Sztuczna inteligencja wkracza do kardiologii w sposób, który jeszcze kilka lat temu brzmiałby jak science fiction. Badanie pilotażowe ASSIST-HF SIRIO, opublikowane w lutym 2026 roku w „Journal of the American College of Cardiology”, pokazuje, że wirtualny asystent AI może optymalizować leczenie farmakologiczne pacjentów z niewydolnością serca szybciej i skuteczniej niż standardowa opieka prowadzona przez kardiologa lub pielęgniarkę.
Wyniki są zaskakujące nawet dla samych badaczy. Pacjenci obsługiwani przez asystenta AI osiągali maksymalne tolerowane dawki leków znamiennie częściej niż ci, którzy korzystali z tradycyjnej opieki specjalistycznej. W przypadku beta-blokerów skuteczność wyniosła 100% w grupie AI wobec 52% w grupie kontrolnej. Przy inhibitorach receptora dla angiotensyny i neprilizyny proporcje wyglądały podobnie: 100% versus 37%.
Jeśli chcesz otrzymać raport przed oficjalną premierą oraz zobaczyć nazwę swojej firmy wśród uczestników badania – zostaw adres email na końcu ankiety.
Co to jest ASSIST-HF SIRIO?
To randomizowane badanie pilotażowe, w którym wzięło udział 60 pacjentów z nowo rozpoznaną niewydolnością serca ze zmniejszoną frakcją wyrzutową (HFrEF). Połowę przydzielono losowo do opieki prowadzonej przez wirtualnego asystenta AI, pozostałych objęto standardową opieką kardiologa lub pielęgniarki specjalizującej się w niewydolności serca.
W grupie z AI kontakt z pacjentem odbywał się co dwa tygodnie. Niekliniczny administrator zbierał dane za pomocą ustandaryzowanego wywiadu: objawy, ciśnienie krwi, masa ciała, wyniki laboratoryjne. Te informacje trafiały do wirtualnego asystenta, który generował spersonalizowane zalecenia farmakologiczne. Dopiero potem zdalny kardiolog zatwierdzał, modyfikował lub odrzucał każde zalecenie. Decyzja należała zawsze do lekarza.
Jak działa SIRIO-HF?
Asystent SIRIO-HF zbudowany jest na bazie dużego modelu językowego (LLM), wyposażonego w mechanizm retrieval-augmented generation (RAG). To oznacza, że model nie operuje wyłącznie na wiedzy zakodowanej podczas treningu, lecz na bieżąco sięga do skonfigurowanej bazy aktualnych wytycznych kardiologicznych. Dodatkowe zabezpieczenia w postaci eksperckiego prompt engineeringu mają minimalizować ryzyko halucynacji i narzucają ramy bezpieczeństwa każdej generowanej rekomendacji.
Jak wyjaśnił główny autor badania, prof. Eliano P. Navarese z Link Campus University w Rzymie:
„GDMT optimization is a structured, guideline-driven process that depends on serial clinical inputs. A large language model can support this only if used within a constrained, safety-first architecture — not as an open-ended chatbot” / „Optymalizacja GDMT to ustrukturyzowany, oparty na wytycznych proces zależny od kolejnych danych klinicznych. Duży model językowy może go wspierać wyłącznie wtedy, gdy działa w ograniczonej architekturze stawiającej bezpieczeństwo na pierwszym miejscu, a nie jako chatbot bez reguł.”
Kto stoi za badaniem?
Wśród autorów badania znalazł się dr Dean J. Kereiakes, przewodniczący Christ Hospital Heart and Vascular Institute w Cincinnati. To jeden z najbardziej doświadczonych kardiologów interwencyjnych w Stanach Zjednoczonych, który uczestniczył w ponad 1600 protokołach badań klinicznych i przeprowadził ponad 30 000 procedur kardiologicznych. Jego współudział w projekcie nadaje badaniu solidny wymiar praktyczny.
Projekt był finansowany przez East and North Hertfordshire NHS Trust w Wielkiej Brytanii, a sam model wirtualnego asystenta wyrósł ze środowiska europejskiej sieci badawczej SIRIO MEDICINE, działającej m.in. z bazą w Bydgoszczy.
