Sztuczna inteligencja w rezonansie magnetycznym nie pisze wierszy, nie prowadzi rozmów i nie trafia na okładki, więc prawie nikt o niej nie mówi. A tymczasem skróciła badanie kolana z pół godziny do dziesięciu minut, przy czterokrotnie wyższej rozdzielczości obrazu.
Kluczowe fakty:
- Dzięki algorytmom AI opartym na sieciach neuronowych czas badania rezonansem magnetycznym kolana skrócił się z 30 do 10 minut, a rozdzielczość uzyskiwanego obrazu wzrosła czterokrotnie.
- Systemy AI rekonstruują obraz z niedopróbkowanych danych, usuwając szum i artefakty, co eliminuje konieczność wielokrotnego uśredniania pomiarów – dotychczas główną przyczynę długiego czasu skanowania.
- Informacje o tej zmianie pochodzą z wywiadu PAP z dr. Wojciechem Szewczykiem, przewodniczącym Sekcji Diagnostyki w Medycynie Sportowej Polskiego Lekarskiego Towarzystwa Radiologicznego, opublikowanego 31 lipca 2026 roku.
Ten wątek wyłowiłem z rozmowy, którą PAP przeprowadziła z dr. Wojciechem Szewczykiem, przewodniczącym Sekcji Diagnostyki w Medycynie Sportowej Polskiego Lekarskiego Towarzystwa Radiologicznego. Wywiad ukazał się 31 lipca 2026 roku i w dużej części dotyczy urazów sportowych, ścięgien, więzadeł i złamań zmęczeniowych. Ale jego najciekawszy fragment przemyka niemal mimochodem.
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.
Ta sama maszyna, jedna trzecia czasu
Szewczyk opisuje to bez patosu. Kiedy zaczynał pracę, rezonans kolana zajmował trzydzieści minut. Dziś to samo badanie, na tym samym typie aparatu, trwa dziesięć minut i daje obraz o czterokrotnie wyższej rozdzielczości. Różnicę robi oprogramowanie rekonstruujące obraz.
„Niewiele się o tym mówi, bo nie jest to tak spektakularne jak chatboty”
I ma rację. Przez ostatnie trzy lata cała uwaga poszła w stronę generowania tekstu i obrazków, a jedna z najbardziej wymiernych zmian w medycynie zadziała się w cieniu, w konsolach skanerów.
Dlaczego rezonans w ogóle trwał tak długo
Rezonans magnetyczny zbiera surowe dane w przestrzeni częstotliwości, a jakość obrazu zależy od stosunku sygnału do szumu. Klasyczna droga do dobrego sygnału była prosta i kosztowna: skanować dłużej, powtarzać pomiary, uśredniać. Stąd protokoły po dwadzieścia i trzydzieści minut, stąd pacjenci nieruchomo leżący w tunelu.
Sieci neuronowe odwróciły ten rachunek. Algorytm nauczony na parach obrazów słabej i wysokiej jakości potrafi z niedopróbkowanych danych odtworzyć obraz, usuwając szum i artefakty pierścieniowe. Skoro szum przestaje być problemem, można zrezygnować z uśredniania, podnieść pasmo odczytu i mocniej przyspieszyć akwizycję. Trzy rozwiązania dominują dziś w klinikach:
- Deep Resolve Boost od Siemens Healthineers
- AIR Recon DL od GE HealthCare
- SmartSpeed od Philipsa
Producenci mówią o skróceniu badań o 40 do 50 procent. Publikacje naukowe podają przedziały od 30 do 70 procent, w zależności od sekwencji i narządu. W neuroradiologii opisano skrócenie protokołów o połowę bez utraty jakości diagnostycznej.
Jedno badanie, trzy wyniki
Druga rzecz, o której mówi Szewczyk, idzie dalej niż samo przyspieszenie. Algorytmy potrafią z danych rezonansu wygenerować syntetyczne obrazy przypominające tomografię komputerową i zdjęcie rentgenowskie. Pacjent leży w jednym aparacie, radiolog dostaje trzy rodzaje obrazowania, a przy okazji znika dawka promieniowania jonizującego. To wciąż etap badań klinicznych, ale kierunek jest czytelny.
Zmienia się też to, co w ogóle widać. Na aparacie 3-teslowym z akceleratorami AI więzadło krzyżowe przednie przestaje być czarnym pasmem, a staje się strukturą, w której radiolog rozróżnia poszczególne pęczki, tkankę łączną między nimi, nawet pojedyncze naczynia. Można rozpoznać blizny po dawnych urazach, czyli coś, co wcześniej po prostu ginęło w rozdzielczości.
Mam z tą technologią pewien problem, i nie jest to problem z nią samą. Przyspieszenie badania o połowę to realna korzyść dla pacjenta, który krócej leży w ciasnym tunelu, i dla szpitala, który przyjmie więcej osób tym samym sprzętem. Nikt rozsądny nie będzie z tym dyskutował.
Niepokoi mnie co innego. Rekonstrukcja obrazu przez sieć neuronową to nie jest filtr wyostrzający. To model, który uzupełnia brakujące dane na podstawie tego, czego się nauczył. Pytanie, co robi z rzadkim guzem kości, którego w zbiorze treningowym nie było, nie jest paranoją, tylko normalnym pytaniem inżynierskim. Radiolog patrzy na obraz częściowo wygenerowany i zwykle nie ma jak sprawdzić, gdzie kończą się dane, a zaczyna interpolacja.
