| Doradczynie i doradcy | Marine CORNELIS (doradczyni sprawozdawczyni, Grupa III) |
| Wniosek duńskiej prezydencji Rady UE | Pismo z 7.2.2025 |
| Podstawa prawna | Art. 304 Traktatu o funkcjonowaniu Unii Europejskiej |
| Sekcja odpowiedzialna | Sekcja Zatrudnienia, Spraw Społecznych i Obywatelstwa |
| Data przyjęcia przez sekcję | 3.9.2025 |
| Data przyjęcia na sesji plenarnej | 18.9.2025 |
|
Sesja plenarna nr Wynik głosowania (za/przeciw/wstrzymało się) |
599 97/0/0 |
1. Wnioski i zalecenia
1.1. EKES z zadowoleniem przyjmuje sposób, w jaki sztuczna inteligencja (AI) może optymalizować ścieżki opieki nad pacjentami cierpiącymi na choroby rzadkie oraz przyczyniać się do rozwoju leków spersonalizowanych i leczenia chorób rzadkich w celu poprawy stanu zdrowia i jakości życia pacjentów cierpiących na takie schorzenia. AI i duże zbiory danych mogą zrewolucjonizować leczenie chorób rzadkich, chroniąc jednocześnie prawa pacjentów i zapewniając innowacje w opiece zdrowotnej uwzględniające kwestie płci. Stosowanie AI i dużych zbiorów danych w badaniach nad chorobami rzadkimi budzi jednak poważne obawy dotyczące prywatności danych, stronniczości algorytmicznej, przystępności cenowej i dostępności geograficznej. EKES przedstawia szereg zaleceń, by złagodzić te obawy i zagwarantować, że AI i duże zbiory danych poprawią diagnostykę i leczenie chorób rzadkich, przy zachowaniu wysokich standardów etycznych i prawnych.
1.2. Komitet zachęca wszystkie państwa członkowskie do jak najszybszej cyfryzacji danych dotyczących zdrowia, ponieważ do optymalnego funkcjonowania europejskiej przestrzeni danych dotyczących zdrowia (EPDZ) i postępu badań naukowych niezbędne są lepsze normy rejestracji danych. Zaleca stosowanie na szczeblu krajowym kodów ORPHA w celu ułatwienia udostępniania danych na szczeblu transgranicznym.
1.3. Przy wdrażaniu EPDZ, państwa członkowskie powinny zapewnić, aby modele opieki zdrowotnej oparte na AI miały dostęp wyłącznie do zanonimizowanych i zaszyfrowanych danych pacjentów z myślą o uniknięciu nadużyć. Wszelki niewłaściwy użytek z danych dotyczących zdrowia musi podlegać proporcjonalnym i odstraszającym karom. Ponadto EKES zaleca, by państwa członkowskie ustanowiły jasne ramy dotyczące zgody pacjentów na wykorzystanie danych dotyczących zdrowia przez systemy sztucznej inteligencji oraz powołały niezależne organy monitorujące, które będą kontrolować projekty AI w dziedzinie zdrowia i zapewnią przejrzystość.
1.4. Europejska Agencja Leków powinna wymagać wyjaśnialności decyzji dotyczących opieki zdrowotnej opartych na rozszerzonej inteligencji w celu zapewnienia przejrzystości, a nadzór lekarzy nad zaleceniami i zastosowaniami medycznymi powinien być obowiązkowy.
1.5. Należy opracowywać szkolenia zawodowe dotyczące opartych na AI narzędzi diagnostycznych, aby wspomagać opiekę nad pacjentami cierpiącymi na choroby rzadkie i zapewniać sprawowanie nadzoru przez człowieka. UE i jej państwa członkowskie powinny kreować politykę promującą programy szkolenia we współpracy z instytucjami zawodowymi, przedsiębiorstwami, ośrodkami badawczymi, partnerami społecznymi oraz społeczeństwem obywatelskim. Ogólnounijne kampanie powinny zwiększać kompetencje pacjentów i pracowników medycznych w zakresie sztucznej inteligencji, aby w większym stopniu uświadamiać im rolę AI w diagnostyce i leczeniu chorób rzadkich.
