"caption-attachment-8388\" style=\"width: 946px\" class=\"wp-caption aligncenter\"><img loading=\"lazy\" decoding=\"async\" class=\"wp-image-8388 size-full\" src=\"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2025\/06\/wykres_1.png\" alt=\"\" width=\"946\" height=\"568\" srcset=\"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2025\/06\/wykres_1.png 946w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2025\/06\/wykres_1-300x180.png 300w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2025\/06\/wykres_1-768x461.png 768w\" sizes=\"auto, (max-width: 946px) 100vw, 946px\" \/><figcaption id=\"caption-attachment-8388\" class=\"wp-caption-text\">Wyk\u0142adniczy wzrost liczby wniosk\u00f3w o dopuszczenie do obrotu narz\u0119dzi wykorzystuj\u0105cych AI\/ML w latach 2015-2023<\/figcaption><\/figure>\n<p><span data-contrast=\"auto\">Mimo imponuj\u0105cego post\u0119pu technologicznego, ich powszechna adaptacja wci\u0105\u017c napotyka powa\u017cn\u0105 przeszkod\u0119: <\/span><b><span data-contrast=\"auto\">brak zaufania<\/span><\/b><span data-contrast=\"auto\">. Aby sztuczna inteligencja mog\u0142a w pe\u0142ni wykorzysta\u0107 sw\u00f3j potencja\u0142 w medycynie, konieczne jest zbudowanie solidnych podstaw zaufania \u2013 na ka\u017cdym poziomie systemu opieki zdrowotnej.<\/span><\/p>\n<p><span style=\"font-size: 18pt;\"><b>Zaufanie a poleganie: co to w\u0142a\u015bciwie zna<\/b><b>czy w kontek\u015bcie AI?<\/b>\u00a0<\/span><\/p>\n<p><b><span data-contrast=\"auto\">Zrozumienie, czym jest zaufanie, ma kluczowe znaczenie dla projektowania system\u00f3w sztucznej inteligencji w obszarze opieki zdrowotnej.<\/span><\/b><span data-contrast=\"auto\"> W relacjach mi\u0119dzyludzkich zaufanie definiuje si\u0119 jako poleganie na dobrej woli drugiej osoby, cz\u0119sto zak\u0142adaj\u0105ce trosk\u0119 o dobrostan tego, kto obdarza zaufaniem. Z kolei poleganie oznacza przekonanie o okre\u015blonych kompetencjach lub dyspozycjach danego podmiotu oraz gotowo\u015b\u0107 do dzia\u0142ania w oparciu o to przekonanie.<\/span><span data-ccp-props=\"{&quot;335559738&quot;:240,&quot;335559739&quot;:240}\">\u00a0<\/span><\/p>\n<p>Wa\u017cne jest jednak rozr\u00f3\u017cnienie tych poj\u0119\u0107 w kontek\u015bcie sztucznej inteligencji. AI nie mo\u017ce by\u0107 obdarzona zaufaniem w ludzkim, moralnym sensie, poniewa\u017c nie posiada zdolno\u015bci do troski ani intencjonalno\u015bci. Brakuje jej rozumienia emocjonalnego i etycznego wymiaru ludzkiego dobrostanu. Oznacza to, \u017ce cho\u0107 mo\u017cemy polega\u0107 na AI \u2013 uznaj\u0105c jej zdolno\u015b\u0107 do skutecznego wykonywania konkretnych zada\u0144 \u2013 nie mo\u017cemy jej ufa\u0107 w tym g\u0142\u0119bszym, interpersonalnym znaczeniu.<\/p>\n<p><b><span data-contrast=\"auto\">W \u015brodowisku medycznym wypracowano tzw. \u201etr\u00f3jk\u0105t postaw\u201d, obrazuj\u0105cy idealne relacje mi\u0119dzy trzema kluczowymi interesariuszami: pacjentem, personelem medycznym i systemami sztucznej inteligencji.<\/span><\/b><span data-ccp-props=\"{}\">\u00a0<\/span><\/p>\n<ul>\n<li data-leveltext=\"\uf0b7\" data-font=\"Symbol\" data-listid=\"11\" data-list-defn-props=\"{&quot;335552541&quot;:1,&quot;335559685&quot;:720,&quot;335559991&quot;:360,&quot;469769226&quot;:&quot;Symbol&quot;,&quot;469769242&quot;:[8226],&quot;469777803&quot;:&quot;left&quot;,&quot;469777804&quot;:&quot;\uf0b7&quot;,&quot;469777815&quot;:&quot;multilevel&quot;}\" data-aria-posinset=\"1\" data-aria-level=\"1\"><b><span data-contrast=\"auto\">Zaufanie pacjenta do personelu medycznego<\/span><\/b><br \/>\n<span data-contrast=\"auto\"> To fundament skutecznego leczenia oraz satysfakcji pacjenta. Zaufanie redukuje niepewno\u015b\u0107 i z\u0142o\u017cono\u015b\u0107 decyzji medycznych, umo\u017cliwiaj\u0105c wi\u0119ksze zaanga\u017cowanie w proces terapeutyczny. Jego brak \u2013 np. spowodowany przekonaniem, \u017ce cele finansowe przewa\u017caj\u0105 nad trosk\u0105 o dobro pacjenta \u2013 mo\u017ce prowadzi\u0107 do emocjonalnego napi\u0119cia i problem\u00f3w z przestrzeganiem zalece\u0144.<\/span><span data-ccp-props=\"{&quot;335559738&quot;:240,&quot;335559739&quot;:240}\">\u00a0<\/span><\/li>\n<\/ul>\n<ul>\n<li data-leveltext=\"\uf0b7\" data-font=\"Symbol\" data-listid=\"11\" data-list-defn-props=\"{&quot;335552541&quot;:1,&quot;335559685&quot;:720,&quot;335559991&quot;:360,&quot;469769226&quot;:&quot;Symbol&quot;,&quot;469769242&quot;:[8226],&quot;469777803&quot;:&quot;left&quot;,&quot;469777804&quot;:&quot;\uf0b7&quot;,&quot;469777815&quot;:&quot;multilevel&quot;}\" data-aria-posinset=\"2\" data-aria-level=\"1\"><b><span data-contrast=\"auto\">Poleganie personelu medycznego na systemach AI<\/span><\/b><br \/>\n<span data-contrast=\"auto\"> Podobnie jak w przypadku innych narz\u0119dzi medycznych, lekarze musz\u0105 mie\u0107 uzasadnione przekonanie, \u017ce technologia jest skuteczna, bezpieczna i transparentna. Warunkiem koniecznym jest wysoka jako\u015b\u0107 danych treningowych, walidacja kliniczna oraz mo\u017cliwo\u015b\u0107 audytu dzia\u0142ania systemu.\u00a0<\/span><\/li>\n<\/ul>\n<ul>\n<li data-leveltext=\"\uf0b7\" data-font=\"Symbol\" data-listid=\"11\" data-list-defn-props=\"{&quot;335552541&quot;:1,&quot;335559685&quot;:720,&quot;335559991&quot;:360,&quot;469769226&quot;:&quot;Symbol&quot;,&quot;469769242&quot;:[8226],&quot;469777803&quot;:&quot;left&quot;,&quot;469777804&quot;:&quot;\uf0b7&quot;,&quot;469777815&quot;:&quot;multilevel&quot;}\" data-aria-posinset=\"3\" data-aria-level=\"1\"><b><span data-contrast=\"auto\">Poleganie pacjenta na systemach AI<\/span><\/b><br \/>\n<span data-contrast=\"auto\"> Gotowo\u015b\u0107 pacjenta do zaakceptowania AI jako elementu opieki zdrowotnej zale\u017cy w du\u017cej mierze od zaufania, jakim darzy personel korzystaj\u0105cy z tej technologii. Wp\u0142ywaj\u0105 na ni\u0105 tak\u017ce poziom wiedzy pacjenta na temat dzia\u0142ania AI oraz spos\u00f3b, w jaki uwzgl\u0119dnia si\u0119 jego obawy i potrzeby.