ARTYKUŁ PRZEGLĄDOWY
Perspektywy ekonomiczne i społeczne stosowania sztucznej inteligencji w medycynie – korzyści, zagrożenia i wyzwania
1
Centrum Badań nad Innowacjami, Akademia Bialska im. Jana Pawła II, Polska
Data nadesłania: 09-03-2026
Data akceptacji: 27-05-2026
Data publikacji: 12-06-2026
Autor do korespondencji
Ewa Plażuk
Centrum Badań nad Innowacjami, Akademia Bialska im. Jana Pawła II, Sidorska 107, 21-500, Biała Podlaska, Polska
Centrum Badań nad Innowacjami, Akademia Bialska im. Jana Pawła II, Sidorska 107, 21-500, Biała Podlaska, Polska
Rozprawy Społeczne/Social Dissertations 2026;20(1):143-153
SŁOWA KLUCZOWE
sztuczna inteligencja w medycyniespołeczne implikacje AIzagrożenia związane z AIetyka sztucznej inteligencji w opiece zdrowotnej
DZIEDZINY
STRESZCZENIE
Streszczenie: Celem artykułu jest przedstawienie społecznych i ekonomicznych perspektyw
wdrożenia sztucznej inteligencji w ochronie zdrowia oraz identyfikacja kluczowych
wyzwań związanych z jej szerszym stosowaniem. Wskazano na poprawę jakości diagnostyki,
zwiększenie dostępności opieki, efektywność ekonomiczną, ale też aspekty etyczne. Materiał i metody: Artykuł opiera się na analizie dostępnej literatury oraz przeglądzie zagadnień dotyczących zastosowania sztucznej inteligencji w medycynie, ze szczególnym uwzględnieniem aspektów społecznych, ekonomicznych, etycznych i regulacyjnych. Wyniki: Wykazano, że zastosowanie sztucznej inteligencji w medycynie przyczynia się do
poprawy jakości diagnostyki, zwiększenia dostępności opieki zdrowotnej oraz podniesienia
efektywności ekonomicznej systemów ochrony zdrowia. Wnioski: Sztuczna inteligencja AI ma istotny potencjał transformacyjny w ochronie zdrowia,
jednak jej szerokie wdrożenie wiąże się z koniecznością rozwiązania problemów regulacyjnych
oraz uwzględnienia wyzwań społecznych i ekonomicznych.
REFERENCJE (33)
1.
Abramoff, M. D., Whitestone, N., Patnaik, J. L., Rich, E., Ahmed, M., Husain, L., Hassan, M. Y., Tanjil, M. S. H., Weitzman, D., Dai, T., Wagner, B. D., Cherwek, D. H., Congdon, N., Islam, K. (2023). Autonomous artificial intelligence increases real-world specialist clinic productivity in a cluster--randomized trial. Npj Digital Medicine, 6(1), 1-8. https://doi.org/10.1038/s41746....
2.
Aerts, H. J. W. L., Velazquez, E. R., Leijenaar, R. T. H., Parmar, C., Grossmann, P., Carvalho, S., Bussink, J., Monshouwer, R., Haibe-Kains, B., Rietveld, D., Hoebers, F., Rietbergen, M. M., Leemans, C. R., Dekker, A., Quackenbush, J., Gillies, R. J., Lambin, P. (2014). Decoding tumour phenotype by noninvasive imaging using a quantitative radiomics approach. Nature Communications, 5(1). https://doi.org/10.1038/ncomms....
3.
Al Marouf, A., Rokne, J. G., Alhajj, R. (2025). Integrating Multi-Omics and Medical Imaging in Artificial Intelligence-Based Cancer Research: An Umbrella Review of Fusion Strategies and Applications. Cancers, 17(22), 3638. https://doi.org/10.3390/cancer....
4.
Bhuyan, S. S., Sateesh, V., Mukul, N., Galvankar, A., Mahmood, A., Nauman, M., Rai, A., Bordoloi, K., Basu, U., Samuel, J. (2025). Generative Artificial Intelligence Use in Healthcare: Opportunities for Clinical Excellence and Administrative Efficiency. Journal of Medical Systems, 49(1). https://doi.org/10.1007/s10916....
5.
Buess, L., Keicher, M., Navab, N., Maier, A. (2025). From large language models to multimodal AI: a scoping review on the potential of generative AI in medicine. Biomed. Eng. Lett. 15, 845-863. https://doi.org/10.1007/s13534....
