Badanie: tylko trzy z 1357 medycznych urządzeń AI zbadano pod kątem wpływu na zdrowie pacjentów

Komentarz redakcji

Analiza zespołu z Uniwersytetu w Toronto wskazuje na brak publicznie dostępnych dowodów klinicznych potwierdzających skuteczność większości technologii AI zatwierdzonych przez FDA. Większość tych urządzeń trafia na rynek w USA uproszczoną ścieżką regulacyjną 510(k), wymagającą jedynie wykazania równoważności z istniejącym już produktem. Najwięcej zatwierdzonych systemów dotyczy radiologii, kardiologii i neurologii.

Najważniejsze

  • Zaledwie 3 z 1357 medycznych urządzeń AI zatwierdzonych przez FDA przeszło badania oceniające ich bezpośredni wpływ na zdrowie pacjentów.
  • Jedynie 34 technologie (ok. 2,5%) miały powiązania z zarejestrowanymi prospektywnymi badaniami klinicznymi.
  • Większość systemów AI (78%) dotyczy radiologii i trafia na rynek USA przez uproszczoną ścieżkę regulacyjną 510(k).
  • W przeciwieństwie do USA, europejskie regulacje (MDR oraz AI Act) stawiają przed systemami AI wysokiego ryzyka znacznie surowsze wymogi kliniczne.
·
2 min

Badanie opublikowane w czasopiśmie „PLOS Digital Health” wykazało, że twórcy zaledwie trzech spośród 1357 urządzeń medycznych wykorzystujących AI, autoryzowanych przez FDA, ocenili ich bezpośredni wpływ na zdrowie pacjentów.

Pexels — Tara Winstead
Pexels — Tara Winstead

Badanie opublikowane 19 sierpnia 2026 roku w czasopiśmie „PLOS Digital Health” wykazało, że twórcy zaledwie trzech spośród 1357 urządzeń medycznych opartych na sztucznej inteligencji, autoryzowanych przez amerykańską FDA do 5 grudnia 2025 roku, ocenili bezpośredni wpływ swojej technologii na zdrowie pacjentów. Analiza zespołu kierowanego przez Rawan Abulibdeh z Uniwersytetu w Toronto wskazuje na brak publicznie dostępnych dowodów klinicznych na skuteczność większości tych rozwiązań.

Naukowcy z Uniwersytetu w Toronto przeanalizowali bazę danych amerykańskiej Agencji ds. Żywności i Leków (FDA). Jedynie trzy urządzenia – IDx-DR (służące do diagnostyki retinopatii cukrzycowej), ContaCT (wykrywające udary) oraz OsteoDetect (diagnozujące złamania nadgarstka) – przeszły badania kliniczne oceniające takie parametry jak śmiertelność czy jakość życia pacjentów. Ponadto tylko 34 spośród wszystkich 1357 technologii powiązano z zarejestrowanymi, prospektywnymi badaniami klinicznymi. Wyniki dla 12 z nich opublikowano w publicznych rejestrach, a kolejne 12 doczekało się publikacji w recenzowanych czasopismach naukowych.

W bazie danych FDA dominowały urządzenia przeznaczone do użytku w radiologii – stanowiły one 78 proc. wszystkich zatwierdzonych systemów. Kardiologia odpowiadała za 9 proc. zatwierdzeń, natomiast neurologia za 5 proc. Większość ocenianych narzędzi trafia na rynek w Stanach Zjednoczonych przez uproszczoną ścieżkę regulacyjną 510(k). Procedura ta wymaga od producentów wyłącznie wykazania równoważności z produktem już istniejącym, a nie przeprowadzenia prospektywnych badań klinicznych.

Różnice w regulacjach w USA i Europie

Uproszczona ścieżka 510(k) nie jest nowym rozwiązaniem stworzonym specjalnie dla sztucznej inteligencji. Amerykańskie urzędy stosują tę procedurę wobec 95–99 proc. tradycyjnych wyrobów medycznych klasy II. Z kolei europejskie procedury regulacyjne, oparte na przepisach MDR oraz AI Act, stawiają znacznie wyższe wymagania. Nakładają one na systemy sztucznej inteligencji wysokiego ryzyka obowiązek przeprowadzenia szczegółowej oceny klinicznej przed dopuszczeniem do użytku. W przeszłości brak takich badań skutkował już błędami technologii – przykładem jest algorytm firmy Epic Systems służący do wykrywania sepsy. Niezależne badanie z 2021 roku wykazało, że narzędzie to nie wykryło aż 67 proc. przypadków tej choroby.