1.6. Modele AI w opiece zdrowotnej powinny być szkolone na zróżnicowanych, zrównoważonych pod względem płci zbiorach danych, aby uniknąć dyskryminacji. EKES zaleca, aby Europejski Urząd ds. AI - we współpracy z Europejską Radą ds. Sztucznej Inteligencji - propagował stosowanie zróżnicowanych pod względem płci danych szkoleniowych, audytów dotyczących stronniczości oraz testów pod kątem płci przed wprowadzeniem na rynek zastosowań AI w medycynie. W Planie działania UE w dziedzinie edukacji cyfrowej należy przewidzieć ukierunkowane finansowanie dla kobiet zajmujących się AI i nauką o danych medycznych.
1.7. Europejski Instytut Innowacji i Technologii (EIT) powinien rozszerzyć programy mentorskie i programy rozwoju umiejętności przywódczych, aby zwiększyć udział kobiet w opartej na sztucznej inteligencji opiece zdrowotnej. W ramach klastra "Zdrowie" programu "Horyzont Europa" należy finansować ukierunkowane na kwestie płci i oparte na AI badania, by opracować lepsze narzędzia diagnozowania schorzeń, które w nieproporcjonalnie dużym stopniu dotykają kobiety i grupy niedostatecznie reprezentowane (np. choroby autoimmunologiczne, rzadkie nowotwory).
1.8. Struktury zarządzania danymi muszą umożliwiać pacjentom kontrolę nad ich danymi, w tym prawo do wycofania zgody i zrozumienia sposobu wykorzystania ich danych. Wyrażanie zgody musi być stałą procedurą, a nie jednorazową formalnością. Pacjent musi zachować kontrolę, szczególnie przed sprzedażą danych dotyczących zdrowia przetworzonych przez AI stronom trzecim. Modele spółdzielni danych lub rejestrów danych prowadzonych przez pacjentów (takie jak MIDATA w Szwajcarii 1 ) zyskują uznanie jako alternatywa dla korporacyjnych lub państwowych monopoli danych.
1.9. Aby zapobiec dominacji dużych korporacji, UE powinna przeznaczyć środki finansowe z programu "Horyzont Europa" na przedsiębiorstwa typu startup i MŚP opracowujące sztuczną inteligencję na potrzeby diagnostyki chorób rzadkich. "Horyzont Europa" i program "Cyfrowa Europa" powinny wspierać przystępne cenowo, dostępne narzędzia AI za pośrednictwem partnerstw publiczno-prywatnych. Należy zapewnić sprawiedliwy dostęp do danych, a oparte na AI innowacje zdrowotne powinny pozostać publicznie dostępne.
1.10. EKES z zadowoleniem przyjmuje rozwój AI w zakresie leków spersonalizowanych i terapii chorób rzadkich, lecz podkreśla potrzebę wprowadzenia zrównoważonych mechanizmów ustalania cen, zgodnych z kompetencjami krajowymi. Inwestycje publiczne w rozwój medycyny wymagają ustalania sprawiedliwych i zrównoważonych cen leczenia chorób rzadkich. Komitet zaleca, by w ramach Programu UE dla zdrowia utworzyć finansowaną ze środków publicznych i opartą na AI platformę diagnozowania chorób rzadkich oraz wdrożyć transgraniczną wymianę danych wspieraną przez sztuczną inteligencję w celu umożliwienia mniejszym szpitalom i instytucjom badawczym korzystania z postępów w dziedzinie AI.
1.11. Wreszcie należy ustanowić ogólnounijne wytyczne etyczne dotyczące AI w opiece zdrowotnej, zapewniające równy dostęp pacjentów i ich bezpieczeństwo.
2. Wprowadzenie
2.1. Szacuje się, że łącznie 5 % ludności cierpi na choroby genetyczne. Choroby rzadkie dotykają mniej niż 1 na 2 000 osób, lecz zważywszy, że istnieje ponad 7 000 rodzajów chorób rzadkich, na całym świecie obciążenie nimi jest spore 2 . Obecnie około 300 mln osób cierpi na choroby rzadkie, z czego 30 mln osób w Unii Europejskiej 3 .
