Sztuczna inteligencja w fizjoterapii: co jest faktem, a co tylko marketingowym szumem w 2026 roku

Stan wykorzystania sztucznej inteligencji w fizjoterapii – kategoria po kategorii

„Sztuczna inteligencja w fizjoterapii” to trzy różne technologie na trzech różnych etapach rozwoju, a wrzucanie ich do jednego worka pokazuje, jak marketing wyprzedza rzeczywistość. Podział na kategorie pozwala zorientować się, co faktycznie działa już dziś.

• Wsparcie w zakresie dokumentacji ma swoje zastosowanie w praktyce klinicznej. Narzędzia do automatycznego zapisywania notatek sporządzają notatki z sesji, a placówki medyczne korzystają z nich już na co dzień.
• Analiza ruchu jest dziedziną wciąż rozwijającą się i zależną od wyników walidacji. Technologia przetwarzania obrazu i czujniki noszone na ciele działają pod względem technicznym, ale liczba zweryfikowanych przez ekspertów dowodów potwierdzających ich przydatność kliniczną jest wciąż niewielka.
• Systemy wspomagania decyzji klinicznych pozostają na etapie badań. Modele segregacji medycznej i prognozowania wyników leczenia funkcjonują głównie w czasopismach naukowych i akademickich placówkach służby zdrowia, a nie w prywatnych gabinetach.

We wszystkich trzech przypadkach można dostrzec jedną wspólną tendencję. Wprowadzenie danego rozwiązania zależy od wiarygodności opublikowanych dowodów, a nie od tego, jak przekonująco brzmi dostawca. Tam, gdzie badania są rzetelne, lekarze korzystają z tego narzędzia. Tam, gdzie tak nie jest, wstrzymują się z decyzją.

Pomoc w zakresie dokumentacji: rysowanie w otoczeniu i tworzenie notatek

Dokumentacja to obszar, w którym sztuczna inteligencja faktycznie znalazła zastosowanie w gabinetach fizjoterapii, a stało się tak, ponieważ związane z tym zadanie dobrze wpisuje się w możliwości tej technologii. Narzędzia do automatycznego sporządzania notatek rejestrują przebieg wizyty za pomocą mikrofonu w telefonie lub w gabinecie, transkrybują rozmowę i generują szkic notatki podzielonej na sekcje: subiektywną, obiektywną, dotyczącą oceny oraz planu postępowania. Następnie terapeuta sprawdza, poprawia i podpisuje notatkę. Maszyna sporządza szkic, a człowiek pozostaje odpowiedzialny za to, co trafia do dokumentacji medycznej.

Czynnikiem skłaniającym do korzystania z tych narzędzi jest obciążenie związane z dokumentacją, które jest dobrze zmierzone w całym sektorze opieki zdrowotnej. Według szeroko cytowanego badania opublikowanego w czasopiśmie „Annals of Internal Medicine” lekarze poświęcają blisko dwie godziny na prowadzenie dokumentacji elektronicznej i pracę biurową na każdą godzinę bezpośredniej opieki nad pacjentem. Fizjoterapeuci borykają się z podobnym obciążeniem, ponieważ sporządzanie notatek często wykracza poza zaplanowane godziny pracy i przyczynia się do wypalenia zawodowego. Wczesne wdrożenia technologii automatycznego zapisywania danych w systemie opieki zdrowotnej przynoszą skromne, a nie spektakularne korzyści. Badanie na dużą skalę opisane przez serwis STAT wykazało jedynie niewielkie skrócenie całkowitego czasu poświęcanego na elektroniczną dokumentację medyczną oraz brak znaczących zmian w zakresie wypełniania kart po godzinach pracy, przy czym większe korzyści odniosła opieka podstawowa oraz lekarki.