<\/span><span data-ccp-props=\"{&quot;335559738&quot;:240,&quot;335559739&quot;:240}\">\u00a0<\/span><\/li>\n<\/ul>\n<figure id=\"attachment_8397\" aria-describedby=\"caption-attachment-8397\" style=\"width: 600px\" class=\"wp-caption aligncenter\"><img loading=\"lazy\" decoding=\"async\" class=\"wp-image-8397 size-large\" src=\"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2025\/06\/img_1-1024x461.png\" alt=\"\" width=\"600\" height=\"270\" srcset=\"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2025\/06\/img_1-1024x461.png 1024w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2025\/06\/img_1-300x135.png 300w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2025\/06\/img_1-768x346.png 768w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2025\/06\/img_1.png 1257w\" sizes=\"auto, (max-width: 600px) 100vw, 600px\" \/><figcaption id=\"caption-attachment-8397\" class=\"wp-caption-text\">&#8222;Tr\u00f3jk\u0105t postaw\u201d \u2013 model wsp\u00f3\u0142pracy pacjenta, personelu medycznego i sztucznej inteligencji<\/figcaption><\/figure>\n<p><span style=\"font-size: 18pt;\"><b>Diagnoza medyczna w erze AI<\/b>\u00a0<\/span><\/p>\n<p><span data-contrast=\"auto\">Diagnoza medyczna to fundamentalny element skutecznej opieki zdrowotnej. Jej szybko\u015b\u0107 i trafno\u015b\u0107 s\u0105 kluczowe dla zapewnienia efektywnego leczenia. <\/span><br \/>\n<span data-contrast=\"auto\">Tradycyjnie, proces diagnostyczny opiera si\u0119 na badaniu pacjenta, zbieraniu danych i intuicyjnej ocenie stanu zdrowia przez lekarza, a nast\u0119pnie na iteracyjnym udoskonalaniu tej oceny, prowadz\u0105cym do postawienia diagnozy. <\/span><span data-ccp-props=\"{}\">\u00a0<\/span><\/p>\n<p><span data-contrast=\"auto\">W Wielkiej Brytanii przeprowadzono badanie przyj\u0119cia systemu AI do wspomagania diagnostyki udaru. W przeciwie\u0144stwie do tradycyjnego procesu, gdzie diagnoza jest punktem ko\u0144cowym, AI dostarcza swoj\u0105 \u201ediagnoz\u0119\u201d w postaci algorytmicznego wyniku ju\u017c we wczesnych fazach procesu diagnostycznego. Wynik ten, np. obecno\u015b\u0107 okluzji naczynia czy procent uszkodzonego m\u00f3zgu, jest prezentowany w formie kolorowych map i reprezentacji 3D. Jest to ogromna zmiana, poniewa\u017c rekomendacja AI jest dost\u0119pna niemal natychmiastowo i jest szeroko dystrybuowana do ca\u0142ego zespo\u0142u lekarzy. Nast\u0119pnie ocenie jej trafno\u015bci poprzez wielokrotne etapy weryfikacji. Zatem proces diagnostyki rozpoczyna si\u0119 od sugerowanej diagnozy, kt\u00f3ra w klasycznym procesie jest ostatnim etapem.<\/span><\/p>\n<figure id=\"attachment_8430\" aria-describedby=\"caption-attachment-8430\" style=\"width: 958px\" class=\"wp-caption aligncenter\"><img loading=\"lazy\" decoding=\"async\" class=\"wp-image-8430 size-full\" src=\"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2025\/06\/img_2.png\" alt=\"\" width=\"958\" height=\"649\" srcset=\"https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2025\/06\/img_2.png 958w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2025\/06\/img_2-300x203.png 300w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2025\/06\/img_2-768x520.png 768w, https:\/\/architeles.eu\/ethics\/wp-content\/uploads\/2025\/06\/img_2-75x50.png 75w\" sizes=\"auto, (max-width: 958px) 100vw, 958px\" \/><figcaption id=\"caption-attachment-8430\" class=\"wp-caption-text\">Przebieg pracy lekarzy z wykorzystaniem systemu diagnostyki AI oraz uproszczony obraz klasycznego przebiegu pracy.<\/figcaption><\/figure>\n<p><span style=\"font-size: 18pt;\"><b>Zaufanie decydent\u00f3w i w\u0142a\u015bcicieli plac\u00f3wek medycznych do system\u00f3w AI<\/b>\u00a0<\/span><\/p>\n<p><span data-contrast=\"auto\">Opr\u00f3cz personelu medycznego i pacjent\u00f3w, kluczow\u0105 rol\u0119 w adaptacji technologii AI odgrywaj\u0105 r\u00f3wnie\u017c <\/span><b><span data-contrast=\"auto\">decydenci \u2013 w\u0142a\u015bciciele klinik, dyrektorzy szpitali oraz osoby zarz\u0105dzaj\u0105ce bud\u017cetami i strategiami rozwoju plac\u00f3wek medycznych<\/span><\/b><span data-contrast=\"auto\">. Ich <\/span><b><span data-contrast=\"auto\">zaufanie do rozwi\u0105za\u0144 opartych na sztucznej inteligencji<\/span><\/b><span data-contrast=\"auto\"> opiera si\u0119 nie tyle na rozumieniu dzia\u0142ania algorytm\u00f3w, co na <\/span><b><span data-contrast=\"auto\">ocenie korzy\u015bci organizacyjnych, kosztowych oraz reputacyjnych<\/span><\/b><span data-contrast=\"auto\">.<\/span><span data-ccp-props=\"{&quot;134233117&quot;:false,&quot;134233118&quot;:false,&quot;335559738&quot;:240,&quot;335559739&quot;:240}\">\u00a0<\/span><\/p>\n<p><span data-contrast=\"auto\">W odr\u00f3\u017cnieniu od lekarzy, kt\u00f3rzy koncentruj\u0105 si\u0119 na klinicznej skuteczno\u015bci i kontroli decyzyjnej, zarz\u0105dzaj\u0105cy plac\u00f3wkami zwracaj\u0105 uwag\u0119 na takie aspekty jak:<\/span><span data-ccp-props=\"{&quot;134233117&quot;:false,&quot;134233118&quot;:false,&quot;335559738&quot;:240,&quot;335559739&quot;:240}\">\u00a0<\/span><\/p>\n<ul>\n<li data-leveltext=\"\uf0b7\" data-font=\"Symbol\" data-listid=\"15\" data-list-defn-props=\"{&quot;335552541&quot;:1,&quot;335559683&quot;:0,&quot;335559684&quot;:-2,&quot;335559685&quot;:720,&quot;335559991&quot;:360,&quot;469769226&quot;:&quot;Symbol&quot;,&quot;469769242&quot;:[8226],&quot;469777803&quot;:&quot;left&quot;,&quot;469777804&quot;:&quot;\uf0b7&quot;,&quot;469777815&quot;:&quot;hybridMultilevel&quot;}\" data-aria-posinset=\"1\" data-aria-level=\"1\"><span data-contrast=\"auto\">zgodno\u015b\u0107 z przepisami i uwarunkowaniami prawnymi (compliance),<\/span><span data-ccp-props=\"{&quot;134233117&quot;:false,&quot;134233118&quot;:false,&quot;335559738&quot;:240,&quot;335559739&quot;:240}\">\u00a0<\/span><\/li>\n<\/ul>\n<ul>\n<li data-leveltext=\"\uf0b7\" data-font=\"Symbol\" data-listid=\"15\" data-list-defn-props=\"{&quot;335552541&quot;:1,&quot;335559683&quot;:0,&quot;335559684&quot;:-2,&quot;335559685&quot;:720,&quot;335559991&quot;:360,&quot;469769226&quot;:&quot;Symbol&quot;,&quot;469769242&quot;:[8226],&quot;469777803&quot;:&quot;left&quot;,&quot;469777804&quot;:&quot;\uf0b7&quot;,&quot;469777815&quot;:&quot;hybridMultilevel&quot;}\" data-aria-posinset=\"2\" data-aria-level=\"1\"><span data-contrast=\"auto\">bezpiecze\u0144stwo danych pacjent\u00f3w,<\/span><span data-ccp-props=\"{&quot;134233117&quot;:false,&quot;134233118&quot;:false,&quot;335559738&quot;:240,&quot;335559739&quot;:240}\">\u00a0<\/span><\/li>\n<\/ul>\n<ul>\n<li data-leveltext=\"\uf0b7\" data-font=\"Symbol\" data-listid=\"15\" data-list-defn-props=\"{&quot;335552541&quot;:1,&quot;335559683&quot;:0,&quot;335559684&quot;:-2,&quot;335559685&quot;:720,&quot;335559991&quot;:360,&quot;469769226&quot;:&quot;Symbol&quot;,&quot;469769242&quot;:[8226],&quot;469777803&quot;:&quot;left&quot;,&quot;469777804&quot;:&quot;\uf0b7&quot;,&quot;469777815&quot;:&quot;hybridMultilevel&quot;}\" data-aria-posinset=\"3\" data-aria-level=\"1\"><span