2.2. Około 80 % chorób rzadkich ma podłoże genetyczne, z czego prawie 70 % występuje w dzieciństwie, a około 30 % dzieci z chorobą rzadką umiera przed ukończeniem piątego roku życia. Ze względu na niski współczynnik chorobowości pacjenci często borykają się z poważnymi wyzwaniami, takimi jak średnie opóźnienie w postawieniu diagnozy wynoszące 4-5 lat, ograniczone możliwości leczenia oraz brak skoordynowanej opieki. Według EURORDIS - Rare Diseases Europe w przypadku 95 % chorób rzadkich nie ma zatwierdzonego leczenia, przez co miliony osób pozostają bez odpowiedniego wsparcia medycznego.
2.3. AI i duże zbiory danych skrywają potencjał transformacyjny, który może pomóc w sprostaniu tym wyzwaniom poprzez optymalizację ścieżek leczenia pacjentów cierpiących na choroby rzadkie dzięki poprawie wczesnego wykrywania, umożliwieniu leczenia spersonalizowanego i wspieraniu innowacyjnych badań. Oparte na AI narzędzia diagnostyczne mogą analizować obrazy medyczne i dane genetyczne w celu wykrycia chorób rzadkich z dokładnością sięgającą w niektórych przypadkach 90 % 4 . Podobnie duże zbiory danych umożliwiają integrację rejestrów pacjentów w różnych krajach UE, pomagając naukowcom w identyfikacji nowych ścieżek leczenia.
2.4. EKES konsekwentnie wyraża solidarność ze społecznością osób cierpiących na choroby rzadkie poprzez swoje opinie 5 , organizację konferencji (w marcu i październiku 2023 r., listopadzie 2024 r. i kwietniu 2025 r. 6 ) oraz zachęcanie do wymiany informacji na temat chorób rzadkich. Nieustannie popiera apel o opracowanie europejskiego planu działania w zakresie chorób rzadkich, w którym należy podkreślić możliwości wykorzystania AI do optymalizacji ścieżek leczenia pacjentów oraz badań naukowych.
2.5. UE podjęła już działania zmierzające do wykorzystania nowych technologii przy jednoczesnej ochronie praw pacjentów:
- Europejska przestrzeń danych dotyczących zdrowia (EPDZ) i europejskie sieci referencyjne (ESR) 7 mają ułatwiać bezpieczne udostępnianie danych dotyczących zdrowia między państwami członkowskimi w celu poczynienia postępów w badaniach nad chorobami rzadkimi i ich leczeniu.
- ESR to transgraniczne sieci łączące europejskie ośrodki wiedzy specjalistycznej w celu poprawy opieki w zakresie chorób rzadkich poprzez umożliwienie specjalistom konsultacji w skomplikowanych przypadkach i zalecania dokładnych diagnoz i terapii 8 . Wspólne działanie JARDIN 9 , na które przeznaczono środki w wysokości 18,75 mln EUR do 2027 r., wspiera scalenie ESR z krajowymi systemami opieki zdrowotnej.
- W unijnym akcie w sprawie AI ustanowiono wytyczne dotyczące zastosowań sztucznej inteligencji wysokiego ryzyka w opiece zdrowotnej, by zapewnić przejrzystość i bezpieczeństwo pacjentów.
- W ogólnym rozporządzeniu o ochronie danych (RODO) egzekwuje się surowe standardy prywatności, które są niezbędne do opartych na AI badań nad chorobami rzadkimi.
- W strategii farmaceutycznej UE apeluje się o lepsze ramy regulacyjne, by zachęcać do innowacji w leczeniu chorób rzadkich i badań w tym zakresie.
3. Możliwości i potencjał AI oraz dużych zbiorów danych w zakresie chorób rzadkich
3.1. AI i duże zbiory danych mogą znacznie usprawnić diagnostykę chorób rzadkich i ścieżki leczenia pacjentów poprzez identyfikację wzorców w ogromnych zbiorach danych, co prowadzi do wcześniejszych i dokładniejszych diagnoz. Badania sugerują, że diagnostyka wspomagana AI może zmniejszyć liczbę błędów diagnostycznych nawet o 40 % 10 , a modele uczenia maszynowego mogą skrócić średni czas diagnostyki o co najmniej rok 11 .