W fizjoterapii wdrażanie tych rozwiązań przebiega wprawdzie na wcześniejszym etapie niż w podstawowej opiece lekarskiej, ale jest to zjawisko realne i zyskujące na popularności. Amerykańskie Stowarzyszenie Fizjoterapii (American Physical Therapy Association) zaczęło uwzględniać narzędzia generatywne w swoich wytycznych praktycznych, traktując je jako nową formę pomocy w dokumentacji, którą klinicyści muszą nadzorować, a nie bezwarunkowo jej ufać. Obecnie większość wdrożeń w fizjoterapii ma miejsce w ramach większych grup ambulatoryjnych i klinik powiązanych ze szpitalami, które już korzystają z korporacyjnych systemów dokumentacji medycznej, ponieważ placówki te dysponują personelem ds. zgodności z przepisami, który weryfikuje nowe źródło notatek, zanim trafi ono do rozliczeń.

Kwestia dokładności ma największe znaczenie właśnie w przypadku rzetelnego opisu. Systemy generujące notatki automatycznie tworzą płynne, wiarygodne zapisy, a płynność to nie to samo, co poprawność. Wygenerowana notatka może błędnie przypisać objaw, wymyślić szczegół, o którym lekarz nigdy nie wspomniał, lub zniwelować niejednoznaczny wynik, nadając mu fałszywą pewność. Ponieważ szkic wygląda na poprawny, zabiegany lekarz może łatwiej zatwierdzić błąd, niż zauważyć puste pole. Etap weryfikacji nie jest formalnością, a kliniki, które tak go traktują, ponoszą związane z tym ryzyko.

Odpowiedzialność wynika z podpisu, a nie z oprogramowania. Gdy sporządzona przez sztuczną inteligencję notatka zawiera błąd mający wpływ na opiekę medyczną lub wynik audytu, odpowiedzialność za ten dokument ponosi lekarz, który go podpisał, a obowiązujące przepisy dotyczące błędów w sztuce lekarskiej i licencji nie dają żadnej ochrony w przypadku powierzenia sformułowania treści modelowi. Dostawcy w swoich warunkach zrzekają się odpowiedzialności klinicznej, co oznacza, że kwestia odpowiedzialności ma jednoznaczną odpowiedź, która skłania do zachowania ostrożności.

Kolejnym ograniczeniem jest ryzyko związane z płatnikami i zgodnością z przepisami. Dokumentacja fizjoterapii musi potwierdzać medyczną konieczność zabiegów, uzasadniać plan opieki oraz odpowiadać kodom rozliczeniowym, a generowane notatki mogą zawierać zbyt ogólne sformułowania, które nie przejdą weryfikacji płatnika, nawet jeśli opieka kliniczna była prawidłowa. Notatka, która brzmi dobrze, ale nie zawiera konkretnych deficytów funkcjonalnych i mierzalnych celów oczekiwanych przez płatnika, może spowodować odrzucenie rozliczenia lub żądanie zwrotu środków. Kliniki, które z powodzeniem wdrażają system automatycznego generowania notatek, traktują je jako pierwszy szkic, który lekarz przekształca w dokumentację zgodną z wymogami, a nie jako gotowy zapis, który zatwierdzają masowo.

Analiza ruchu: wizja komputerowa i czujniki noszone na ciele do badania chodu i ruchu

Analiza ruchu to dziedzina, w której technologia ta rzeczywiście sprawdza się, a twierdzenia kliniczne znacznie wyprzedzają dostępne dowody. Dwie odrębne klasy narzędzi są łączone w ramach tej samej strategii marketingowej, a ich rozróżnienie stanowi pierwszy krok do rzetelnej oceny wszelkich zapewnień dostawców. Systemy przechwytywania ruchu klasy laboratoryjnej, wykorzystujące układy markerów i platformy siłowe, opierają się na dziesięcioleciach badań biomechanicznych i dostarczają pomiarów, którym lekarze mogą zaufać. Natomiast narzędzia do analizy wideo i szacowania pozycji ciała przeznaczone dla konsumentów – takie, z których klinika może korzystać za pomocą tabletu lub telefonu – wykorzystują wizję komputerową do wnioskowania o położeniu stawów na podstawie zwykłego materiału filmowego, a ich dokładność znacznie się różni w zależności od oświetlenia, kąta ustawienia kamery, ubioru oraz śledzonego ruchu.