Badacze z Toronto opierali się wyłącznie na publicznie dostępnych rejestrach. Producenci mogą dysponować wewnętrznymi danymi walidacyjnymi, które przekazują bezpośrednio do FDA, jednak nie upubliczniają ich ze względu na ochronę tajemnicy przedsiębiorstwa. Przedstawiciele branży, w tym organizacja AdvaMed, argumentują również, że wymóg prowadzenia pełnych badań klinicznych dla każdej aktualizacji oprogramowania zablokowałby innowacje. Ponadto eksperci wskazują, że żądanie oceny wpływu prostych narzędzi pomocniczych na śmiertelność pacjentów jest metodologicznie nieuzasadnione, ponieważ ostateczna decyzja terapeutyczna i tak zależy od lekarza.

Jedyne 3 urządzenia AI zbadane pod kątem bezpośredniego wpływu na zdrowie pacjentów

IDx-DR
Urządzenie 1
IDx-DR – wykrywanie retinopatii cukrzycowej
ContaCT
Urządzenie 2
ContaCT – szybkie wykrywanie udarów mózgu
OsteoDetect
Urządzenie 3
OsteoDetect – pomoc w diagnozowaniu złamań nadgarstka

PLOS Digital Health, badanie Uniwersytetu w Toronto

Porównanie procedur regulacyjnych dla medycznego AI: USA vs Unia Europejska

USA (Ścieżka FDA 510(k))
+Szybki proces dopuszczania innowacji na rynek
+Niższe koszty wejścia dla producentów oprogramowania
Brak wymogu prospektywnych badań klinicznych w większości przypadków
Wystarczy wykazać \\'równoważność\\' z istniejącym urządzeniem (predicate)
Ryzyko dopuszczenia nieskutecznych algorytmów AI (np. przypadek Epic Systems)
Unia Europejska (MDR i AI Act)
+Wymóg szczegółowej i rzetelnej oceny klinicznej dla systemów wysokiego ryzyka
+Większe bezpieczeństwo i pewność dla pacjentów oraz lekarzy
Dłuższy czas oczekiwania na dopuszczenie na rynek
Większe obciążenie finansowe i administracyjne dla start-upów

Struktura zatwierdzeń medycznych urządzeń AI według specjalizacji oraz statystyki badań klinicznych

Kategoria / ParametrWartość / Udział procentowy
Radiologia (udział w zatwierdzeniach)78%
Kardiologia (udział w zatwierdzeniach)9%
Neurologia (udział w zatwierdzeniach)5%
Łączna liczba zatwierdzonych urządzeń AI (do 5.12.2025)1357
Urządzenia z badaniem wpływu na zdrowie pacjentów3 (0,22%)
Urządzenia powiązane z prospektywnymi badaniami klinicznymi34 (2,5%)

Badanie zespołu Rawan Abulibdeh (Uniwersytet w Toronto), PLOS Digital Health 2026

Słownik pojęć

FDA
Amerykańska Agencja ds. Żywności i Leków (Food and Drug Administration) – instytucja rządowa odpowiedzialna za regulację i dopuszczanie do obrotu m.in. wyrobów medycznych w USA.
Prospektywne badanie kliniczne
Badanie, w którym pacjentów rekrutuje się przed rozpoczęciem obserwacji i na bieżąco śledzi efekty interwencji medycznej, co pozwala na wiarygodną ocenę skuteczności danej technologii.
Ścieżka 510(k)
Uproszczona procedura FDA polegająca na wykazaniu, że nowe urządzenie medyczne jest co najmniej tak samo bezpieczne i skuteczne (równoważne) jak już zatwierdzone na rynku urządzenie referencyjne.
MDR
Rozporządzenie Parlamentu Europejskiego i Rady w sprawie wyrobów medycznych (Medical Device Regulation), regulujące zasady wprowadzania ich do obrotu na terenie UE.
AI Act
Unijne rozporządzenie o sztucznej inteligencji (Artificial Intelligence Act), wprowadzające zharmonizowane przepisy dotyczące rozwoju, wdrażania i stosowania systemów AI w UE.