3.2. Kluczowe inicjatywy UE, takie jak program "Horyzont Europa", EPDZ, ESR i unijny akt w sprawie AI, stanowią solidną podstawę regulacyjną do wykorzystania sztucznej inteligencji w badaniach nad chorobami rzadkimi. W europejskiejstrategii na rzecz praw osób z niepełnosprawnościami na lata 2021-2030 podkreślono rolę AI w technologiach wspomagających, które muszą zostać w większym stopniu zintegrowane z krajowymi systemami opieki zdrowotnej. Dodatkowe finansowanie na rozwój opartych na AI systemów wsparcia może pomóc przezwyciężyć niektóre z obecnych wyzwań związanych z niepełnosprawnością i poprawić jakość życia pacjentów cierpiących na choroby rzadkie, zważywszy, że osiem na dziesięć osób dotkniętych tymi chorobami żyje z niepełnosprawnością 12 .
3.3. Różne projekty pilotażowe finansowane przez Komisję Europejską koncentrują się na wykorzystaniu AI w leczeniu chorób rzadkich (np. CoMPaSS-NMD, ERAMET, Recon4IMD i Screen4Care), a Europejska Agencja Wykonawcza ds. Zdrowia i Cyfryzacji przyznaje dotacje na stabilizację i dalsze zwiększanie możliwości ESR w zakresie leczenia pacjentów, w tym na badanie możliwości wykorzystania AI do lepszej terapii i opieki w przyszłości. Należy zachęcać do przyznawania tych dotacji w celu wsparcia projektów pilotażowych i w ten sposób promować zrównoważoną i strukturalną pomoc dla zaangażowanych państw członkowskich i instytucji.
3.4. Opóźnienie w diagnozowaniu chorób rzadkich wynosi od 4 do 5 lat 13 , często towarzyszy mu wielokrotna błędna diagnoza, a w niektórych przypadkach proces ten może trwać nawet ponad dziesięć lat, co niesie za sobą konsekwencje psychologiczne i osobiste dla pacjentów oraz znaczne koszty zdrowotne. Oparte na AI narzędzia mogą przyspieszać diagnostykę poprzez analizę danych genetycznych, dokumentacji medycznej oraz badań obrazowych i na tej podstawie identyfikować wzorce, które mogą umknąć człowiekowi 14 . Ma to szczególne znaczenie w przypadku dzieci z rzadkimi chorobami genetycznymi, gdyż umożliwia wczesną interwencję, lub pacjentów dotkniętych "zespołem chorobowym bez nazwy" (ang. "Syndromes Without A Name" lub SWAN).
3.5. W przypadku 95 % chorób rzadkich nie ma zatwierdzonych metod leczenia 15 . AI może przyspieszyć odkrywanie leków dzięki przewidywaniu interakcji różnych związków chemicznych z mutacjami powodującymi choroby, co znacznie skraca czas i obniża koszty opracowywania nowych terapii. Przy pomocy AI udało się na przykład zidentyfikować nowe metody leczenia stwardnienia zanikowego bocznego (ALS), które w testach laboratoryjnych okazały się skuteczniejsze od dotychczasowych terapii.
3.6. AI może pomóc dostosować leczenie do indywidualnego profilu pacjenta, zapewniając większą skuteczność i mniej skutków ubocznych. Trwają już testy neuroprotez w leczeniu rzadkich zaburzeń mięśniowo-nerwowych, zapewniające nowe możliwości rehabilitacji. Przykład: egzoszkielety oparte na AI, takie jak ATLAS 2030 16 , pomagają dzieciom z rdzeniowym zanikiem mięśni odzyskać sprawność ruchową.
4. Główne wyzwania i zagrożenia
4.1. Mimo obiecujących perspektyw stosowanie AI i dużych zbiorów danych w badaniach nad chorobami rzadkimi budzi jednak poważne obawy dotyczące kontroli sprawowanej przez człowieka, jakości i prywatności danych, stronniczości algorytmicznej, przystępności cenowej oraz dostępności. Nadmierne poleganie na AI może prowadzić do pominięcia całościowego podejścia do strategii leczenia i względów etycznych. Sztuczna inteligencja może skłaniać do podejmowania racjonalnych decyzji, które są nieadekwatne do sytuacji pacjenta, ponieważ nie wszystkie parametry są uwzględniane w modelach AI. Ostateczna decyzja musi pozostać w gestii pracowników opieki zdrowotnej i służb medycznych.