Baza badań recenzowanych dotyczących narzędzi na telefony i tablety jest skromna i obejmuje głównie badania o niewielkiej skali. W badaniach walidacyjnych zazwyczaj bierze udział kilkudziesięciu uczestników, a wyniki wskazują na zgodność z danymi z systemu przechwytywania ruchu opartego na markerach w przypadku konkretnych zadań, takich jak przysiad lub stanie na jednej nodze, w kontrolowanych warunkach. Badania te zazwyczaj wykazują akceptowalną zgodność w przypadku dużych, płaskich ruchów oraz znacznie słabszą zgodność w przypadku ruchów obrotowych, precyzyjnych kątów stawowych lub wszelkich pomiarów wykonywanych poza osią. Narzędzie, które szacuje zgięcie kolana z dokładnością do kilku stopni podczas filmowanego przysiadu, spełnia swoje zadanie. To samo narzędzie, które twierdzi, że potrafi ilościowo określić subtelną asymetrię chodu w zatłoczonym korytarzu kliniki, wysuwa twierdzenie, którego opublikowane badania nie potwierdzają.

To, gdzie kliniki faktycznie stosują te narzędzia dzisiaj, mówi więcej niż broszury. Na czele listy zastosowań znajdują się badania wydajności sportowej i badania przesiewowe sportowców, ponieważ ruchy są powtarzalne, sportowcy są chętni do współpracy, a ryzyko związane z błędnym pomiarem jest mniejsze niż w rehabilitacji medycznej. Niektóre programy rehabilitacji ortopedycznej i neurologicznej prowadzą projekty pilotażowe, często w ramach klinik uniwersyteckich lub sieci szpitalnych, które mogą porównać wyniki z danymi z własnych laboratoriów wyposażonych w odpowiednią aparaturę. Technologia ta praktycznie nie dotarła jeszcze do głównego nurtu prywatnej praktyki lekarskiej. Większość klinicystów oceniających chód lub jakość ruchu nadal opiera się na wyszkolonej obserwacji i sprawdzonych testach funkcjonalnych – nie dlatego, że odrzucają tę technologię, ale dlatego, że żadne narzędzie wideo nie wykazało jeszcze, iż poprawia wyniki, których klinicysta nie byłby w stanie ocenić samodzielnie.

Czujniki inercyjne noszone na ciele stanowią krok naprzód w stosunku do samych danych wideo. Akcelerometry i żyroskopy przymocowane do kończyny lub noszone jako wkładki do butów mierzą kadencję, czas kroku i symetrię kroku z większą niezawodnością niż szacowanie pozycji ciała, ponieważ rejestrują ruch bezpośrednio, a nie wnioskują o nim na podstawie pikseli. Badania chodu z wykorzystaniem urządzeń noszonych na ciele przyniosły bardziej spójne, opublikowane wyniki, szczególnie w odniesieniu do liczby kroków i parametrów czasowych. Nadal istnieje rozbieżność między wiarygodnym pomiarem parametru a wykazaniem, że podjęcie działań w oparciu o ten parametr wpływa na powrót pacjenta do zdrowia, a właśnie tego drugiego rodzaju badań większość dostawców nie przeprowadziła.