data-contrast=\"auto\">zwrot z inwestycji (ROI),<\/span><span data-ccp-props=\"{&quot;134233117&quot;:false,&quot;134233118&quot;:false,&quot;335559738&quot;:240,&quot;335559739&quot;:240}\">\u00a0<\/span><\/li>\n<\/ul>\n<ul>\n<li data-leveltext=\"\uf0b7\" data-font=\"Symbol\" data-listid=\"15\" data-list-defn-props=\"{&quot;335552541&quot;:1,&quot;335559683&quot;:0,&quot;335559684&quot;:-2,&quot;335559685&quot;:720,&quot;335559991&quot;:360,&quot;469769226&quot;:&quot;Symbol&quot;,&quot;469769242&quot;:[8226],&quot;469777803&quot;:&quot;left&quot;,&quot;469777804&quot;:&quot;\uf0b7&quot;,&quot;469777815&quot;:&quot;hybridMultilevel&quot;}\" data-aria-posinset=\"4\" data-aria-level=\"1\"><span data-contrast=\"auto\">wp\u0142yw na efektywno\u015b\u0107 operacyjn\u0105 i jako\u015b\u0107 us\u0142ug,<\/span><span data-ccp-props=\"{&quot;134233117&quot;:false,&quot;134233118&quot;:false,&quot;335559738&quot;:240,&quot;335559739&quot;:240}\">\u00a0<\/span><\/li>\n<\/ul>\n<ul>\n<li data-leveltext=\"\uf0b7\" data-font=\"Symbol\" data-listid=\"15\" data-list-defn-props=\"{&quot;335552541&quot;:1,&quot;335559683&quot;:0,&quot;335559684&quot;:-2,&quot;335559685&quot;:720,&quot;335559991&quot;:360,&quot;469769226&quot;:&quot;Symbol&quot;,&quot;469769242&quot;:[8226],&quot;469777803&quot;:&quot;left&quot;,&quot;469777804&quot;:&quot;\uf0b7&quot;,&quot;469777815&quot;:&quot;hybridMultilevel&quot;}\" data-aria-posinset=\"5\" data-aria-level=\"1\"><span data-contrast=\"auto\">ryzyko wizerunkowe w przypadku b\u0142\u0119d\u00f3w algorytmu.<\/span><span data-ccp-props=\"{&quot;134233117&quot;:false,&quot;134233118&quot;:false,&quot;335559738&quot;:240,&quot;335559739&quot;:240}\">\u00a0<\/span><\/li>\n<\/ul>\n<p><span data-contrast=\"auto\">Brak jasnych wytycznych regulacyjnych, ograniczona przejrzysto\u015b\u0107 modeli oraz niepewno\u015b\u0107 co do zakresu odpowiedzialno\u015bci prawnej mog\u0105 zniech\u0119ca\u0107 inwestor\u00f3w i w\u0142a\u015bcicieli plac\u00f3wek do wdra\u017cania nowych rozwi\u0105za\u0144. W rezultacie, nawet najlepszy model AI mo\u017ce nie zosta\u0107 zastosowany w praktyce, je\u015bli nie zostanie przedstawiony w spos\u00f3b zrozumia\u0142y i bezpieczny z punktu widzenia <\/span><b><span data-contrast=\"auto\">decyzji biznesowej<\/span><\/b><span data-contrast=\"auto\">.<\/span><span data-ccp-props=\"{&quot;134233117&quot;:false,&quot;134233118&quot;:false,&quot;335559738&quot;:240,&quot;335559739&quot;:240}\">\u00a0<\/span><\/p>\n<p><span data-contrast=\"auto\">Dlatego budowanie zaufania <\/span><b><span data-contrast=\"auto\">na poziomie zarz\u0105dczym<\/span><\/b><span data-contrast=\"auto\"> powinno obejmowa\u0107:<\/span><span data-ccp-props=\"{&quot;134233117&quot;:false,&quot;134233118&quot;:false,&quot;335559738&quot;:240,&quot;335559739&quot;:240}\">\u00a0<\/span><\/p>\n<ul>\n<li data-leveltext=\"\uf0b7\" data-font=\"Symbol\" data-listid=\"16\" data-list-defn-props=\"{&quot;335552541&quot;:1,&quot;335559683&quot;:0,&quot;335559684&quot;:-2,&quot;335559685&quot;:720,&quot;335559991&quot;:360,&quot;469769226&quot;:&quot;Symbol&quot;,&quot;469769242&quot;:[8226],&quot;469777803&quot;:&quot;left&quot;,&quot;469777804&quot;:&quot;\uf0b7&quot;,&quot;469777815&quot;:&quot;hybridMultilevel&quot;}\" data-aria-posinset=\"1\" data-aria-level=\"1\"><span data-contrast=\"auto\">transparentne raportowanie skuteczno\u015bci i ogranicze\u0144 modelu,<\/span><span data-ccp-props=\"{&quot;134233117&quot;:false,&quot;134233118&quot;:false,&quot;335559738&quot;:240,&quot;335559739&quot;:240}\">\u00a0<\/span><\/li>\n<\/ul>\n<ul>\n<li data-leveltext=\"\uf0b7\" data-font=\"Symbol\" data-listid=\"16\" data-list-defn-props=\"{&quot;335552541&quot;:1,&quot;335559683&quot;:0,&quot;335559684&quot;:-2,&quot;335559685&quot;:720,&quot;335559991&quot;:360,&quot;469769226&quot;:&quot;Symbol&quot;,&quot;469769242&quot;:[8226],&quot;469777803&quot;:&quot;left&quot;,&quot;469777804&quot;:&quot;\uf0b7&quot;,&quot;469777815&quot;:&quot;hybridMultilevel&quot;}\" data-aria-posinset=\"2\" data-aria-level=\"1\"><span data-contrast=\"auto\">gwarancje wsparcia technicznego i odpowiedzialno\u015bci po stronie dostawcy,<\/span><span data-ccp-props=\"{&quot;134233117&quot;:false,&quot;134233118&quot;:false,&quot;335559738&quot;:240,&quot;335559739&quot;:240}\">\u00a0<\/span><\/li>\n<\/ul>\n<ul>\n<li data-leveltext=\"\uf0b7\" data-font=\"Symbol\" data-listid=\"16\" data-list-defn-props=\"{&quot;335552541&quot;:1,&quot;335559683&quot;:0,&quot;335559684&quot;:-2,&quot;335559685&quot;:720,&quot;335559991&quot;:360,&quot;469769226&quot;:&quot;Symbol&quot;,&quot;469769242&quot;:[8226],&quot;469777803&quot;:&quot;left&quot;,&quot;469777804&quot;:&quot;\uf0b7&quot;,&quot;469777815&quot;:&quot;hybridMultilevel&quot;}\" data-aria-posinset=\"3\" data-aria-level=\"1\"><span data-contrast=\"auto\">zgodno\u015b\u0107 z obowi\u0105zuj\u0105cymi przepisami RODO\/GDPR i certyfikatami medycznymi,<\/span><span data-ccp-props=\"{&quot;134233117&quot;:false,&quot;134233118&quot;:false,&quot;335559738&quot;:240,&quot;335559739&quot;:240}\">\u00a0<\/span><\/li>\n<\/ul>\n<ul>\n<li data-leveltext=\"\uf0b7\" data-font=\"Symbol\" data-listid=\"16\" data-list-defn-props=\"{&quot;335552541&quot;:1,&quot;335559683&quot;:0,&quot;335559684&quot;:-2,&quot;335559685&quot;:720,&quot;335559991&quot;:360,&quot;469769226&quot;:&quot;Symbol&quot;,&quot;469769242&quot;:[8226],&quot;469777803&quot;:&quot;left&quot;,&quot;469777804&quot;:&quot;\uf0b7&quot;,&quot;469777815&quot;:&quot;hybridMultilevel&quot;}\" data-aria-posinset=\"4\" data-aria-level=\"1\"><span data-contrast=\"auto\">materia\u0142y onboardingowe u\u0142atwiaj\u0105ce zrozumienie ryzyk i korzy\u015bci.<\/span><span data-ccp-props=\"{&quot;134233117&quot;:false,&quot;134233118&quot;:false,&quot;335559738&quot;:240,&quot;335559739&quot;:240}\">\u00a0<\/span><\/li>\n<\/ul>\n<p><span style=\"font-size: 18pt;\"><b>Wyzwania w budowaniu zaufania do medycznej AI<\/b>\u00a0<\/span><\/p>\n<p><span data-contrast=\"auto\">Aby zbudowa\u0107 i utrzyma\u0107 zaufanie do system\u00f3w sztucznej inteligencji w opiece zdrowotnej, nale\u017cy zmierzy\u0107 si\u0119 z szeregiem istotnych wyzwa\u0144:<\/span><span data-ccp-props=\"{&quot;335551550&quot;:6,&quot;335551620&quot;:6,&quot;335559738&quot;:240,&quot;335559739&quot;:240}\">\u00a0<\/span><\/p>\n<ol>\n<li><strong>Problem \u201eczarnej skrzynki\u201d (Black Box Problem)<\/strong><br \/>\nWiele system\u00f3w AI, zw\u0142aszcza tych opartych na g\u0142\u0119bokim uczeniu, funkcjonuje jako \u201eczarne skrzynki\u201d \u2013 ich wewn\u0119trzne mechanizmy podejmowania decyzji s\u0105 nieprzejrzyste i trudne do zinterpretowania. Ta luka interpretowalno\u015bci mo\u017ce prowadzi\u0107 do braku zrozumienia, a nawet do b\u0142\u0119du potwierdzenia (confirmation bias), w kt\u00f3rym u\u017cytkownicy selektywnie poszukuj\u0105 informacji potwierdzaj\u0105cych wcze\u015bniejsze za\u0142o\u017cenia. Brak przejrzysto\u015bci ogranicza mo\u017cliwo\u015b\u0107 praktycznego zastosowania AI w sytuacjach klinicznych, gdzie lekarze potrzebuj\u0105 wgl\u0105du w proces decyzyjny algorytmu.