Zero. Tylu lekarzy potrzeba do testu kampanii HCP.

W tym wydaniu:

• Sygnał miesiąca: jak działa panel lekarzy, którzy nie istnieją, co zmienia w ekonomii testowania komunikacji — i jedno pytanie, które trzeba zadać dostawcy, zanim się mu zaufa.
• Głosowa AI Anna z numeru 116 117: państwowa asystentka głosowa dzwoni by zredukować 1,4 mln nieodwołanych wizyt — kogo obdzwania, czego nigdy nie powie i jaki wzorzec rozmowy ustawia voicebotom w zdrowiu.
• Badania krwi od Apple: 119 dolarów, ponad 50 biomarkerów, zero wizyt — co z tego wynika dla polskich laboratoriów i producentów OTC.
• AI w polskich szpitalach: szpitale chcą AI bardziej niż ktokolwiek w systemie, a mimo to wdraża ją garstka. Co je blokuje i dlaczego ta przeszkoda zaraz zniknie — piszemy niżej.

Pharma testuje przekazy na lekarzach, którzy nie istnieją.

W badaniach marketingowych pharmy pojawił się nowy respondent: syntetyczny lekarz, czyli profil wygenerowany przez AI na podstawie tysięcy prawdziwych wywiadów i ankiet. Profil ma przypisaną specjalizację, staż i to, jakie leki zwykle przepisuje — a w badaniu wciela się w prawdziwego lekarza i ocenia materiały z jego perspektywy. Świeży przykład: firma badawcza ZoomRx, deklarująca współpracę z 19 z 20 największych koncernów biofarmaceutycznych, wypuściła narzędzie do ciągłego testowania materiałów — warianty przekazu szlifuje się na syntetycznych lekarzach bez limitu, a najmocniejsze walidują prawdziwi respondenci z panelu (komunikat ZoomRx, 13.10).

W klasycznym badaniu przekazów firma najpierw rekrutuje panel kilkudziesięciu lekarzy, potem tygodniami czeka, aż wypełnią ankiety, a na końcu dostaje raport z rankingiem przekazów — całość trwa 8–12 tygodni. Z bliźniakami ten sam test trwa kilka dni i można go powtarzać przy każdej poprawce: sprawdzić trzy wersje e-maila do lekarzy, poprawić najlepszą i przetestować ją jeszcze raz — w trakcie prac nad kampanią, a nie po ich zakończeniu. To ma znaczenie, bo generatywne AI produkuje dziś więcej wariantów materiałów, niż ktokolwiek jest w stanie zbadać po staremu. Haczyk, przyznawany zresztą przez samego dostawcę, jest zasadniczy: syntetyczny lekarz jest dokładnie tak dobry, jak dane, na których powstał, i nie zastępuje walidacji na żywych respondentach. Bliźniak zbudowany na nieaktualnych danych nadal odpowie — tyle że wynik będzie mało wiarygodny, a na pierwszy rzut oka wygląda równie przekonująco, jak ten dobrze skalibrowany.

Co z tego wynika: ekonomia testowania komunikacji marketingowej w pharmie spada o rząd wielkości, więc przewagą przestaje być budżet na badanie, a staje się tempo iteracji — zespoły, które testują każdy materiał, zaczną systematycznie ogrywać te, które testują raz w roku. Przy wykorzystaniu takiego narzędzia różnicę robi jedno pytanie: na jakich danych dostawca zbudował bliźniaki i kiedy ostatnio kalibrował je na prawdziwych lekarzach — panel bez świeżych danych z realnych badań to generator przekonujących zgadywanek.

1. Państwo zatrudniło asystentkę AI. Czy rozmawialiście już z Anią?

Od 1 października wybrani pacjenci odbierają telefon z numeru 116 117. Dzwoni Anna — wirtualna asystentka centralnej e-rejestracji Ministerstwa Zdrowia: przypomina o wizycie na 7 dni i 1 dzień przed terminem, pozwala ją potwierdzić albo odwołać, a rozmowę zaczyna od uprzedzenia, że pacjent rozmawia z systemem, nie z człowiekiem (komunikat CeZ, 1.10). Głosu użycza jej technologia od ElevenLabs — firmy o polskich korzeniach.

Ma trafić do seniorów i osób, które nie obsługują SMS-ów, nie mają mojeIKP i umawiają wizyty przy okienku — czyli domyka lukę, którą sygnalizowaliśmy przy rządowych pushach w poprzednim wydaniu: najbardziej potrzebujący przypomnień byli dotąd poza zasięgiem cyfrowych kanałów, a telefon mają wszyscy. W projekt wpisano też ochronę przed nadużyciami: Anna nigdy nie poprosi o PESEL, dane z dowodu ani o płatność, a połączenia przychodzą wyłącznie z jednego, publicznie znanego numeru.