Rzetelna ocena na rok 2026 wskazuje, że analiza ruchu zapewnia szybki i powtarzalny sposób rejestrowania określonych pomiarów, a nie stanowi sprawdzonego substytutu oceny klinicznej. Każdy wynik dotyczący dokładności należy traktować jako uzależniony od konkretnego zadania i warunków, w jakich został przetestowany, oraz należy zapytać, czy w ramach walidacji narzędzie porównano z „złotym standardem” w zakresie rejestracji ruchu, czy też nie porównano go z niczym. Narzędzie, które przyspiesza proces zalecania ćwiczeń, to zupełnie inna kwestia niż narzędzie, które twierdzi, że zapewnia pomiary ruchu na poziomie diagnostycznym. Na przykład kreator programów Physitrack wykorzystuje inteligentne wyszukiwanie, aby pomóc lekarzowi w szybkim znalezieniu ćwiczeń, co jest raczej funkcją wyszukiwania i usprawniania pracy niż analizą ruchu i warto odróżnić to od twierdzeń dotyczących szacowania pozycji ciała, o które tak naprawdę chodzi w tej kategorii.

Wsparcie w podejmowaniu decyzji klinicznych: segregacja pacjentów, prognozowanie wyników leczenia oraz wyszukiwanie dowodów naukowych

Wsparcie decyzji klinicznych to najmniej rozwinięta z tych trzech kategorii, a łatwo jest przecenić jej znaczenie. Większość istniejących rozwiązań pojawia się w czasopismach naukowych i w ramach pilotażowych projektów w systemie opieki zdrowotnej, a nie w oprogramowaniu kupowanym przez prywatne kliniki. Dostawcy czasami posługują się terminologią związaną ze wsparciem decyzji, aby opisać funkcje, które w rzeczywistości są jedynie wyszukiwaniem lub filtrowaniem, dlatego różnica między tym, co jest publikowane, a tym, co faktycznie wdrażane, ma tutaj większe znaczenie niż gdziekolwiek indziej.

Opublikowane prace można z grubsza podzielić na trzy grupy. Algorytmy wspomagające diagnostykę mają na celu wskazanie prawdopodobnych schorzeń lub skierowanie pacjentów na odpowiednią ścieżkę opieki na podstawie danych zebranych podczas przyjęcia. Modele prognozowania wyników szacują, jak pacjent zareaguje na dany przebieg leczenia, często wykorzystując obszerne zbiory danych dotyczących wcześniejszych przypadków w celu przewidzenia czasu powrotu do zdrowia lub prawdopodobieństwa uzyskania dobrego wyniku. Narzędzia do wyszukiwania dowodów naukowych i streszczania literatury pomagają lekarzowi szybciej znaleźć istotne badania dotyczące danego schorzenia lub interwencji niż w przypadku ręcznego przeszukiwania baz danych. Każde z tych narzędzi przyniosło wyniki poddane recenzji naukowej, a każde z nich pozostaje w dużej mierze ograniczone do akademickich ośrodków medycznych i zintegrowanych systemów opieki zdrowotnej, które dysponują infrastrukturą danych i personelem badawczym niezbędnym do ich obsługi.

Popularne komercyjne oprogramowanie do planowania leczenia rzadko oferuje takie funkcje. Model wytrenowany na populacji pacjentów jednego systemu opieki zdrowotnej nie da się automatycznie przenieść do innej placówki o odmiennej strukturze demograficznej i innych zwyczajach związanych z dokumentacją. W szczególności modele prognozowania wyników mają tendencję do pogorszenia jakości, gdy są stosowane poza zbiorem danych, na podstawie którego zostały stworzone, a ich walidacja w odniesieniu do nowych populacji wymaga czasu i pieniędzy, których większość dostawców nie zainwestowała. W rezultacie wsparcie decyzyjne, na które można powołać się w czasopiśmie naukowym, nie jest tym samym wsparciem, które można kupić i uruchomić już w przyszłym tygodniu.

Narzędzia wspomagające podejmowanie decyzji muszą spełniać wyższe wymagania niż narzędzia do dokumentacji, a powód jest prosty. Asystent sporządza notatkę, którą lekarz czyta, poprawia i podpisuje, dzięki czemu to człowiek zachowuje kontrolę nad ostateczną treścią dokumentacji. Algorytm segregacji medycznej lub model wyników ma bezpośredni wpływ na osąd kliniczny i może skłonić lekarza do podjęcia decyzji, zanim notatka zostanie w ogóle sporządzona. Gdy narzędzie kształtuje to, co decydujesz, a nie to, w jaki sposób dokumentujesz swoją decyzję, stawka związana z walidacją gwałtownie rośnie.

