Personel East Kent Hospitals NHS Trust jako pierwszy w Wielkiej Brytanii korzysta na co dzień z systemu MEMORI, sztucznej inteligencji ostrzegającej o ryzyku zakażenia szpitalnego zanim pojawią się jego objawy. Ciekawszy od samej technologii jest jednak sposób, w jaki trafiła ona na oddziały.
Kluczowe fakty:
- East Kent Hospitals NHS Trust jako pierwszy szpital w Wielkiej Brytanii wdrożył system MEMORI, który analizuje rutynowo zbierane dane kliniczne (wyniki badań krwi, ciśnienie, temperaturę, informacje o lekach) i generuje indywidualny wskaźnik ryzyka zakażenia dla każdego pacjenta, zanim pojawią się objawy kliniczne.
- System MEMORI został opracowany przez brytyjską firmę medtech Sanome i zintegrowany z używanym już w szpitalu oprogramowaniem Sunrise, dzięki czemu personel widzi wskazania bezpośrednio na liście pacjentów i tablicy śledzenia – bez konieczności korzystania z osobnej aplikacji.
- MEMORI posiada wbudowane zabezpieczenie: celowo odmawia przeprowadzenia analizy, gdy pacjent znajduje się poza zatwierdzonym obszarem wdrożenia lub gdy dostępne dane są niekompletne bądź niewiarygodne, co ma zapobiegać fałszywym wskazaniom.
Sztuczna inteligencja w szpitalach kojarzy się zwykle z analizą obrazów radiologicznych albo robotami chirurgicznymi. Tymczasem East Kent Hospitals University NHS Foundation Trust (EKHUFT) pokazuje inny scenariusz zastosowania AI: cichą, ciągłą analizę danych, które i tak są już zbierane każdego dnia przy każdym łóżku.
Znajdź dostawcę, partnera lub narzędzie dla swojego biznesu, a jeśli prowadzisz firmę, która w swoim DNA ma AI, skorzystaj z możliwości bezpłatnego dodania swojej firmy.
Co właściwie robi MEMORI
System, opracowany przez brytyjską firmę medtech Sanome, przetwarza rutynowo gromadzone dane kliniczne, wyniki badań krwi, ciśnienie, temperaturę, informacje o lekach i cechy demograficzne pacjenta. Zestawia je ze sobą i szuka powtarzających się zależności, które mogą zapowiadać rozwijające się zakażenie. Efektem jest indywidualny wskaźnik ryzyka dla każdego chorego.
Julie Jones, kierowniczka oddziału w EKHUFT, opisała działanie narzędzia wprost:
„System generuje wynik, tzw. wynik pamięciowy, który wskazuje, czy pacjent jest narażony na ryzyko wystąpienia infekcji, zanim faktycznie zaobserwujemy jej rozwój” / „The system generates a score, the memory score, that indicates whether a patient is at risk of developing an infection before we would actually see it clinically.”
MEMORI zintegrowano z systemem Sunrise już używanym w szpitalu, więc personel widzi wskazania tam, gdzie i tak pracuje na co dzień: na liście pacjentów, tablicy śledzenia, arkuszu przepływu. Nie jest to więc kolejna aplikacja do sprawdzania osobno.
Warto dodać, że narzędzie nie działa bezkrytycznie wszędzie. Gdy pacjent znajduje się poza zatwierdzonym obszarem wdrożenia albo gdy dane (na przykład skala SpO₂ Scale 2) nie powinny zostać użyte do oceny, system celowo odmawia analizy. To zabezpieczenie ma zapobiegać fałszywym wskazaniom tam, gdzie dane są niepełne lub niewiarygodne.
Skąd te trzy dni przewagi
MEMORI to narzędzie wspomagania decyzji klinicznych oparte na wyjaśnialnej AI, które pomaga wcześniej wykrywać zakażenia szpitalne, analizując dane pacjenta w czasie rzeczywistym. Najbardziej konkretną liczbą, jaką podaje sama firma, jest to, że wczesne badania wskazują na możliwość wykrywania zagrażających życiu predykcji zakażeń nawet trzy dni wcześniej niż w standardowej praktyce. Producent deklaruje też wstępnie, że MEMORI radzi sobie lepiej od stosowanej w NHS skali NEWS2 w wykrywaniu pogorszenia stanu pacjenta, choć to wciąż dane preliminarne, nie wynik dużego badania klinicznego opublikowanego w recenzowanym czasopiśmie.