Mechanika jest ta sama, co przy SMS-ach o mammografii: wizyta odwołana w porę to termin, który wraca do puli i może szybciej trafić do kolejnej osoby. Skala jest policzona: w 2024 r. pacjenci nie odwołali prawie 1,4 mln wizyt, a w samym pierwszym półroczu 2025 — 773 tys. (dane NFZ z kampanii „Odwołuję, nie blokuję”, za TVN24). Skala rośnie z każdym kwartałem — centralna e-rejestracja obejmuje już mammografię, test HPV i dziewięć specjalizacji, od kardiologii po choroby płuc — a CeZ zapowiada, że zakres spraw obsługiwanych przez Annę będzie rozszerzany. Głos staje się więc kolejnym, po pushu i SMS-ie, interfejsem państwowej rejestracji — z tą samą kadencją przypomnień.

Co z tego wynika: państwo uczy rozmowy z maszyną grupę pacjentów, do której cyfrowe kanały dotąd nie docierały, i ustawia wzorzec tej rozmowy: asystentka przedstawia się jako system, nie prosi o dane, dzwoni z jednego numeru. Każdy, kto planuje AI voicebota w klinice, aptece czy programie wsparcia pacjenta, dostaje więc bezpłatny onboarding swojej przyszłej grupy docelowej i gotową listę zasad do skopiowania. Dla całej branży pharma i healthcare to zaś sygnał, że głosowe AI przestaje być eksperymentem: skoro państwo powierzyło mu rozmowy z seniorami o wizytach, łatwiej będzie uzasadnić ten kanał także komercyjnie — od przypomnień o dawkowaniu, kończącym się zapasie leku, wznowieniu recepty przy stałym leczeniu, po obsługę zamówień w e-aptece. Warto przy tym obserwować, jak Anna przyjmie się u pacjentów: to pierwszy w Polsce publiczny test głosowego AI jako kanału zdrowotnego na taką skalę.

2. 119 dolarów, 50 biomarkerów, zero wizyt. Apple wchodzi w badania krwi

Apple ogłosiło, że jeszcze w tym roku w przebudowanej aplikacji Zdrowie badania laboratoryjne po raz pierwszy będzie można kupić bez wychodzenia z telefonu (dotyczy USA). Panel ponad 50 biomarkerów ma kosztować 119 dolarów, krew będzie pobierana w około 2 tysiącach punktów sieci Quest Diagnostics, a wynik wróci do aplikacji, gdzie AI przetłumaczy go na zrozumiałe wnioski i metrykę „wieku zdrowotnego” (komunikaty Apple i Questa, 9.09). „W tle”, bo amerykańskie prawo wymaga lekarskiego zlecenia na badanie krwi — zamówienie z aplikacji zatwierdzi zdalnie, bez wizyty, lekarz współpracujący z Quest.

Dla laboratoriów to zamiana ról: aplikacja w telefonie pacjenta przejmuje wszystko, co widzi klient — interpretację wyników, zamawianie, komunikację — a laboratorium zostaje zapleczem od pobrania krwi i wydania wyniku. W Polsce badania bez skierowania można kupić od dawna, a w aplikacjach laboratoriów pojawiają się już asystenci AI od doboru badań i funkcje, które tłumaczą wyniki na prostszy język (diag.pl). Różnica regulacyjna: w USA funkcje wellness — wspierające zdrowy styl życia, bez rozpoznawania i leczenia chorób — są wprost wyłączone spod nadzoru nad wyrobami medycznymi (FDA). W Polsce i Unii takiej furtki nie ma: interpretacja wyników, która wchodzi w diagnozę, robi z oprogramowania wyrób medyczny (SaMD) i wymaga certyfikacji. To jednak nie blokuje tematu: AI zaprojektowane tak, by nie stawiać diagnoz, wciąż może dawać użytkownikowi realną wartość — tłumaczyć wyniki, wiązać je z danymi o aktywności i śnie, pomagać w doborze badań dostępnych bez skierowania i podpowiadać, o co zapytać lekarza. Przykład z polskiego rynku: LiDia, asystentka AI od Diagnostyki, zastrzega, że pełni rolę informacyjną i nie stawia diagnoz (diag.pl).