Przyjęcie przez pacjentów: wyższe, niż oczekiwano
Jednym z bardziej zaskakujących wyników był wysoki poziom akceptacji po stronie pacjentów. Aż 90% uczestników z grupy AI uznało model opieki za akceptowalny, 92% oceniło go jako odpowiedni, a 88% przyznało mu wysoką wykonalność. 87% pacjentów uzyskało wynik powyżej 80 punktów w złożonym wskaźniku akceptowalności.
To istotna informacja. Często w dyskusjach o AI w medycynie pomijamy jeden z kluczowych czynników: czy pacjent w ogóle chce korzystać z takiej opieki? Tu odpowiedź brzmi: tak.
Wyniki tego badania są obiecujące i nie można ich lekceważyć. Ale musimy zachować ostrożność, bo 60 pacjentów w jednym centrum to wciąż bardzo mała próba. Widzę tutaj ogromny potencjał, szczególnie w kontekście systemów ochrony zdrowia, które pękają w szwach z braku specjalistów. W Polsce ten problem jest nam bliski jak w mało którym kraju w Europie. Z drugiej strony, pytanie o odpowiedzialność nigdy nie znika. Kto ponosi konsekwencje, gdy zalecenie AI okaże się błędne, nawet jeśli kardiolog je zatwierdził? Transparentność algorytmu, ścieżka audytu, nadzór ludzki przy każdej decyzji, to są warunki absolutnie niezbędne, żeby taka technologia mogła być wdrożona z zachowaniem pełnego zaufania pacjentów i lekarzy. AI nie zastępuje tu kardiologa, ale zmienia jego rolę. Czy jesteśmy gotowi na tę zmianę jako system?
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Problem skali i dostępu do specjalistów
Kontekst demograficzny jest niepokojący. Jak wskazał dr Trejeeve Martyn, kardiolog ze Section of Heart Failure and Cardiac Transplantation w Cleveland Clinic i dyrektor ds. zdrowia populacyjnego w zakresie niewydolności serca:
„We have nearly 7 million patients with heart failure living in the United States and given epidemiologic trends in obesity and an aging population, heart failure prevalence is projected to increase in the coming years” / „W Stanach Zjednoczonych żyje prawie 7 milionów pacjentów z niewydolnością serca, a biorąc pod uwagę trendy epidemiologiczne związane z otyłością i starzeniem się populacji, częstość występowania tej choroby w kolejnych latach będzie rosła.”
Jednocześnie Martyn wskazał, że zaledwie 25-30% pacjentów hospitalizowanych z powodu niewydolności serca trafia do kardiologa w ciągu 30 dni od wypisu. To luka, którą AI może próbować wypełniać.
AI w kardiologii: szerszy trend
ASSIST-HF SIRIO to nieodosobniony głos w tej dyskusji. Na konferencji THT 2026 w Bostonie, która odbyła się na początku marca tego roku, kilka sesji poświęcono właśnie integracji AI w leczeniu niewydolności serca. Tematy obejmowały:
- wykrywanie niezdiagnozowanej niewydolności serca i kierowanie pacjentów na echokardiografię,
- AI-enabled HF clinics,
- wsparcie dla rekrutacji do badań klinicznych,
- etykę, bias i kwestie regulacyjne.
Navarese wprost podkreślił, że jego projekt różni się od większości zastosowań AI w kardiologii: zamiast skupiać się na modelach predykcyjnych czy wskaźnikach ryzyka, umieszcza generatywną AI bezpośrednio w realnej ścieżce terapeutycznej, z pełnym nadzorem, ścieżką audytu i obowiązkową akceptacją lekarza przy każdej decyzji.
Co dalej?
Pilotaż to dopiero początek. Badacze wskazują, że konieczne są większe, wieloośrodkowe badania z twardymi punktami końcowymi, takimi jak śmiertelność, rehospitalizacje i długoterminowa jakość życia. Potrzeba też analizy tego, jak pacjenci reagują na opiekę AI w dłuższym horyzoncie i jak kształtuje się relacja lekarz-pacjent w modelu, gdzie pierwszym punktem kontaktu jest algorytm.
Jedno jest pewne: AI w kardiologii przestała być abstrakcją. Publikacja w JACC to sygnał, że środowisko medyczne traktuje ten temat poważnie. Pytanie nie brzmi już „czy AI wejdzie do kliniki”, ale „na jakich zasadach”.