W sierpniu MEMORI stało się pierwszym w Wielkiej Brytanii wielomodalnym wyrobem medycznym klasy IIb z certyfikatem CE dla systemów AI przewidujących zakażenia. To istotne, bo oznacza formalny status regulowanego wyrobu medycznego, nie eksperymentalnego prototypu.
Skala problemu, który MEMORI ma rozwiązywać, jest spora. Zakażenia nabyte w szpitalu kosztują NHS rocznie około 2,7 miliarda funtów. System trafił już wcześniej do Royal Hospital for Neuro-disability, gdzie ruszył w grudniu 2025 roku na czterech oddziałach obsługujących pacjentów ze złożonymi schorzeniami neurologicznymi, którzy są szczególnie podatni na infekcje. Kolejne wdrożenia w NHS zaplanowano na cały 2026 rok.
Wdrożenie systemu AI do wykrywania zakażeń w szpitalu to dobra wiadomość, ale nie bezwarunkowa. Sama technologia analizująca dane kliniczne w czasie rzeczywistym istnieje od lat, różnica polega na tym, jak dokładnie ją wprowadzono. MEMORI nie zastępuje oceny lekarza ani skali NEWS2, tylko dokłada jedną warstwę ostrzegawczą, a personel miał realny wpływ na kształt alertów zanim system trafił na oddział. To model, który warto śledzić, bo pokazuje że opór wobec AI w medycynie często bierze się nie z samej technologii, tylko ze sposobu jej narzucania odgórnie. Pytanie brzmi, czy trzydniowe wyprzedzenie faktycznie przełoży się na twarde dane o śmiertelności i długości hospitalizacji, gdy pojawią się wyniki na większej populacji pacjentów. Na razie mamy wczesne, obiecujące sygnały od samego producenta, nie niezależną publikację naukową.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Dlaczego zaangażowanie personelu miało znaczenie
To właśnie sposób wdrożenia wyróżnia ten przypadek na tle wielu innych prób wprowadzenia AI do szpitali. System jest w pełni regulowanym wyrobem medycznym typu software, wpisującym się w dziesięcioletni plan NHS zakładający odejście od rozwiązań analogowych na rzecz cyfrowych. Ale plan strategiczny to jedno, a codzienna akceptacja personelu to drugie.
Sanome rozwijało MEMORI w modelu współprojektowania. Pielęgniarki, pracownicy ochrony zdrowia, konsultanci i terapeuci uczestniczyli w opracowywaniu alertów i sprawdzali, czy narzędzie faktycznie wspiera pracę kliniczną, nie dokłada kolejnych obowiązków. Rzecznik Sanome podsumował to tak:
„Kiedy lekarze pomagają w kształtowaniu narzędzi cyfrowych, ich wdrażanie jest łatwiejsze, a technologia staje się naturalną częścią klinicznego przepływu pracy” / „When clinicians help shape digital tools, adoption becomes easier and the technology becomes a natural part of the clinical workflow.”
Efekt tego podejścia widać w liczbach użycia, nie tylko w deklaracjach. Z narzędzia korzysta codziennie 85 procent lekarzy w EKHUFT, co jak na nowo wdrożony system kliniczny jest wynikiem wysokim. Benedikt von Thüngen, założyciel i dyrektor generalny Sanome, założył firmę po tym jak u jego ojca rozwinęła się sepsa. W rozmowie z BBC Kent tłumaczył motywację inaczej niż typowy język marketingowy startupów:
„Ludzie pracują w ochronie zdrowia, bo chcą zapewniać opiekę i komfort, a nie polować na informacje albo je analizować” / „People work in healthcare because they want to provide care and comfort, not go hunting for information or analysing that information.”
Ward manager Julie Jones ujęła korzyść z perspektywy codziennej pracy pielęgniarki jeszcze prościej: narzędzie daje czas, by faktycznie być z pacjentami, poświęcać czas na opiekę nad nimi, zamiast godzinami przekopywać się przez dokumentację.