Co z tego wynika: z Apple, które poza wynikami krwi ma dane z zegarka, snu i treningów, trudno konkurować kolejną aplikacją — naturalny ruch dla laboratoriów i sieci diagnostycznych to docelowo partnerstwo i integracja, w roli, jaką przyjął Quest: wykonawcy badań, do którego Apple przysyła klientów. Popyt widać już w Polsce, na razie w wersji garażowej: hobbystyczny projekt LabKarta.pl pozwala samodzielnie przenieść PDF-y z wynikami z IKP oraz największych sieci laboratoryjnych i medycznych do Apple Zdrowie (za Spider's Web) — oddolna inicjatywa, która pokazuje, że potrzeba jest realna. Kto pierwszy wystawi wyniki w otwartych standardach danych zdrowotnych i ułoży się z ekosystemami zegarków, ten zajmie rolę „polskiego Questa”, zanim zrobi to konkurencja. Dla aptek i marek OTC zmiana dotyczy klienta. Wyniki badań do AI można wkleić już dziś — nowość polega na tym, że telefon zestawi je automatycznie z danymi, które i tak zbiera: tętnem, snem, treningami. Po produkt przyjdzie więc pacjent z sugestią zbudowaną na pełniejszym obrazie niż pojedynczy PDF — na przykład co suplementować przy wykrytych niedoborach — i będzie to głównie klient aktywny fizycznie, bo to on nosi Garmina, Whoopa czy Apple Watcha. Dla producentów OTC to konkretny, dobrze znany segment: ludzie, którzy już dziś kupują magnez i elektrolity, witaminę D, omega-3 czy preparaty na stawy — tyle że teraz po konkretny produkt skieruje ich aplikacja.

3. Użycie AI w szpitalach podwoiło się w rok. Teraz państwo funduje kolejny skok.

Polskie szpitale weszły na ścieżkę AI szybciej niż reszta systemu: między 2023 a 2024 rokiem użycie sztucznej inteligencji niemal się w nich podwoiło — z 6,5% do 13,2% placówek (badanie CeZ za 2024) — i apetyt dalej rośnie: w najnowszej edycji badania 40,9% szpitali deklaruje wdrożenie AI w ciągu 12 miesięcy, najwięcej w całym systemie ochrony zdrowia. Problem w tym, że plany rozbijają się o pieniądze: 59,5% szpitali niekorzystających z AI wskazuje, że rozwiązania są po prostu za drogie, a 31,6% — że brakuje jasnych regulacji (raport CeZ za 2025, sierpień). Infrastruktura jest gotowa — 96% szpitali pracuje na systemach szpitalnych, a ponad 90% indeksuje dokumentację w państwowym systemie P1 — zabrakło po prostu pieniędzy.

Teraz obie te bariery zdejmuje państwo. Jeszcze w tym roku placówki mają dostać dostęp do Platformy Usług Inteligentnych — centralnego systemu z certyfikowanymi modelami AI do diagnostyki obrazowej, finansowanego z KPO (komunikat MZ, wrzesień). CeZ ogłosiło przetargi na pięć modeli: wykrywanie zmian w tomografii i RTG klatki piersiowej, udarów w obrazach mózgu, złamań w RTG kości oraz raka piersi w mammografii (komunikat CeZ, 7.11.2025). Dostęp obejmie maksymalnie 400 szpitali udzielających świadczeń finansowanych ze środków publicznych (informacja Ministra Zdrowia, 1.09); dla placówek będzie bezpłatny — koszt bierze na siebie budżet KPO.

Zasada działania jest prosta: szpital wysyła badanie ze swojego systemu, a platforma odsyła analizę z adnotacjami na obrazie i priorytetem — pilne przypadki, jak podejrzenie udaru na SOR, mają trafiać na początek kolejki do opisu. Poprzeczka dla dostawców wisi przy tym wysoko: każdy model musi być certyfikowanym wyrobem medycznym (klasa IIa lub wyższa) i spełniać unijny AI Act — to ta sama granica certyfikacji, o której piszemy wyżej przy Apple, tyle że tu nie ma dyskusji: modele wspierają diagnozę i leczenie, więc muszą być certyfikowanymi wyrobami medycznymi.

Co z tego wynika: system ochrony zdrowia dostaje narzędzie wycelowane w dobrze znane wąskie gardło — czas oczekiwania na opis badania obrazowego, bo liczba badań rośnie szybciej niż liczba radiologów, którzy mogą je opisywać. Jeśli platforma zadziała zgodnie z zapowiedziami, dla pharmy i całej branży może to oznaczać więcej i wcześniej zdiagnozowanych pacjentów, m.in. w onkologii i udarach — a więc stopniowe przesuwanie do przodu całej ścieżki od wykrycia do rozpoczęcia leczenia. Warto budować pod to infrastrukturę już teraz: więcej diagnoz to większy ruch w programach wsparcia pacjenta, edukacji i kanałach obsługi, a technologia będzie uwalniać kolejne wąskie gardła systemu, nie tylko w radiologii. Placówki zresztą same patrzą szerzej: wśród planów na AI najczęściej wskazywany obszar to nie radiologia, lecz obsługa pacjenta (43,2%) — dokładnie kierunek, który państwo przeciera Anną.