4.2. Zapewnienie równego dostępu do opartych na AI innowacji w dziedzinie opieki zdrowotnej:
4.2.1. W strategii farmaceutycznej dla Europy podkreślono potrzebę wspierania innowacji w leczeniu chorób rzadkich i odkrywaniu leków przy użyciu AI, zwłaszcza odnośnie do chorób rzadkich, w których przypadku brakuje zachęt komercyjnych do prowadzenia badań. Leczenie tych chorób jest nadmiernie kosztowne i stanowi znaczne obciążenie dla budżetów służby zdrowia.
4.2.2. Dane dotyczące chorób rzadkich w Europie są nikłe i fragmentaryczne, co ogranicza skalę analizy opartej na AI. Bez wysokiej jakości, znormalizowanych danych sztuczna inteligencja może przynosić korzyści jedynie w przypadku szeroko rozpowszechnionych chorób lub zamożnych grup społecznych. Dostęp do narzędzi opartych na AI jest nierówny, a różnice między obszarami wiejskimi i miejskimi, luki w infrastrukturze cyfrowej opieki zdrowotnej między krajami oraz kosztowne terapie pogłębiają nierówności. Zapewnienie dostępu do wysokiej jakości danych jest niezbędne do skutecznego leczenia opartego na AI.
4.3. Stronniczość i nierówności płci w modelach AI:
4.3.1. Choroby autoimmunologiczne i przewlekłe choroby rzadkie w nieproporcjonalnym stopniu dotykają kobiety, które czekają średnio cztery lata dłużej niż mężczyźni na diagnozę tej samej choroby 17 . Większość badań przedklinicznych opiera się na danych od mężczyzn pochodzenia europejskiego 18 , wskutek czego modele AI szkolone na tych zbiorach danych częściej błędnie diagnozują kobiety 19 . Obserwuje się również niepokojącą tendencję do nadużywania danych dotyczących zdrowia kobiet 20 . Aplikacje do monitorowania zdrowia oparte na AI często śledzą i przechowują wrażliwe dane dotyczące zdrowia reprodukcyjnego, co budzi obawy o prywatność 21 .
4.3.2. Większość metod farmakologicznych przeznaczonych dla osób dorosłych przewiduje tę samą dawkę dla kobiet i mężczyzn, choć dobrze znane są różnice w masie i budowie ciała oraz metabolizmie, które stwarzają ryzyko podania kobietom zbyt dużej dawki. Kobiety często doświadczają wyższego stężenia leków we krwi i dłuższego czasu ich eliminacji, co prowadzi do około dwukrotnie większej liczby reakcji niepożądanych w porównaniu z mężczyznami 22 . Modele AI mogą potęgować ten problem, lecz również pomagać w różnicowaniu dawkowania leków.
4.3.3. Narzędzia AI szkolone na ograniczonych lub tendencyjnych zbiorach danych mogą nie rozpoznawać chorób rzadkich w niedostatecznie reprezentowanych grupach etnicznych lub społecznoekonomicznych. Mogą im umknąć nietypowe objawy u kobiet, dzieci lub osób z mniejszości urasowionych, a także mogą one powielać uprzedzenia systemowe panujące w opiece zdrowotnej i podczas wizyt medycznych, na przykład nieuznawanie pewnych kategorii pacjentów, wpływając na to, kto zostanie zdiagnozowany i skierowany na leczenie. Pewne badanie pokazuje, że czarnoskóre kobiety mają o 40 % mniejsze prawdopodobieństwo uzyskania diagnozy choroby i są diagnozowane średnio 2,6 roku później niż białe kobiety 23 . W europejskiej strategii na rzecz równouprawnienia płci na lata 2020-2025 podkreślono potrzebę wprowadzenia technologii opieki zdrowotnej uwzględniających płeć i zaapelowano o prowadzenie badań nad AI z uwzględnieniem aspektu płci, aby uniknąć dyskryminacji w opiece zdrowotnej.