Ten bezpośredni wpływ na ocenę sytuacji jest również tym, co komplikuje kwestię odpowiedzialności. Jeśli sugestia wynikająca z triage’u skłoni pacjenta do rezygnacji z badania obrazowego, które okazało się konieczne, pojawia się pytanie, kto ponosi odpowiedzialność za to przeoczenie – w sposób, w jaki nigdy nie ma to miejsca w przypadku błędnie wpisanej notatki. Organy regulacyjne i stowarzyszenia zawodowe nie ustaliły jeszcze, w jakim stopniu klinicysta może polegać na zaleceniu algorytmicznym, zanim odpowiedzialność zostanie przeniesiona, a ta niepewność sprawia, że ostrożne placówki pozostają na uboczu. Dowody przemawiające na korzyść tych narzędzi mogą w końcu nadrobić zaległości, ale na razie uczciwa ocena sytuacji wskazuje, że wsparcie decyzji klinicznych w fizjoterapii jest dziedziną badań, a nie kategorią produktów.

Dlaczego wdrażanie wciąż pozostaje w tyle za marketingiem

Trzy czynniki wyjaśniają, dlaczego wdrażanie rozwiązań w placówkach przebiega znacznie wolniej niż obiecują dostawcy, i dotyczą one wszystkich trzech kategorii. Pierwszym z nich jest kwestia odpowiedzialności, która pozostaje nierozwiązana. Gdy asystent medyczny sporządza notatkę zawierającą błędne stwierdzenie lub narzędzie do triage’u sugeruje niewłaściwą klasyfikację, odpowiedzialność ponosi lekarz, który zatwierdził dokument, a nie oprogramowanie, które wygenerowało wynik. Taka struktura odpowiedzialności daje lekarzom wszelkie powody do spowolnienia pracy i dokładnego sprawdzania, co niweluje znaczną część wydajności obiecanej przez te narzędzia. Żaden organ regulacyjny nie wyznaczył jasnej granicy między odpowiedzialnością dostawcy a odpowiedzialnością kliniczną.

Niewystarczająca walidacja pogłębia problem odpowiedzialności poza dokumentacją. Metoda „ambient scribing” czerpie dowody z obszernego korpusu ogólnych badań z zakresu opieki zdrowotnej dotyczących czasu pracy lekarzy i wypalenia zawodowego, dzięki czemu opiera się na solidniejszych podstawach. Nie dotyczy to natomiast analizy ruchów i systemów wspomagania decyzji. Większość twierdzeń dotyczących analizy ruchów opiera się na niewielkich badaniach porównawczych z wykorzystaniem „złotego standardu” – technologii przechwytywania ruchu, a większość modeli wspomagania decyzji pozostaje w sferze publikacji naukowych, a nie jest wdrażana w praktyce. Dyrektor kliniki poproszony o uzasadnienie zakupu przed płatnikiem lub ubezpieczycielem od odpowiedzialności cywilnej ma niewiele recenzowanych podstaw, na których mógłby się oprzeć w odniesieniu do tych dwóch kategorii.

Sceptycyzm klinicystów wobec fizjoterapii jest udokumentowany i uzasadniony; nie jest to jednak odruchowy opór. W dyskusjach na forach APTA i w środowiskach zawodowych fizjoterapeutów wielokrotnie pojawiają się te same zastrzeżenia, w tym notatki, które brzmią wiarygodnie, ale zawierają zmyślone szczegóły, narzędzia zakładające idealne warunki rejestracji, których kliniki rzadko mają, oraz dostawcy przedstawiający wyniki badań pilotażowych jako niepodważalny dowód. Klinicyści, którzy widzieli, jak protokolant wymyśla objaw lub jak urządzenie do szacowania pozycji błędnie odczytuje kąty stawowe u otyłego pacjenta, nie potrzebują ostrzeżenia. Już uwzględnili to ryzyko w swoim zaufaniu.