<\/li>\n<li><strong>Uprzedzenia w danych (Bias in Data)<\/strong><br \/>\nSystemy AI s\u0105 tak dobre, jak dane, na kt\u00f3rych zosta\u0142y wyszkolone. Mog\u0105 jednak nie\u015bwiadomie odtwarza\u0107 i wzmacnia\u0107 istniej\u0105ce uprzedzenia \u2013 np. algorytm szacuj\u0105cy potrzeby pacjenta na podstawie koszt\u00f3w opieki mo\u017ce odzwierciedla\u0107 systemowe nier\u00f3wno\u015bci, w kt\u00f3rych pacjenci czarnosk\u00f3rzy otrzymuj\u0105 mniej \u015brodk\u00f3w mimo gorszego stanu zdrowia. Podobnie, algorytmy wykrywaj\u0105ce raka sk\u00f3ry cz\u0119sto dzia\u0142aj\u0105 mniej skutecznie u os\u00f3b o ciemniejszej karnacji, poniewa\u017c dane treningowe s\u0105 zdominowane przez obrazy sk\u00f3ry os\u00f3b o jasnej karnacji. Wynika to cz\u0119\u015bciowo z faktu, \u017ce czerniak wyst\u0119puje znacznie cz\u0119\u015bciej u os\u00f3b rasy bia\u0142ej, co przek\u0142ada si\u0119 na dominacj\u0119 zdj\u0119\u0107 takich os\u00f3b w zbiorach treningowych. Jednak brak reprezentatywnych danych prowadzi do gorszej skuteczno\u015bci diagnozy u pacjent\u00f3w z innych grup etnicznych, co mo\u017ce pog\u0142\u0119bia\u0107 istniej\u0105ce nier\u00f3wno\u015bci zdrowotne. Problem ten jest szczeg\u00f3lnie istotny w systemach o niskiej interpretowalno\u015bci, gdzie trudno ustali\u0107, dlaczego model zawodzi.Co istotne, problem ten nie ogranicza si\u0119 jedynie do projektowania modeli, ale si\u0119ga r\u00f3wnie\u017c poziomu regulacyjnego. Jak zauwa\u017caj\u0105 autorzy raportu opublikowanego w PLOS Digital Health, cz\u0119\u015b\u0107 medycznych produkt\u00f3w wykorzystuj\u0105cych AI zosta\u0142o zatwierdzonych przez FDA mimo niepe\u0142nych danych i niewystarczaj\u0105cych dowod\u00f3w skuteczno\u015bci. W wielu przypadkach dokumentacja nie zawiera\u0142a kluczowych informacji dotycz\u0105cych procedur testowych, grup walidacyjnych czy strategii \u0142agodzenia uprzedze\u0144, a same testy cz\u0119sto przeprowadzano na zbyt ma\u0142ych lub jednorodnych pr\u00f3bach. To oznacza, \u017ce niekt\u00f3re z zatwierdzonych narz\u0119dzi mog\u0105 nie dzia\u0142a\u0107 poprawnie w zr\u00f3\u017cnicowanych populacjach pacjent\u00f3w \u2013 na przyk\u0142ad w\u015br\u00f3d dzieci, senior\u00f3w czy przedstawicieli mniejszo\u015bci etnicznych \u2013 co podwa\u017ca zaufanie do bezpiecze\u0144stwa i rzetelno\u015bci system\u00f3w AI w medycynie.<\/li>\n<li><strong>Nadmierne poleganie na AI (Automation Bias)<\/strong><br \/>\nWyja\u015bnienia generowane przez AI mog\u0105 paradoksalnie zwi\u0119ksza\u0107 zaufanie nawet wtedy, gdy rekomendacje s\u0105 b\u0142\u0119dne. W badaniu z u\u017cyciem modelu CORONET, kt\u00f3ry celowo sugerowa\u0142 b\u0142\u0119dny wypis pacjenta, wi\u0119kszo\u015b\u0107 pracownik\u00f3w medycznych mimo to akceptowa\u0142a decyzj\u0119 modelu \u2013 65% w scenariuszu bez wyja\u015bnie\u0144 i 48% z wyja\u015bnieniami. Co wi\u0119cej, decyzje zgodne z rekomendacj\u0105 AI by\u0142y podejmowane szybciej, co sugeruje bezrefleksyjne poleganie na technologii.<\/li>\n<li><strong>Niejasna komunikacja niepewno\u015bci<\/strong><br \/>\nBrak wyra\u017anego sygnalizowania poziomu pewno\u015bci predykcji mo\u017ce podwa\u017cy\u0107 zaufanie u\u017cytkownik\u00f3w. Personel medyczny cz\u0119sto uznaje informacj\u0119 o niepewno\u015bci modelu za wa\u017cniejsz\u0105 ni\u017c konkretne cechy wp\u0142ywaj\u0105ce na decyzj\u0119 \u2013 96% badanych HCPs wskaza\u0142o j\u0105 jako istotn\u0105, a 43% zdecydowanie si\u0119 z tym zgodzi\u0142o. Jasna komunikacja niepewno\u015bci zwi\u0119ksza zaufanie i sk\u0142onno\u015b\u0107 do pod\u0105\u017cania za rekomendacjami modelu.<\/li>\n<li><strong>Brak kontroli i autonomii<\/strong><br \/>\nBrak zaufania cz\u0119sto wynika te\u017c z obawy przed utrat\u0105 kontroli. Lekarze chc\u0105 mie\u0107 realny wp\u0142yw na decyzje medyczne, a nie by\u0107 jedynie wykonawcami zalece\u0144 wygenerowanych przez algorytm. Kluczowe jest wi\u0119c, by systemy AI dawa\u0142y mo\u017cliwo\u015b\u0107 ich nadpisania czy zakwestionowania. Dodatkowo, niejasno\u015bci co do odpowiedzialno\u015bci prawnej \u2013 czy za ewentualny b\u0142\u0105d odpowiada lekarz, tw\u00f3rca systemu czy instytucja \u2013 budz\u0105 niepok\u00f3j i mog\u0105 zniech\u0119ca\u0107 do korzystania z takich rozwi\u0105za\u0144.<\/li>\n<li><strong>Przeci\u0105\u017cenie informacyjne<\/strong><br \/>\nZbyt du\u017ca ilo\u015b\u0107 danych lub ich nieadekwatna prezentacja mo\u017ce prowadzi\u0107 do przeci\u0105\u017cenia poznawczego, zmniejszaj\u0105c efektywno\u015b\u0107 komunikacji i zrozumienia. W jednym z bada\u0144 17% pracownik\u00f3w ochrony zdrowia przyzna\u0142o, \u017ce wyja\u015bnienia dzia\u0142ania modelu doprowadzi\u0142y u nich do ni\u017cszego zrozumienia powod\u00f3w b\u0142\u0119dnych rekomendacji.<\/li>\n<\/ol>\n<p><span style=\"font-size: 18pt;\"><b>Jak projektowa\u0107 systemy AI, by budowa\u0107 zaufanie?<\/b>\u00a0<\/span><\/p>\n<p><span data-contrast=\"auto\">Aby medyczna AI by\u0142a skuteczna, jej projektowanie i wdra\u017canie musz\u0105 uwzgl\u0119dnia\u0107 czynniki sprzyjaj\u0105ce budowaniu zaufania pacjent\u00f3w. Oto najwa\u017cniejsze zasady:<\/span><span data-ccp-props=\"{&quot;335551550&quot;:6,&quot;335551620&quot;:6,&quot;335559738&quot;:240,&quot;335559739&quot;:240}\">\u00a0<\/span><\/p>\n<ol>\n<li><strong>Przejrzysto\u015b\u0107 i <\/strong><b><span data-contrast=\"auto\">wyja\u015bnialno\u015b\u0107 (XAI)<\/span><\/b><br \/>\n<span data-contrast=\"auto\">Wyja\u015bnienia generowane przez system powinny by\u0107 zrozumia\u0142e, lokalne i specyficzne dla kontekstu, w jakim dzia\u0142a personel medyczny. Przyk\u0142adowo, dostosowanie formy wyja\u015bnie\u0144 do j\u0119zyka wizualnego dermatolog\u00f3w zwi\u0119ksza ich pewno\u015b\u0107 siebie i zaufanie do AI. Kluczowe jest r\u00f3wnie\u017c, by wyja\u015bnienia by\u0142y wierne \u2014 czyli rzeczywi\u015bcie odzwierciedla\u0142y proces decyzyjny modelu, a nie jedynie upraszcza\u0142y go do oczekiwa\u0144 u\u017cytkownika.