AI, robotyka i długowieczność. Medycyna wchodzi w nową fazę

Jeszcze kilka lat temu rozmowa o sztucznej inteligencji w medycynie brzmiała głównie jak zapowiedź przyszłości.

Dziś coraz wyraźniej widać, że AI przestaje być eksperymentem technologicznym, a zaczyna realnie zmieniać sposób diagnozowania, leczenia, projektowania leków i zarządzania systemami ochrony zdrowia. Najważniejsza zmiana nie polega jednak na tym, że algorytm „zastąpi lekarza”. Prawdziwy przełom dzieje się gdzie indziej: medycyna przesuwa się z modelu reaktywnego w stronę profilaktyki, personalizacji i szybszego podejmowania decyzji.

Dobrym przykładem tej zmiany jest Roche, które w marcu 2026 roku ogłosiło rozwój jednej z największych infrastruktur AI w sektorze farmaceutycznym. Firma wdraża 2176 procesorów NVIDIA Blackwell w lokalizacjach w USA i Europie, a cała jej infrastruktura GPU przekracza 3500 układów Blackwell. Roche określa to jako hybrydową „AI factory” dla badań, diagnostyki i rozwoju terapii. Co ważne, firma nie mówi tylko o większej mocy obliczeniowej, ale o przebudowie całego łańcucha wartości: od odkrywania leków, przez badania kliniczne, diagnostykę, produkcję i komercjalizację. Jak ujęła to Wafaa Mamilli, Chief Digital and Technology Officer Roche: „In healthcare, time is the most critical variable; every day saved means a life-changing medicine or diagnostic reaches a patient sooner.”

To zdanie dobrze oddaje kierunek zmian. W farmacji AI nie jest dziś wyłącznie narzędziem do analizy danych. Coraz częściej staje się warstwą operacyjną, która łączy laboratoria, modele biologiczne, produkcję i decyzje biznesowe. W przypadku Roche ważny jest także wątek BioNeMo i pracy w modelu „Lab-in-the-Loop”, gdzie eksperymenty biologiczne i chemiczne są łączone z modelami AI, aby szybciej testować hipotezy i analizować wyniki na dużą skalę.

Podobny kierunek widać w Europie. W kwietniu 2026 roku Boehringer Ingelheim ogłosił uruchomienie w Londynie centrum AI i machine learning w ramach globalnej sieci Computational Innovation. Firma wskazuje, że nowe centrum ma wspierać badania i rozwój leków, a sam wybór Londynu nie jest przypadkowy, miasto łączy silne zaplecze life science, AI, danych i talentów technologicznych. To pokazuje, że Europa nie chce być wyłącznie odbiorcą rozwiązań AI w medycynie, ale miejscem, w którym powstają narzędzia realnie wpływające na przyszłość farmacji.

Jeszcze mocniejszy sygnał przyszedł z rynku finansowania technologii medycznych. W maju 2026 roku londyńskie Isomorphic Labs, spółka wywodząca się z Google DeepMind, pozyskało 2,1 mld dolarów na rozwój platformy AI do projektowania leków. Firma chce skalować swój silnik projektowania leków i przesuwać kandydatów terapeutycznych w stronę badań klinicznych. To ważny moment, bo pokazuje, że AI drug discovery przechodzi z fazy dowodów koncepcji do fazy dużego kapitału, infrastruktury i komercyjnej skali.

Polska również ma w tym obszarze swoje konkretne przykłady. Centrum e-Zdrowia rozwija Platformę Usług Inteligentnych, która ma umożliwić wprowadzenie narzędzi AI do placówek medycznych w całym kraju, szczególnie w diagnostyce obrazowej. W pierwszym etapie chodzi m.in. o analizę RTG, tomografii komputerowej i rezonansu magnetycznego, a zakres obejmuje wykrywanie zmian nowotworowych w płucach, zatorowości płucnej, zmian patologicznych w RTG klatki piersiowej, zmian nowotworowych piersi, zmian niedokrwiennych i krwotocznych w mózgu oraz złamań układu kostno-szkieletowego. To nie jest już futurystyczna wizja. To systemowe podejście do realnego problemu: przeciążenia diagnostyki, kolejek i ograniczonej dostępności specjalistów.