Te trzy czynniki razem tworzą wzorzec strukturalny, a nie tymczasowe opóźnienie, które zniweluje lepszy cykl produktowy. Wdrażanie jest ściśle powiązane z jakością dowodów, a hierarchia dowodów w tych kategoriach jest stabilna. Dokumentacja cieszy się największym poparciem i najszerszym zastosowaniem; analiza ruchu znajduje zastosowanie w pilotażowych projektach dotyczących sportu i rehabilitacji specjalistycznej, gdzie kontrolowane warunki rekompensują ograniczoną walidację; natomiast wsparcie decyzyjne pozostaje ograniczone do akademickich ośrodków medycznych dysponujących personelem badawczym nadzorującym ten proces. Projekt pilotażowy odnosi sukces właśnie dlatego, że zmotywowany zespół kontroluje warunki. Codzienna praktyka pozbawia nas tej kontroli, więc wyniki osiągnięte w projekcie pilotażowym ulegają pogorszeniu, a narzędzie utknie w martwym punkcie, zanim dotrze do ogólnej populacji pacjentów.

Luka między badaniami a praktyką kliniczną zostaje zatem zniwelowana tylko wtedy, gdy dowody naukowe stają się bardziej przekonujące, a kwestia odpowiedzialności zostaje wyjaśniona dla poszczególnych kategorii. Zaufanie dostawców rośnie jednak szybciej niż oba te czynniki. To właśnie ta różnica w tempie, a nie brak jakiejkolwiek pojedynczej funkcji, sprawia, że marketing wciąż wyprzedza praktykę kliniczną.

Na co fizjoterapeuci powinni zwrócić szczególną uwagę w 2026 roku

Gdy dostawca określa produkt rehabilitacyjny jako „oparty na sztucznej inteligencji” (AI), zanim zapytasz o działanie tej funkcji, zapytaj, skąd pochodzą dowody na jej skuteczność. Prezentacja i studium przypadku to nie to samo, co weryfikacja. Poproś o recenzowane badanie naukowe potwierdzające wszelkie twierdzenia dotyczące dokładności lub wyników i sprawdź, czy autorzy są niezależni od firmy sprzedającej to narzędzie. Opracowane przez dostawcę raporty i wewnętrzne testy porównawcze pokazują jedynie, że produkt działa dobrze w warunkach wybranych przez dostawcę.

Zapytaj, w jakim stopniu narzędzie jest zgodne z uznanym punktem odniesienia. W przypadku analizy ruchu oznacza to zgodność ze złotym standardem – technologią przechwytywania ruchu – zastosowaną w opublikowanym badaniu, a nie porównanie z niczym. W przypadku dokumentacji oznacza to zmierzone wskaźniki błędów w generowanych notatkach, a nie deklarowaną oszczędność czasu.

Określ dokładnie, w jakich sytuacjach konieczna jest interwencja człowieka. Dowiedz się, który konkretny etap wymaga Twojej weryfikacji i zatwierdzenia, oraz ustal, kto ponosi odpowiedzialność w przypadku błędu narzędzia. Notatka, którą podpisujesz, jest Twoją notatką, niezależnie od tego, jakie oprogramowanie ją sporządziło. Sugerowana klasyfikacja stanu pacjenta, na podstawie której podejmujesz działanie, jest Twoją decyzją kliniczną.

Wszystkie trzy kategorie mają rzeczywiste zastosowanie, a rysowanie w otoczeniu znalazło swoje miejsce w codziennych procesach pracy. Pozostałe dwie znajdują się na krzywej dowodów dalej, niż sugeruje to ich marketing. Traktuj każdą etykietę „AI” jako twierdzenie, które należy zweryfikować w oparciu o opublikowane prace, a zdołasz odróżnić narzędzia, które naprawdę ci pomagają, od tych, które po prostu dobrze się sprzedają.