<\/span><\/li>\n<li><b><span data-contrast=\"auto\">Komunikacja niepewno\u015bci<\/span><\/b><br \/>\n<span data-contrast=\"auto\">Lekarze cz\u0119sto bardziej ceni\u0105 informacj\u0119 o stopniu niepewno\u015bci predykcji ni\u017c szczeg\u00f3\u0142owe wyja\u015bnienia. Systemy AI powinny jasno wskazywa\u0107, kiedy model dzia\u0142a z ograniczon\u0105 pewno\u015bci\u0105, aby umo\u017cliwi\u0107 \u015bwiadome podj\u0119cie decyzji opartej na ryzyku, a nie bezkrytycznym przyj\u0119ciu rekomendacji. <span class=\"TextRun SCXW59877210 BCX0\" lang=\"PL-PL\" xml:lang=\"PL-PL\" data-contrast=\"auto\"><span class=\"NormalTextRun SCXW59877210 BCX0\">Prezentowanie niepewno\u015bci powinno by\u0107 nie tylko dok\u0142adne, ale i czytelne \u2014 np. w formie przedzia\u0142\u00f3w ufno\u015bci, <\/span><span class=\"NormalTextRun SpellingErrorV2Themed SCXW59877210 BCX0\">skal<\/span><span class=\"NormalTextRun SCXW59877210 BCX0\"> prawdopodobie\u0144stwa lub prostych etykiet.<\/span><\/span><span class=\"EOP SCXW59877210 BCX0\" data-ccp-props=\"{&quot;335551550&quot;:6,&quot;335551620&quot;:6,&quot;335559738&quot;:240,&quot;335559739&quot;:240}\">\u00a0<\/span><\/span><\/li>\n<li><b><span data-contrast=\"auto\">Wsp\u00f3\u0142tworzenie i mechanizmy sprz\u0119\u017cenia zwrotnego<\/span><\/b><br \/>\n<span data-contrast=\"auto\">Zaufanie mo\u017cna budowa\u0107 poprzez wczesne i aktywne zaanga\u017cowanie przysz\u0142ych u\u017cytkownik\u00f3w \u2014 personelu medycznego, pacjent\u00f3w oraz przedstawicieli grup wsparcia \u2014 w projektowanie i testowanie systemu. Wa\u017cne jest te\u017c stworzenie p\u0119tli zwrotnych, w kt\u00f3rych u\u017cytkownicy mog\u0105 przekazywa\u0107 uwagi i obserwacje tw\u00f3rcom systemu, co pozwala na bie\u017c\u0105ce dopasowywanie modelu do rzeczywistych potrzeb klinicznych.<\/span><\/li>\n<li><b><span data-contrast=\"auto\"> Przejrzysta i standaryzowana dokumentacja<\/span><\/b><br \/>\n<span data-contrast=\"auto\">Ka\u017cdy system AI musi by\u0107 opatrzony kart\u0105 fakt\u00f3w zawieraj\u0105c\u0105 m.in.: opis algorytmu, zakres u\u017cycia, ograniczenia, wska\u017aniki skuteczno\u015bci i odpowiedzialno\u015b\u0107 praw\u0105. Kluczowe jest jednak, by <\/span><b><span data-contrast=\"auto\">sk\u0142ad i \u017ar\u00f3d\u0142a wszystkich danych treningowych by\u0142y w pe\u0142ni jawne<\/span><\/b><span data-contrast=\"auto\"> \u2014 z informacj\u0105 o ich pochodzeniu i reprezentatywno\u015bci. Dokumentacja powinna by\u0107 czytelna przede wszystkim dla personelu, ale r\u00f3wnie\u017c dla pacjent\u00f3w.<\/span><\/li>\n<li><b><span data-contrast=\"auto\">Poszanowanie autonomii decyzyjnej<\/span><\/b><br \/>\n<span data-contrast=\"auto\">AI powinna wspiera\u0107 decyzje medyczne, a nie je zast\u0119powa\u0107. Lekarz musi mie\u0107 mo\u017cliwo\u015b\u0107 zakwestionowania, modyfikacji lub zignorowania rekomendacji systemu, je\u017celi uzna to za zasadne. Systemy AI nie mog\u0105 ogranicza\u0107 czasu ani jako\u015bci kontaktu lekarza z pacjentem, nawet je\u015bli ich wdro\u017cenie ma na celu zwi\u0119kszenie efektywno\u015bci. Budowanie zaufania wymaga tak\u017ce jasnego zakomunikowania, \u017ce to cz\u0142owiek ponosi ostateczn\u0105 odpowiedzialno\u015b\u0107 za decyzj\u0119. System powinien by\u0107 zaprojektowany tak, by nie wywiera\u0107 presji na u\u017cytkownika \u2014 np. przez dominuj\u0105cy j\u0119zyk<\/span><\/li>\n<li><b><span data-contrast=\"auto\">Monitorowanie, aktualizacje i nadz\u00f3r<\/span><\/b><br \/>\n<span data-contrast=\"auto\"> Po wdro\u017ceniu system\u00f3w AI niezb\u0119dne jest ich regularne monitorowanie i audytowanie \u2014 szczeg\u00f3lnie na wczesnych etapach klinicznego zastosowania. Powinno to obejmowa\u0107 nie tylko ocen\u0119 skuteczno\u015bci i bezpiecze\u0144stwa, ale tak\u017ce zbieranie danych o rzeczywistym u\u017cytkowaniu, barierach wdro\u017ceniowych oraz poziomie zaufania personelu.<\/span><\/li>\n<\/ol>\n<p><span style=\"font-size: 18pt;\"><strong>Case studies\u00a0<\/strong><\/span><\/p>\n<p><span data-contrast=\"auto\">Cho\u0107 wyzwania zwi\u0105zane z budowaniem zaufania do medycznych system\u00f3w AI s\u0105 istotne, nie spos\u00f3b pomin\u0105\u0107 przyk\u0142ad\u00f3w, w kt\u00f3rych sztuczna inteligencja przynios\u0142a wymierne korzy\u015bci zar\u00f3wno dla pacjent\u00f3w, jak i personelu oraz ca\u0142ych plac\u00f3wek medycznych. Poni\u017cej przedstawiono cztery wybrane przypadki z ostatnich lat, kt\u00f3re pokazuj\u0105, jak AI mo\u017ce realnie usprawni\u0107 dzia\u0142anie systemu ochrony zdrowia.<\/span><span data-ccp-props=\"{&quot;134233117&quot;:false,&quot;134233118&quot;:false,&quot;335551550&quot;:6,&quot;335551620&quot;:6,&quot;335559738&quot;:0,&quot;335559739&quot;:240}\">\u00a0<\/span><\/p>\n<p><strong><i>1. Optymalizacja sal operacyjnych &#8211; przyk\u0142ad Opmed.ai<\/i>\u00a0<\/strong><\/p>\n<p><span data-contrast=\"auto\">Jednym z najbardziej spektakularnych sukces\u00f3w AI w ostatnich latach by\u0142o wdro\u017cenie narz\u0119dzia do inteligentnego planowania wykorzystania sal operacyjnych. System ten, wdro\u017cony m.in. w ameryka\u0144skich szpitalach, analizuje dane historyczne, bie\u017c\u0105ce zapotrzebowanie i harmonogramy lekarzy, aby w czasie rzeczywistym optymalizowa\u0107 przydzia\u0142 blok\u00f3w operacyjnych.<\/span><span data-ccp-props=\"{&quot;134233117&quot;:false,&quot;134233118&quot;:false,&quot;335551550&quot;:6,&quot;335551620&quot;:6,&quot;335559738&quot;:240,&quot;335559739&quot;:240}\">\u00a0<\/span><\/p>\n<p><span data-contrast=\"auto\">Efekty by\u0142y spektakularne. Uda\u0142o si\u0119 wygenerowa\u0107 dodatkowe przychody rz\u0119du ponad miliona dolar\u00f3w rocznie na jedn\u0105 sal\u0119 operacyjn\u0105 oraz ograniczy\u0107 koszty funkcjonowania o kilkaset tysi\u0119cy dolar\u00f3w. Co istotne, usprawnienia prze\u0142o\u017cy\u0142y si\u0119 r\u00f3wnie\u017c na zmniejszenie obci\u0105\u017cenia personelu &#8211; znacznie ograniczono nadgodziny, poprawiono punktualno\u015b\u0107 operacji i zredukowano wypalenie zawodowe w\u015br\u00f3d anestezjolog\u00f3w oraz piel\u0119gniarek. To jeden z przyk\u0142ad\u00f3w, gdzie AI nie tylko zwi\u0119ksza efektywno\u015b\u0107, ale te\u017c poprawia warunki pracy ludzi.