6.
Carstens, M., Vasisht, S., Zhang, Z., Barbur, I., Reinke, A., Maier-Hein, L., Hashimoto, D. A., Kolbinger, F. R. (2025). Artificial intelligence for surgical scene understanding: a systematic review and reporting quality meta-analysis. Npj Digital Medicine, 9(1). https://doi.org/10.1038/s41746....
7.
Chatzikou, M., Latsou, D., Apostolidis, G., Billis, A., Charisis, V., Rigas, E. S., Bamidis, P. D., Hadjileontiadis, L. (2025). Economic Evaluation of Artificially Intelligent (AI) Diagnostic Systems: Cost Consequence Analysis of Clinician-Friendly Interpretable Computer-Aided Diagnosis (ICADX) Tested in Cardiology, Obstetrics, and Gastroenterology, from the HosmartAI Horizon 2020. Project. Healthcare, 13(14), 1661. https://doi.org/10.3390/health....
8.
Choi, E., Siddharth Biswal, Malin, B., Duke, J., Stewart, W. F., Sun, J. (2017). Generating Multi-label Discrete Patient Records using Generative Adversarial Networks. Proceedings of Machine Learning for Healthcare, 68. https://doi.org/10.48550/arxiv....
9.
Collins, F. S., Varmus, H. (2015). A new initiative on precision medicine. New England Journal of Medicine, 372(9), 793-795. https://doi.org/10.1056/NEJMp1....
10.
Doshi-Velez, F., Kim, B. (2017). Towards a rigorous science of interpretable machine learning. arXiv. https://doi.org/10.48550/arXiv....
11.
Eisemann, N., Bunk, S., Mukama, T., Baltus, H., Elsner, S. A., Gomille, T., Hecht, G., Heywang-Köbrunner, S., Rathmann, R., Siegmann-Luz, K., Töllner, T., Vomweg, T. W., Leibig, C., Katalinic, A. (2025). Nationwide real-world implementation of AI for cancer detection in population-based mammography screening. Nature Medicine, 31, 917-924. https://doi.org/10.1038/.s4159....
12.
El Arab, R. A., Al Moosa, O. A. (2025). Systematic review of cost effectiveness and budget impact of artificial intelligence in healthcare. Npj Digital Medicine, 8, 548. https://doi.org/10.1038/s41746....
13.
Esteva, A., Robicquet, A., Ramsundar, B., Kuleshov, V., DePristo, M., Chou, K., Cui, C., Corrado, G., Thrun, S., Dean, J. (2019). A Guide to Deep Learning in Healthcare. Nature Medicine, 25(1), 24-29. https://doi.org/10.1038/s41591....
14.
Goh, S., Sze, R., Chong, B., Ng, Q. X., Hartman, M. (2024). Challenges in Implementing Artificial Intelligence in Breast Cancer Screening Programs: A Systematic Review and Framework for Safe Adoption (Preprint). Journal of Medical Internet Research, 27. https://doi.org/10.2196/62941.
15.
Huang, J., Xiang, Y., Gan, S., Zhang, Y., Wang, H., Liu, X. (2025). Application of artificial intelligence in medical imaging for tumor diagnosis and treatment: a comprehensive approach. Discover Oncology, 16, 1625. https://doi.org/10.1007/s12672....
16.
Jalilian, L., McDuff, D., Kadambi, A. (2024). The Potential and Perils of Generative Artificial Intelligence for Quality Improvement and Patient Safety. arXiv Preprint. https://doi.org/10.48550/arXiv....
17.
Jiang, F., Jiang, Y., Zhi, H., Dong, Y., Li, H., Ma, S., Wang, Y., Dong, Q., Shen, H., Wang, Y. (2017). Artificial Intelligence in Healthcare: Past, Present and Future. Stroke and Vascular Neurology, 2(4), 230-243. https://doi.org/10.1136/svn-20....
18.
Kelshiker, M. A., Bächtiger, P., Petri, C. F., Nakhare, S., Mansell, J., Chhatwal, K., Alrumayh, A., Zaman, J., Shah, M., Young, H., Roy, H., Almonte, M. T., Costelloe, C., Razak, Y., Majeed, A., Howard, J. P., Barton, C., Kramer, D. B., Plymen, C. M., Peters, N. S. (2026). Triple cardiovascular disease detection with an artificial intelligence-enabled stethoscope (TRICORDER) in the UK: a cluster-randomised controlled implementation trial. The Lancet, 407, 704-715. https://doi.org/10.1016/S0140-....