Druga sprawa to rachunek za sukces. Jeśli skaner robi dwa razy więcej badań, ktoś musi je opisać. W Polsce radiologów jest mało i szybciej ich nie przybędzie. Przyspieszenie na wejściu bez wzmocnienia opisu przesuwa wąskie gardło, zamiast je usuwać, a kolejka może zamienić się z kolejki do aparatu w kolejkę do wyniku.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Czy algorytm może domalować albo wymazać zmianę
To pytanie zadaje sobie także środowisko radiologiczne. W styczniu 2025 roku w „Radiology” ukazał się komentarz redakcyjny prof. Miki Nevalainena z Uniwersytetu w Oulu, który sformułował problem wyjątkowo dosadnie:
„Mamy tylko słowo sprzedawcy, że nic nie zostało pominięte ani zmyślone” / „We only have the salesperson’s word that nothing is left out or hallucinated”
Nevalainen odnosił się do badania, które ten zarzut częściowo rozbraja. Zespół Sebastiana Waltera porównał rezonans kolana przyspieszony metodami głębokiego uczenia z protokołem klasycznym, biorąc jako punkt odniesienia artroskopię, czyli faktyczne zajrzenie do stawu. Stu szesnastu pacjentów, siedmiu opisujących radiologów. Wynik: lepsza jakość obrazu, porównywalna skuteczność w wykrywaniu uszkodzeń łąkotek i więzadeł, lepsza w ocenie ubytków chrząstki, wysoka zgodność między oceniającymi. Żadnych zmyślonych zmian ani pominiętych patologii.
To jedno badanie, w jednym ośrodku, na jednym stawie. Nevalainen pisze wprost, że potrzebne są wieloośrodkowe badania prospektywne z porządnym punktem odniesienia, zanim uznamy sprawę za zamkniętą. Sam przy tym prognozuje, że rutynowe protokoły zejdą w najbliższych latach do pięciu minut.
Ekonomia, czyli dlaczego szpitale to kupują
Najbardziej konkretne liczby przyszły ze szpitala uniwersyteckiego w Oulu. Zespół Mikaela Brixa policzył, co daje wdrożenie rekonstrukcji opartej na uczeniu głębokim w całej flocie skanerów. Sekwencje TSE przyspieszyły średnio o niecałe 60 procent, przepustowość pracowni wzrosła o 20 do 32 procent, a szpital może utrzymać ten sam poziom usług, mając o jeden aparat mniej. Oszczędność: 399 tysięcy euro rocznie.
Najmocniejszy argument to jednak proporcja kosztów. Zakup licencji na algorytmy wyniósł około 11 procent ceny kolejnego skanera. Przy aparacie kosztującym miliony to różnica, której żaden dyrektor finansowy nie przeoczy.
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 to oznacza dla polskich pacjentów i szpitali
Polska jest dokładnie tym rynkiem, na którym taka technologia powinna działać najmocniej, bo mamy za mało sprzętu i za mało ludzi. Z raportu OECD „Health at a Glance 2023″ wynika, że wykonujemy 171 badań obrazowych na tysiąc mieszkańców przy średniej dla krajów OECD na poziomie 254. Radiologów, według danych Naczelnej Izby Lekarskiej, mamy nieco ponad 4,2 tysiąca, a kontrola NIK pokazała braki kadrowe w niemal jednej trzeciej sprawdzonych placówek.
Kolejki to widać gołym okiem. Serwisy agregujące dane NFZ podawały pod koniec lipca 2026 roku średni prognozowany czas oczekiwania na rezonans w okolicach dwóch miesięcy, przy rozpiętości od trzydziestu kilku do stu dni między województwami. Gazeta Prawna pisała wiosną o średniej bliższej dziewięćdziesięciu dniom. W pojedynczych wrocławskich pracowniach terminy przekraczają cztery miesiące. Do tego doszły zmiany w finansowaniu nadwykonań, po których płatnik pokrywa połowę stawki za tomografię i rezonans wykonane ponad limit, co dla wielu placówek oznacza mniejszą ochotę na przyjmowanie dodatkowych pacjentów.
W tym układzie oprogramowanie zwiększające przepustowość o jedną czwartą jest tańsze niż jakikolwiek program inwestycyjny. Ale nie rozwiąże trzech rzeczy:
- limitów NFZ, bo szybszy skaner nie zwiększa kontraktu
- niedoboru radiologów opisujących badania
- braku krajowych ram oceny takich narzędzi, gdy rekonstrukcja obrazu wchodzi pod reżim rozporządzenia o wyrobach medycznych i AI Actu jednocześnie
Bo szpital, który kupi licencję i zwiększy liczbę badań, a potem będzie czekał sześć tygodni na opis, poprawi statystykę, nie leczenie.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym wywiadu PAP z dr. Wojciechem Szewczykiem opublikowanego przez Rynek Zdrowia z dnia 31.07.2026, komentarza redakcyjnego prof. Miki Nevalainena w czasopiśmie Radiology oraz analizy kosztowej zespołu Mikaela Brixa ze szpitala uniwersyteckiego w Oulu opublikowanej w European Journal of Radiology. Wykorzystano również dane OECD „Health at a Glance 2023″, materiały producentów systemów rekonstrukcji obrazu (Siemens Healthineers, GE HealthCare, Philips), badanie zespołu Sebastiana Waltera opublikowane w „Radiology” oraz publicznie dostępne zestawienia czasów oczekiwania na świadczenia NFZ. Cytat prof. Miki Nevalainena został zweryfikowany 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 zastosowaniu algorytmów rekonstrukcji obrazu w diagnostyce rezonansem magnetycznym.