<\/span><span data-ccp-props=\"{&quot;134233117&quot;:false,&quot;134233118&quot;:false,&quot;335551550&quot;:6,&quot;335551620&quot;:6,&quot;335559738&quot;:240,&quot;335559739&quot;:240}\">\u00a0<\/span><\/p>\n<p><strong><i>2. Wczesne wykrywanie nowotwor\u00f3w \u2013 system C the Signs<\/i>\u00a0<\/strong><\/p>\n<p><span data-contrast=\"auto\">W Wielkiej Brytanii sztuczna inteligencja zosta\u0142a z powodzeniem wdro\u017cona w praktykach lekarzy rodzinnych w ramach projektu C the Signs. System analizuje dane medyczne pacjent\u00f3w &#8211; w tym objawy, histori\u0119 chor\u00f3b, dane demograficzne &#8211; i w czasie rzeczywistym sugeruje dalsze kroki diagnostyczne oraz konieczno\u015b\u0107 skierowania na dodatkowe badania w kierunku choroby nowotworowej.<\/span><span data-ccp-props=\"{&quot;134233117&quot;:false,&quot;134233118&quot;:false,&quot;335551550&quot;:6,&quot;335551620&quot;:6,&quot;335559738&quot;:240,&quot;335559739&quot;:240}\">\u00a0<\/span><\/p>\n<p><span data-contrast=\"auto\">Po wdro\u017ceniu systemu w kilkudziesi\u0119ciu przychodniach wschodniej Anglii, wykrywalno\u015b\u0107 nowotwor\u00f3w wzros\u0142a o kilka punkt\u00f3w procentowych, co przek\u0142ada si\u0119 na setki uratowanych istnie\u0144 ludzkich. Skr\u00f3cono r\u00f3wnie\u017c czas oczekiwania na diagnoz\u0119 \u2013 z kilku tygodni do zaledwie kilkudziesi\u0119ciu sekund od wprowadzenia danych do systemu. Przyk\u0142ad ten pokazuje, jak AI mo\u017ce wspiera\u0107 lekarzy pierwszego kontaktu w podejmowaniu szybkich i trafnych decyzji, przy jednoczesnym poszanowaniu ich autonomii.<\/span><span data-ccp-props=\"{&quot;134233117&quot;:false,&quot;134233118&quot;:false,&quot;335551550&quot;:6,&quot;335551620&quot;:6,&quot;335559738&quot;:240,&quot;335559739&quot;:240}\">\u00a0<\/span><\/p>\n<p><strong><i>3. Automatyzacja proces\u00f3w administracyjnych \u2013 do\u015bwiadczenie Omega Healthcare<\/i>\u00a0<\/strong><\/p>\n<p><span data-contrast=\"auto\">Zupe\u0142nie inny, lecz r\u00f3wnie istotny obszar usprawnie\u0144 dotyczy automatyzacji proces\u00f3w administracyjnych, takich jak rozliczenia z ubezpieczycielami, fakturowanie czy wprowadzanie danych do system\u00f3w szpitalnych. Firma Omega Healthcare wdro\u017cy\u0142a rozwi\u0105zanie \u0142\u0105cz\u0105ce sztuczn\u0105 inteligencj\u0119 z automatyzacj\u0105 proces\u00f3w (RPA), dzi\u0119ki czemu uda\u0142o si\u0119 zaoszcz\u0119dzi\u0107 tysi\u0105ce godzin pracy administracyjnej miesi\u0119cznie.<\/span><span data-ccp-props=\"{&quot;134233117&quot;:false,&quot;134233118&quot;:false,&quot;335551550&quot;:6,&quot;335551620&quot;:6,&quot;335559738&quot;:240,&quot;335559739&quot;:240}\">\u00a0<\/span><\/p>\n<p><span data-contrast=\"auto\">System samodzielnie przetwarza dokumenty, weryfikuje poprawno\u015b\u0107 danych, wype\u0142nia formularze i obs\u0142uguje korespondencj\u0119 z p\u0142atnikami. W rezultacie zesp\u00f3\u0142 administracyjny mo\u017ce skupi\u0107 si\u0119 na bardziej z\u0142o\u017conych zadaniach wymagaj\u0105cych wiedzy i kontaktu z pacjentem. Automatyzacja przyczyni\u0142a si\u0119 tak\u017ce do wzrostu dok\u0142adno\u015bci i przyspieszenia proces\u00f3w, zmniejszaj\u0105c ryzyko b\u0142\u0119d\u00f3w i poprawiaj\u0105c p\u0142ynno\u015b\u0107 finansow\u0105 plac\u00f3wek medycznych.<\/span><span data-ccp-props=\"{&quot;134233117&quot;:false,&quot;134233118&quot;:false,&quot;335551550&quot;:6,&quot;335551620&quot;:6,&quot;335559738&quot;:240,&quot;335559739&quot;:240}\">\u00a0<\/span><\/p>\n<p><strong><i>4. Przestroga z przesz\u0142o\u015bci \u2013 katastrofa systemu Therac\u201125<\/i>\u00a0<\/strong><\/p>\n<p><span data-contrast=\"auto\">Nie wszystkie przyk\u0142ady wdro\u017ce\u0144 system\u00f3w komputerowych w medycynie ko\u0144czy\u0142y si\u0119 sukcesem. Przypadek Therac\u201125 to dramatyczna lekcja pokazuj\u0105ca, jak niebezpieczne mo\u017ce by\u0107 zbyt pochopne zaufanie technologii bez odpowiednich zabezpiecze\u0144 i nadzoru.<\/span><span data-ccp-props=\"{&quot;134233117&quot;:false,&quot;134233118&quot;:false,&quot;335551550&quot;:6,&quot;335551620&quot;:6,&quot;335559738&quot;:240,&quot;335559739&quot;:240}\">\u00a0<\/span><\/p>\n<p><span data-contrast=\"auto\">Therac\u201125 by\u0142 komputerowo sterowanym urz\u0105dzeniem do radioterapii, produkowanym w latach 80. XX wieku. W przeciwie\u0144stwie do poprzednich modeli, kt\u00f3re zawiera\u0142y liczne mechaniczne zabezpieczenia, Therac\u201125 opiera\u0142 si\u0119 niemal wy\u0142\u0105cznie na oprogramowaniu. B\u0142\u0119dy w kodzie oraz brak odpowiednich procedur testowania doprowadzi\u0142y do serii powa\u017cnych wypadk\u00f3w. W wyniku tzw. wy\u015bcig\u00f3w warunk\u00f3w (race conditions) urz\u0105dzenie w niekt\u00f3rych sytuacjach dostarcza\u0142o pacjentom wielokrotnie wy\u017csze dawki promieniowania ni\u017c zaplanowano \u2013 bez \u017cadnego ostrze\u017cenia.<\/span><span data-ccp-props=\"{&quot;134233117&quot;:false,&quot;134233118&quot;:false,&quot;335551550&quot;:6,&quot;335551620&quot;:6,&quot;335559738&quot;:240,&quot;335559739&quot;:240}\">\u00a0<\/span><\/p>\n<p><span data-contrast=\"auto\">W latach 1985\u20131987 odnotowano co najmniej sze\u015b\u0107 przypadk\u00f3w ci\u0119\u017ckich obra\u017ce\u0144 i kilka zgon\u00f3w spowodowanych b\u0142\u0119dnym dzia\u0142aniem systemu. Alarmuj\u0105ce sygna\u0142y od operator\u00f3w by\u0142y przez producenta ignorowane, a zg\u0142oszenia problem\u00f3w uznawano za niemo\u017cliwe. Dopiero kolejne tragiczne incydenty doprowadzi\u0142y do wstrzymania produkcji urz\u0105dzenia i gruntownej rewizji procedur dopuszczania sprz\u0119tu medycznego do u\u017cytku.<\/span><span data-ccp-props=\"{&quot;134233117&quot;:false,&quot;134233118&quot;:false,&quot;335551550&quot;:6,&quot;335551620&quot;:6,&quot;335559738&quot;:240,&quot;335559739&quot;:240}\">\u00a0<\/span><\/p>\n<p><span data-contrast=\"auto\">Historia Therac\u201125 przypomina, \u017ce bezpiecze\u0144stwo pacjenta musi zawsze sta\u0107 ponad efektywno\u015bci\u0105 czy nowoczesno\u015bci\u0105 rozwi\u0105zania. Nawet najbardziej zaawansowana technologia, je\u015bli nie jest odpowiednio zaprojektowana, testowana i kontrolowana, mo\u017ce sta\u0107 si\u0119 \u017ar\u00f3d\u0142em ogromnego zagro\u017cenia.