Co to oznacza dla polskich szpitali
Skala problemu zakażeń szpitalnych w Polsce nie jest wcale mniejsza niż w Wielkiej Brytanii, zmienia się tylko sposób jego opisywania. Kontrola Najwyższej Izby Kontroli wykazała, że badania punktowe prowadzone zgodnie z zaleceniami Rady Europy pokazały, że rzeczywista liczba zakażeń szpitalnych w Polsce może być nawet pięciokrotnie wyższa, niż wynika z oficjalnych danych Ministerstwa Zdrowia prezentowanych w mapach potrzeb zdrowotnych. W kontrolowanym okresie mogło dochodzić do około 400 tysięcy zakażeń rocznie, a średni pobyt w szpitalu, wynoszący normalnie nieco ponad pięć i pół dnia, wydłużał się przy zakażeniu do ponad 16 dni.
NIK zwróciła też uwagę na słaby punkt, w który celuje właśnie takie narzędzie jak MEMORI: liczba badań mikrobiologicznych przypadających na jedno łóżko szpitalne w Polsce była około dwukrotnie niższa niż średnia unijna, a to właśnie one pozwalają wcześnie wykrywać zakażenia. Kilka faktów z polskiego systemu w skrócie:
- zakażenia szpitalne dotyczą 5-10 procent hospitalizowanych pacjentów w Polsce,
- efektywne systemy kontroli zakażeń mogą, według szacunków ECDC, zmniejszyć to ryzyko o 55-70 procent,
- żaden z 18 skontrolowanych przez NIK szpitali nie dysponował precyzyjnymi danymi o kosztach leczenia powikłań zakażeń, a w 7 z nich w ogóle nie prowadzono takiej ewidencji księgowej,
- trzy szpitale objęte kontrolą nie miały nawet izolatek, co jest niezgodne z ustawą o zwalczaniu zakażeń.
Żaden polski szpital nie ma dziś systemu analogicznego do MEMORI zintegrowanego z elektroniczną dokumentacją medyczną w czasie rzeczywistym. Polskie inwestycje w kontrolę zakażeń koncentrują się na razie głównie na dezynfekcji fizycznej, robotach UV-C i systemach zamgławiania nadtlenkiem wodoru, a nie na predykcyjnej analizie danych klinicznych. Brytyjski model współprojektowania z personelem medycznym pokazuje jednak coś więcej niż samą technologię: strukturę wdrożenia, którą dałoby się powielić niezależnie od tego, jaki dostawca AI ostatecznie trafiłby do polskiego szpitala. Skoro to właśnie brak danych o kosztach i niedostateczna diagnostyka mikrobiologiczna wypadają najgorzej w polskich kontrolach, narzędzie skupione właśnie na tych dwóch obszarach mogłoby mieć tu realne zastosowanie.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Co dalej
Sanome zapowiada rozwój narzędzia w kierunku MEMORI v2, wspierany grantem Innovate UK w wysokości ponad 300 tysięcy funtów, przyznanym we współpracy z NIHR HealthTech Research Centre. Kolejna faza programu ma trwać 18 miesięcy i objąć integrację dodatkowych danych multimodalnych, w tym wyników laboratoryjnych, recept i notatek klinicznych, a także poprawę wyjaśnialności modelu. Celem jest zwiększenie skuteczności predykcji o kolejne 20 procent.
Współpraca Sanome z EKHUFT ma się w przyszłości rozwijać także poza obszar przewidywania zakażeń szpitalnych, choć na razie firma nie precyzuje w jakim kierunku dokładnie.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz materiału źródłowego CyberDefence24.pl z dnia 7 lipca 2026 roku, a także Hospital Management, Med-Tech Insights oraz BioFocus. Dane o zakażeniach szpitalnych w Polsce pochodzą z raportu Najwyższej Izby Kontroli. Cytaty Julie Jones, Benedikta von Thüngena i rzecznika Sanome zostały zweryfikowane z oryginalnym anglojęzycznym materiałem źródłowym. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o kolejnych wdrożeniach MEMORI w placówkach NHS.