19.
Mahajan, A., Heydari, K., Powell, D. (2025). Wearable AI to enhance patient safety and clinical decision-making. Npj Digital Medicine, 8(1). https://doi.org/10.1038/s41746....
20.
Mesko, B. (2017). The role of artificial intelligence in precision medicine. Expert Review of Precision Medicine and Drug Development, 2(5), 239-241. https://doi.org/10.1080/238089....
21.
McKinsey & Company. (2025). Generative AI in healthcare: Current trends and future outlook. Retrieved from: https://www.mckinsey.com/indus... (Access date: 20.05.2026).
22.
Moulaei, K., Yadegari, A., Baharestani, M., Ahmadi, M., Safdari, R., Mohammadzadeh, N. (2024). Generative Artificial Intelligence in Healthcare: A Scoping Review on Benefits, Challenges and Ap-plications. International Journal of Medical Informatics, 188, 105474.
23.
Obermeyer, Z., Emanuel, E. J. (2016). Predicting the future - big data, machine learning, and clinical medicine. The New England Journal of Medicine, 375, 1216-1219.
24.
Obermeyer, Z., Powers, B., Vogeli, C., Mullainathan, S. (2019). Dissecting racial bias in an algorithm used to manage the health of populations. Science, 366(6464), 447-453.
25.
Raza, M. M., Venkatesh, K. P. Kvedar, J. C. (2024). Generative AI and large language models in health care: pathways to implementation. npj Digital Medicine, 7, 62. https://doi.org/10.1038/s41746....
26.
Sahni, N., Stein, G., Zemmel, R., Cutler, D. M. (2023). The potential impact of artificial intelligence on healthcare. NBER Working Paper No. 31536. https://www.nber.org/papers/w3....
27.
Sparrow, R., Hatherley, J. (2025). The promise and perils of AI in medicine. Critical ethical and organizational analysis of AI implementation in healthcare systems. International Journal of Chinese and Comparative Philosophy of Medicine, 17(2), 79-109. https://doi.org/10.24112/ijccp....
28.
Song, J., Gao, Y., Liu, W., Zhang, Z., Wang, X., Chen, Y., Wu, I. X. (2025). Effectiveness of Artificial Intel-ligence-Assisted Examination for Cancer Detection in Medical Imaging: A Systematic Review and Meta-Analysis. Journal of the American College of Radiology : JACR, 23(4), 586-598. https://doi.org/10.1016/j.jacr....
29.
Topol, E. (2019). Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again. Basic Books.
30.
Yang, H., Dai, T., Mathioudakis, N., Knight, A. M., Yuna Nakayasu, Wolf, R. M. (2025). Peer perceptions of clinicians using generative AI in medical decision-making. NPJ Digital Medicine, 8, 530.
31.
Yi, X., Walia, E., Babyn, P. (2019). Generative adversarial network in medical imaging: A review. Medical Image Analysis, 58, 101552. https://doi.org/10.1016/j.medi....
32.
International Trade Administration. (2023). Healthcare resource guide: Poland. U.S. Department of Commerce. Retrieved from: https://www.trade.gov/country-... (Access date: 20.05.2026).
33.
World Health Organization (WHO). (2021). Ethics and governance of artificial intelligence for health: WHO guidance. World Health Organization.
| eISSN: | 2657-9332 |
Przetwarzamy dane osobowe zbierane podczas odwiedzania serwisu. Realizacja funkcji pozyskiwania informacji o użytkownikach i ich zachowaniu odbywa się poprzez dobrowolnie wprowadzone w formularzach informacje oraz zapisywanie w urządzeniach końcowych plików cookies (tzw. ciasteczka). Dane, w tym pliki cookies, wykorzystywane są w celu realizacji usług, zapewnienia wygodnego korzystania ze strony oraz w celu monitorowania ruchu zgodnie z Polityką prywatności. Dane są także zbierane i przetwarzane przez narzędzie Google Analytics (więcej).
Możesz zmienić ustawienia cookies w swojej przeglądarce. Ograniczenie stosowania plików cookies w konfiguracji przeglądarki może wpłynąć na niektóre funkcjonalności dostępne na stronie.
Możesz zmienić ustawienia cookies w swojej przeglądarce. Ograniczenie stosowania plików cookies w konfiguracji przeglądarki może wpłynąć na niektóre funkcjonalności dostępne na stronie.