<\/span><span data-ccp-props=\"{&quot;134233117&quot;:false,&quot;134233118&quot;:false,&quot;335551550&quot;:6,&quot;335551620&quot;:6,&quot;335559738&quot;:240,&quot;335559739&quot;:240}\">\u00a0<\/span><\/p>\n<p><strong><span style=\"font-size: 14pt;\">Jak ChatGPT i Claude wspieraj\u0105 osoby z rzadkimi chorobami<\/span>\u00a0<\/strong><\/p>\n<p><span data-contrast=\"auto\">W ostatnich latach ChatGPT, Claude i inne LLM sta\u0142y si\u0119 wa\u017cnym wsparciem dla pacjent\u00f3w z <\/span><b><span data-contrast=\"auto\">rzadkimi, trudnymi do zdiagnozowania schorzeniami<\/span><\/b><span data-contrast=\"auto\">:<\/span><span data-ccp-props=\"{&quot;134233117&quot;:false,&quot;134233118&quot;:false,&quot;335551550&quot;:6,&quot;335551620&quot;:6,&quot;335559738&quot;:240,&quot;335559739&quot;:240}\">\u00a0<\/span><\/p>\n<ul>\n<li data-leveltext=\"\uf0b7\" data-font=\"Symbol\" data-listid=\"17\" data-list-defn-props=\"{&quot;335552541&quot;:1,&quot;335559683&quot;:0,&quot;335559684&quot;:-2,&quot;335559685&quot;:720,&quot;335559991&quot;:360,&quot;469769226&quot;:&quot;Symbol&quot;,&quot;469769242&quot;:[8226],&quot;469777803&quot;:&quot;left&quot;,&quot;469777804&quot;:&quot;\uf0b7&quot;,&quot;469777815&quot;:&quot;hybridMultilevel&quot;}\" data-aria-posinset=\"1\" data-aria-level=\"1\"><b><span data-contrast=\"auto\">Wsparcie w samodiagnozie i edukacji<\/span><\/b><span data-contrast=\"auto\">:<\/span><br \/>\n<span data-contrast=\"auto\"> U\u017cytkownicy zapisuj\u0105 w serwisach jak Reddit swoj\u0105 histori\u0119 objaw\u00f3w. ChatGPT pomaga im zrozumie\u0107 mo\u017cliwe przyczyny, zasugerowa\u0107 zakres test\u00f3w, t\u0142umaczy\u0107 wyniki bada\u0144 &#8211; oczywi\u015bcie zgodnie z disclaimem \u201enie zast\u0119puj\u0119 lekarza\u201d.<\/span><span data-ccp-props=\"{&quot;134233117&quot;:false,&quot;134233118&quot;:false,&quot;335551550&quot;:6,&quot;335551620&quot;:6,&quot;335559738&quot;:240,&quot;335559739&quot;:240}\">\u00a0<\/span><\/li>\n<\/ul>\n<ul>\n<li data-leveltext=\"\uf0b7\" data-font=\"Symbol\" data-listid=\"17\" data-list-defn-props=\"{&quot;335552541&quot;:1,&quot;335559683&quot;:0,&quot;335559684&quot;:-2,&quot;335559685&quot;:720,&quot;335559991&quot;:360,&quot;469769226&quot;:&quot;Symbol&quot;,&quot;469769242&quot;:[8226],&quot;469777803&quot;:&quot;left&quot;,&quot;469777804&quot;:&quot;\uf0b7&quot;,&quot;469777815&quot;:&quot;hybridMultilevel&quot;}\" data-aria-posinset=\"2\" data-aria-level=\"1\"><b><span data-contrast=\"auto\">Pomoc w dost\u0119pie do specjalist\u00f3w i bada\u0144 klinicznych<\/span><\/b><span data-contrast=\"auto\">:<\/span><br \/>\n<span data-contrast=\"auto\"> Modele LLM mog\u0105 sugerowa\u0107 dedykowane o\u015brodki, zapisy do studi\u00f3w klinicznych (np. w Stanfordzie, NIH), wskazuj\u0105c procedury i wymagane kryteria.<\/span><span data-ccp-props=\"{&quot;134233117&quot;:false,&quot;134233118&quot;:false,&quot;335551550&quot;:6,&quot;335551620&quot;:6,&quot;335559738&quot;:240,&quot;335559739&quot;:240}\">\u00a0<\/span><\/li>\n<\/ul>\n<ul>\n<li data-leveltext=\"\uf0b7\" data-font=\"Symbol\" data-listid=\"17\" data-list-defn-props=\"{&quot;335552541&quot;:1,&quot;335559683&quot;:0,&quot;335559684&quot;:-2,&quot;335559685&quot;:720,&quot;335559991&quot;:360,&quot;469769226&quot;:&quot;Symbol&quot;,&quot;469769242&quot;:[8226],&quot;469777803&quot;:&quot;left&quot;,&quot;469777804&quot;:&quot;\uf0b7&quot;,&quot;469777815&quot;:&quot;hybridMultilevel&quot;}\" data-aria-posinset=\"3\" data-aria-level=\"1\"><b><span data-contrast=\"auto\">Wsparcie psychiczne<\/span><\/b><span data-contrast=\"auto\">:<\/span><br \/>\n<span data-contrast=\"auto\"> Edukacja na temat choroby, mechanizm\u00f3w leczenia i praktycznych rad &#8211; cz\u0119sto na poziomie, kt\u00f3rego nie zapewniaj\u0105 czaty pacjentom odci\u0105\u017cone plac\u00f3wki.<\/span><span data-ccp-props=\"{&quot;134233117&quot;:false,&quot;134233118&quot;:false,&quot;335551550&quot;:6,&quot;335551620&quot;:6,&quot;335559738&quot;:240,&quot;335559739&quot;:240}\">\u00a0<\/span><\/li>\n<\/ul>\n<ul>\n<li data-leveltext=\"\uf0b7\" data-font=\"Symbol\" data-listid=\"17\" data-list-defn-props=\"{&quot;335552541&quot;:1,&quot;335559683&quot;:0,&quot;335559684&quot;:-2,&quot;335559685&quot;:720,&quot;335559991&quot;:360,&quot;469769226&quot;:&quot;Symbol&quot;,&quot;469769242&quot;:[8226],&quot;469777803&quot;:&quot;left&quot;,&quot;469777804&quot;:&quot;\uf0b7&quot;,&quot;469777815&quot;:&quot;hybridMultilevel&quot;}\" data-aria-posinset=\"4\" data-aria-level=\"1\"><b><span data-contrast=\"auto\">Spo\u0142eczno\u015b\u0107 i wsp\u00f3\u0142praca<\/span><\/b><span data-contrast=\"auto\">:<\/span><br \/>\n<span data-contrast=\"auto\"> Modele pomagaj\u0105 pacjentom odnale\u017a\u0107 odpowiednie grupy wsparcia (Facebook, PatientsLikeMe, r\/&#8230;), sugerowa\u0107 literatur\u0119 czy forum.<\/span><span data-ccp-props=\"{&quot;134233117&quot;:false,&quot;134233118&quot;:false,&quot;335551550&quot;:6,&quot;335551620&quot;:6,&quot;335559738&quot;:240,&quot;335559739&quot;:240}\">\u00a0<\/span><\/li>\n<\/ul>\n<p><span data-contrast=\"auto\">Opisane przyk\u0142ady nie s\u0105 jeszcze \u201ezatwierdzonymi systemami medycznymi\u201d ani nie zast\u0119puj\u0105 opieki medycznej, ale <\/span><b><span data-contrast=\"auto\">pokazuj\u0105, \u017ce dost\u0119pno\u015b\u0107 wiedzy i wsparcia zwi\u0119ksza komfort, pewno\u015b\u0107 pacjent\u00f3w oraz ich zdolno\u015b\u0107 do szukania pomocy<\/span><\/b><span data-contrast=\"auto\"> &#8211; co buduje zaufanie do cyfrowych narz\u0119dzi.<\/span><span data-ccp-props=\"{&quot;134233117&quot;:false,&quot;134233118&quot;:false,&quot;335551550&quot;:6,&quot;335551620&quot;:6,&quot;335559738&quot;:240,&quot;335559739&quot;:240}\">\u00a0<\/span><\/p>\n<p><span style=\"font-size: 18pt;\"><strong>Podsumowanie<\/strong><\/span><\/p>\n<p><span class=\"TextRun SCXW228429316 BCX0\" lang=\"PL-PL\" xml:lang=\"PL-PL\" data-contrast=\"auto\"><span class=\"NormalTextRun SCXW228429316 BCX0\">Budowanie zaufania do medycznej AI wymaga przesuni\u0119cia uwagi z samej doskona\u0142o\u015bci technicznej modeli na ich praktyczne osadzenie w realiach klinicznych. Skuteczno\u015b\u0107 algorytmu to za ma\u0142o \u2014 r\u00f3wnie istotne s\u0105 jego przejrzysto\u015b\u0107, u\u017cyteczno\u015b\u0107 i zdolno\u015b\u0107 do wspierania decyzji w spos\u00f3b zrozumia\u0142y i bezpieczny dla u\u017cytkownika. Kluczowe jest tu podej\u015bcie oparte na wsp\u00f3\u0142pracy: tylko poprzez aktywne w\u0142\u0105czenie personelu medycznego, pacjent\u00f3w oraz tw\u00f3rc\u00f3w technologii w proces projektowania i oceny, mo\u017cliwe jest stworzenie system\u00f3w, kt\u00f3re b\u0119d\u0105 nie tylko innowacyjne, ale r\u00f3wnie\u017c godne zaufania, etyczne i szeroko akceptowane w praktyce klinicznej.