Najczęstsze pytania

Dlaczego tak mało urządzeń medycznych AI przechodzi badania kliniczne wpływu na pacjentów?
FDA dopuszcza większość wyrobów medycznych klasy II (w tym algorytmy AI) poprzez tzw. procedurę 510(k). Wymaga ona jedynie wykazania równoważności technologicznej i funkcjonalnej z produktem już legalnie sprzedawanym w USA, a nie prowadzenia kosztownych i czasochłonnych prospektywnych badań klinicznych z udziałem ludzi.
Jakie trzy konkretne urządzenia medyczne AI przeszły takie badania?
Są to: IDx-DR (diagnostyka retinopatii cukrzycowej), ContaCT (wykrywanie udarów) oraz OsteoDetect (diagnozowanie złamań nadgarstka). Badania tych narzędzi oceniały parametry takie jak śmiertelność lub jakość życia pacjentów.
Jak do kwestii bezpieczeństwa AI podchodzi Europa w porównaniu do USA?
Unia Europejska wprowadziła regulacje MDR oraz AI Act. Wprowadzają one znacznie ostrzejsze reguły klasyfikacji ryzyka dla systemów AI i wymagają szczegółowej oceny klinicznej przed dopuszczeniem ich do użytku, co kontrastuje z amerykańską procedurą 510(k).
Czym grozi brak klinicznej weryfikacji medycznych algorytmów AI?
Brak rzetelnych badań klinicznych może prowadzić do nieskuteczności oprogramowania w warunkach rzeczywistych. Przykładem jest algorytm firmy Epic Systems do wykrywania sepsy, który w niezależnym badaniu z 2021 r. przeoczył aż 67% przypadków tej zagrażającej życiu infekcji.

Pierwsi napisali na ten temat

Komentarze (0)

0/2000
Następny artykuł

Błędy AI w gabinetach: 9 z 20 narzędzi dopisuje nieistniejące objawy

Raport audytorki generalnej kanadyjskiej prowincji Ontario wykazał poważne błędy w systemach AI używanych przez lekarzy. Aż 9 z 20 testowanych narzędzi dopisywało nieistniejące objawy i sugerowało badania, o których w rozmowie nie było mowy. Mimo że z systemów korzysta już około 5 tysięcy lekarzy, ministerstwo zdrowia zapewnia, że nie odnotowano przypadków faktycznego szkodzenia pacjentom.

Czytaj dalej

Powiązane artykuły

Błędy AI w gabinetach: 9 z 20 narzędzi dopisuje nieistniejące objawy

Audytorka generalna Ontario Shelley Spence opublikowała 15 maja 2026 roku raport, z którego wynika, że 9 z 20 testowanych systemów AI do transkrypcji rozmów lekarskich dopisywało fałszywe dane medyczne.

pulsmedycyny.pl
rynekzdrowia.pl
16 maj

Metaanaliza z Chin: AI zwiększa wykrywalność pięciu z siedmiu analizowanych nowotworów

Chińska metaanaliza 49 badań wykazała, że sztuczna inteligencja w diagnostyce obrazowej zwiększa wykrywalność pięciu z siedmiu analizowanych nowotworów.

deutschesgesundheitsportal.de
medwiss.de
26 cze

Analiza wykazała brak gotowości AI do prognozowania chorób serca

Modele sztucznej inteligencji przeznaczone do prognozowania chorób serca nie są jeszcze gotowe do użytku klinicznego z powodu poważnych braków metodologicznych. Takie wnioski płyną z międzynarodowego badania opublikowanego 12 sierpnia 2026 roku.

thehindu.com
thefoxdaily.com
14 sie

WHO: trzy czwarte państw UE korzysta już ze sztucznej inteligencji w diagnostyce

74 proc. państw UE wykorzystuje już sztuczną inteligencję w diagnostyce – wynika z opublikowanego 21 kwietnia 2026 r. raportu WHO Europe.

alertmedyczny.pl
medexpress.pl
+2
21 kwi

AI w diagnostyce raka piersi: przyszłość, która potrzebuje zrozumienia

Wprowadzenie technologii AI do wczesnego wykrywania raka piersi może znacząco poprawić wyniki zdrowotne, ale wymaga zrozumienia jej skuteczności i potencjalnych ograniczeń w różnych populacjach. Badania pokazują, że AI może identyfikować kobiety z wyższym ryzykiem raka, ale różnorodność demograficzna oraz kwestie etyczne pozostają kluczowymi wyzwaniami.

healtheuropa.com
16 mar

Sztuczna inteligencja zwiększa wykrywalność polipów podczas kolonoskopii

Południowokoreańscy badacze wykazali w badaniu klinicznym prowadzonym od maja 2023 do kwietnia 2025 roku, że użycie sztucznej inteligencji podczas kolonoskopii zwiększa wykrywalność polipów z 54,5 do 72,2 procent.

deutschesgesundheitsportal.de
medwiss.de
21 sie
StartSzukaj