Centrum e-Zdrowia wskazuje, że wdrożenie PUI ma poprawić efektywność ochrony zdrowia, wspierać diagnostykę i profilaktykę, umożliwiać dokładniejszą diagnostykę obrazową dzięki modelom AI, automatycznie priorytetyzować przypadki wymagające pilnej interwencji oraz skracać czas oczekiwania na końcowy opis badania. To bardzo praktyczne zastosowanie AI: nie zastępuje lekarza, ale pomaga szybciej wyłapać przypadki, które nie powinny czekać.

Ten kierunek dobrze łączy się z tematem długowieczności. Nie chodzi tu o popkulturową obietnicę „wiecznej młodości”, ale o zmianę logiki medycyny. Jeśli system potrafi wcześniej wykryć chorobę, lepiej monitorować pacjenta, szybciej dobrać terapię i sprawniej produkować leki, to realnie wpływa nie tylko na długość życia, ale przede wszystkim na jego jakość. Longevity zaczyna coraz bardziej oznaczać nie „żyć dłużej za wszelką cenę”, ale żyć dłużej w lepszym zdrowiu.

W tym kontekście szczególnie ciekawy jest głos prof. Davida Sinclaira z Harvard Medical School. Podczas World Governments Summit 2026 w Dubaju Sinclair mówił, że starzenie coraz częściej powinno być traktowane jak proces biologiczny, który można badać i potencjalnie modyfikować, a nie jak nieuchronny los. Padło tam zdanie, które bardzo dobrze pokazuje zmianę myślenia: „Ageing is a medical condition that is increasingly treatable.” Sinclair podkreślał też, że jego zespół przygotowuje się do pierwszych badań klinicznych terapii epigenetycznego programowania, mających sprawdzić możliwość przywracania komórkom bardziej młodzieńczego stanu funkcjonalnego.

Tu trzeba zachować proporcje. To nie oznacza, że mamy „lek na starzenie”. Ale w 2026 roku pojawił się kamień milowy, który trudno zignorować. Life Biosciences ogłosiło zgodę FDA na rozpoczęcie badań klinicznych ER-100 – terapii wykorzystującej częściowe epigenetyczne przeprogramowanie w chorobach nerwu wzrokowego, takich jak jaskra otwartego kąta i niearterytyczna przednia niedokrwienna neuropatia nerwu wzrokowego. Firma opisuje ER-100 jako pierwszą terapię „cellular rejuvenation” opartą na epigenetycznym reprogramowaniu, która uzyskała zgodę FDA na wejście do badań klinicznych u ludzi. Badanie fazy I ma przede wszystkim ocenić bezpieczeństwo i tolerancję, a także wpływ na wybrane parametry wzroku.

To właśnie w takich miejscach rola AI może być największa. Badania nad starzeniem, regeneracją tkanek i chorobami związanymi z wiekiem generują ogromne ilości danych: epigenetycznych, obrazowych, klinicznych, molekularnych. Bez zaawansowanych modeli trudno będzie je analizować w tempie, którego oczekuje współczesna medycyna. AI może przyspieszać identyfikację biomarkerów, modelować ryzyko, wspierać projektowanie terapii i pomagać przewidywać bezpieczeństwo interwencji zanim trafią one do większych badań klinicznych.

Najciekawsze jest to, że wszystkie te elementy zaczynają się łączyć. AI w diagnostyce daje wcześniejszy sygnał. Zdalne monitorowanie pozwala obserwować pacjenta poza szpitalem. Modele predykcyjne pomagają dobierać terapię. Automatyzacja, robotyka i cyfrowe bliźniaki usprawniają produkcję leków. Infrastruktura obliczeniowa daje firmom farmaceutycznym możliwość pracy na skali, która jeszcze niedawno była poza zasięgiem. A longevity staje się nie osobnym trendem, lecz naturalnym przedłużeniem tej samej zmiany: przejścia od leczenia chorób do zarządzania zdrowiem w czasie.

Borys Jagielski AI Future CEE