<\/span><\/span><span class=\"EOP SCXW228429316 BCX0\" data-ccp-props=\"{&quot;335551550&quot;:6,&quot;335551620&quot;:6}\">\u00a0<\/span><\/p>\n<p>&nbsp;<\/p>\n<p><strong><span style=\"font-size: 14pt;\">Bibliografia<\/span><\/strong><\/p>\n<p data-start=\"94\" data-end=\"283\">[1] Sagona, M., Dai, T., Macis, M., &amp; Darden, M. (2025). Trust in AI-assisted health systems and AI\u2019s trust in humans. <em data-start=\"209\" data-end=\"232\">npj Health Systems, 2<\/em>(1), 10. <a class=\"\" href=\"https:\/\/doi.org\/10.1038\/s44401-025-00016-5\" target=\"_new\" rel=\"noopener\" data-start=\"241\" data-end=\"283\">https:\/\/doi.org\/10.1038\/s44401-025-00016-5<\/a><\/p>\n<p data-start=\"285\" data-end=\"477\">[2] Zuchowski, L. C., Zuchowski, M. L., &amp; Nagel, E. (2024). A trust based framework for the envelopment of medical AI. <em data-start=\"400\" data-end=\"425\">npj Digital Medicine, 7<\/em>(1), 230. <a class=\"\" href=\"https:\/\/doi.org\/10.1038\/s41746-024-01224-3\" target=\"_new\" rel=\"noopener\" data-start=\"435\" data-end=\"477\">https:\/\/doi.org\/10.1038\/s41746-024-01224-3<\/a><\/p>\n<p data-start=\"479\" data-end=\"816\">[3] Wysocki, O., Davies, J. K., Vigo, M., Armstrong, A. C., Landers, D., Lee, R., &amp; Freitas, A. (2023). Assessing the communication gap between AI models and healthcare professionals: Explainability, utility and trust in AI-driven clinical decision-making. <em data-start=\"732\" data-end=\"762\">Artificial Intelligence, 316<\/em>, 103839. <a class=\"\" href=\"https:\/\/doi.org\/10.1016\/j.artint.2022.103839\" target=\"_new\" rel=\"noopener\" data-start=\"772\" data-end=\"816\">https:\/\/doi.org\/10.1016\/j.artint.2022.103839<\/a><\/p>\n<p data-start=\"818\" data-end=\"1104\">[4] Chanda, T., Hauser, K., Hobelsberger, S., Bucher, T.-C., Garcia, C. N., Wies, C., &#8230; Reader Study Consortium. (2024). Dermatologist-like explainable AI enhances trust and confidence in diagnosing melanoma. <em data-start=\"1025\" data-end=\"1052\">Nature Communications, 15<\/em>(1), 524. <a class=\"\" href=\"https:\/\/doi.org\/10.1038\/s41467-023-43095-4\" target=\"_new\" rel=\"noopener\" data-start=\"1062\" data-end=\"1104\">https:\/\/doi.org\/10.1038\/s41467-023-43095-4<\/a><\/p>\n<p data-start=\"818\" data-end=\"1104\">[5] Abulibdeh, R., Celi, L. A., &amp; Sejdi\u0107, E. (2025). The illusion of safety: A report to the FDA on AI healthcare product approvals. <em data-start=\"467\" data-end=\"491\">PLOS Digital Health, 4<\/em>(6), e0000866. <a class=\"cursor-pointer\" href=\"https:\/\/pmc.ncbi.nlm.nih.gov\/articles\/PMC12140231\/\" target=\"_new\" rel=\"noopener\" data-start=\"506\" data-end=\"550\">https:\/\/doi.org\/10.1371\/journal.pdig.0000866<\/a><\/p>\n<p data-start=\"818\" data-end=\"1104\">[6] Reuter, E., &amp; Ye Ha, J. (2024, October 9). The number of AI medical devices has spiked in the past decade. <em data-start=\"723\" data-end=\"734\">Deep Dive<\/em>. <a class=\"cursor-pointer\" href=\"https:\/\/www.medtechdive.com\/news\/fda-ai-medical-devices-growth\/728975\/\" target=\"_new\" rel=\"noopener\" data-start=\"736\" data-end=\"799\">https:\/\/www.medtechdive.com\/news\/fda-ai-medical-devices-growth\/<\/a><\/p>\n<p data-start=\"818\" data-end=\"1104\">[7] Tapper, J. (2024, July 21). GPs use AI to boost cancer detection rates in England by 8%. <em data-start=\"988\" data-end=\"1002\">The Guardian<\/em>. <a href=\"https:\/\/www.theguardian.com\/society\/article\/2024\/jul\/21\/gps-use-ai-to-boost-cancer-detection-rates-in-england-by-8\">https:\/\/www.theguardian.com\/society\/article\/2024\/jul\/21\/gps-use-ai-to-boost-cancer-detection-rates-in-england-by-8<\/a><\/p>\n<p data-start=\"818\" data-end=\"1104\">[8] D\u2019Adderio, L., &amp; Bates, D. W. (2025). Transforming diagnosis through artificial intelligence. <em data-start=\"155\" data-end=\"180\">npj Digital Medicine, 8<\/em>(1), 54. <a class=\"\" href=\"https:\/\/doi.org\/10.1038\/s41746-025-01460-1\" target=\"_new\" rel=\"noopener\" data-start=\"189\" data-end=\"231\">https:\/\/doi.org\/10.1038\/s41746-025-01460-1<\/a><\/p>\n<p data-start=\"233\" data-end=\"651\">[9] Tu, T., Schaekermann, M., Palepu, A., Saab, K., Freyberg, J., Tanno, R., Wang, A., Li, B., Amin, M., Cheng, Y., Vedadi, E., Tomasev, N., Azizi, S., Singhal, K., Hou, L., Webson, A., Kulkarni, K., Mahdavi, S. S., Semturs, C., Gottweis, J., \u2026 Karthikesalingam, A., &amp; Natarajan, V. (2025). Towards conversational diagnostic artificial intelligence. <em data-start=\"579\" data-end=\"592\">Nature, 642<\/em>(8067), 442\u2013450. <a class=\"\" href=\"https:\/\/doi.org\/10.1038\/s41586-025-08866-7\" target=\"_new\" rel=\"noopener\" data-start=\"609\" data-end=\"651\">https:\/\/doi.org\/10.1038\/s41586-025-08866-7<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Wsp\u00f3\u0142czesna medycyna znajduje si\u0119 u progu prze\u0142omu, kt\u00f3rego si\u0142\u0105 nap\u0119dow\u0105 jest dynamiczny rozw\u00f3j sztucznej inteligencji (AI). Systemy AI coraz \u015bmielej wkraczaj\u0105 w obszar opieki zdrowotnej \u2013 wspieraj\u0105c proces diagnostyczny, umo\u017cliwiaj\u0105c personalizacj\u0119 terapii oraz usprawniaj\u0105c funkcjonowanie ca\u0142ego systemu ochrony zdrowia. Liczba zatwierdzonych do u\u017cytku klinicznego urz\u0105dze\u0144 medycznych opartych na AI systematycznie ro\u015bnie \u2013 do sierpnia 2024 [&hellip;]<\/p>\n","protected":false},"author":312,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[470],"tags":[15,246,102,188,109],"class_list":["post-8384","post","type-post","status-publish","format-standard","hentry","category-agh-2024-25","tag-ai","tag-chatgpt","tag-medycyna","tag-uczenie-maszynowe","tag-zaufanie"],"jetpack_featured_media_url":"","jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/posts\/8384","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/users\/312"}],"replies":[{"embeddable":true,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/comments?post=8384"}],"version-history":[{"count":24,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/posts\/8384\/revisions"}],"predecessor-version":[{"id":8478,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/posts\/8384\/revisions\/8478"}],"wp:attachment":[{"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/media?parent=8384"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/categories?post=8384"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/architeles.eu\/ethics\/index.php\/wp-json\/wp\/v2\/tags?post=8384"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}