4.4. Ryzyko związane z prywatnością i bezpieczeństwem danych:
4.4.1. Aby modele AI mogły działać poprawnie, wymagają ogromnych ilości danych pacjentów, co budzi obawy dotyczące prywatności i własności danych, świadomej zgody i naruszenia bezpieczeństwa. Dane dotyczące chorób rzadkich są w Europie bardzo rozdrobnione, co utrudnia przeprowadzanie analiz przy użyciu AI na dużą skalę. EPDZ i ESR mają na celu ułatwienie bezpiecznego i znormalizowanego udostępniania danych, lecz wyzwaniem są wciąż jakość danych, interoperacyjność techniczna i zgoda pacjentów. Wprowadzenie kodów ORPHA jest pomocne, lecz nie są one stosowane konsekwentnie w całej Europie 24 .
4.4.2. Obecne ramy dotyczące zgody są często nieodpowiednie do długoterminowego wykorzystania AI, zwłaszcza gdy dane są ponownie wykorzystywane w celach innych, niż pierwotnie wskazano. Pacjenci rzadko otrzymują informacje o przyszłych zastosowaniach w chwili gromadzenia danych. Jest to szczególnie delikatna kwestia w społecznościach osób cierpiących na choroby rzadkie, w przypadku których pacjenci mogą odczuwać silną solidarność lub pilną potrzebę udostępnienia swoich danych. Bez odpowiednich zabezpieczeń istnieje ryzyko kolonializmu danych, tj. pozyskiwania danych wrażliwych bez zapewnienia w zamian sprawiedliwych korzyści.
4.4.3. RODO chroni dane osobowe dotyczące zdrowia, lecz badania oparte na AI często wiążą się z transgranicznym gromadzeniem danych, co wymaga jasnych wytycznych etycznych dotyczących własności danych i prywatności. Aby naprawdę służyć społecznościom osób cierpiących na choroby rzadkie, zarządzanie sztuczną inteligencją musi być przejrzyste i odpowiedzialne oraz odbywać się z poszanowaniem praw pacjentów. Informacja o wykorzystaniu AI powinna być wyraźnie widoczna, a dane muszą być zaszyfrowane.
4.5. Zarządzanie: wykorzystanie sztucznej inteligencji i dużych zbiorów danych w zakresie chorób rzadkich znajduje się w punkcie krytycznym. Chociaż te technologie przyspieszają diagnozę i poprawiają leczenie, istnieje ryzyko, że pogłębią one nierówności w dynamice sił między pacjentami, systemami opieki zdrowotnej i podmiotami prywatnymi. Bez jasnych zasad zarządzania dane dotyczące chorób rzadkich, często pochodzące od pacjentów znajdujących się w trudnej sytuacji, mogą stać się towarem kontrolowanym przez kilka firm technologicznych lub instytucji.
4.6. W unijnym akcie w sprawie AI sztuczną inteligencję w opiece zdrowotnej uznaje się za system wysokiego ryzyka, który wymaga, aby modele były wyjaśnialne i podlegały kontroli. Podobnie RODO chroni dane dotyczące zdrowia. Niemniej nasuwają się pewne istotne pytania: kto jest właścicielem danych? Kto decyduje o tym, jak są one wykorzystywane lub monetyzowane? I kto na tym korzysta? Bez ścisłego nadzoru publicznego zgodnego z obowiązującymi ramami prawnymi UE pacjenci mogą stracić kontrolę nad swoimi najbardziej osobistymi informacjami na rzecz systemów AI, których nie są w stanie zrozumieć ani zakwestionować.
4.7. Sztuczna inteligencja może być potężnym narzędziem umożliwiającym zawężenie liczby możliwych diagnoz, zwłaszcza w przypadku chorób rzadkich lub złożonych, lecz decyzje medyczne muszą zawsze obejmować sprawowanie nadzoru przez człowieka. Personel opieki zdrowotnej powinien krytycznie oceniać zalecenia wygenerowane przez AI przed podjęciem działań klinicznych. Wcześniejsze błędy takie jak sugestie dotyczące ryzykownego leczenia przeciwno- wotworowego wysuwane przez system IBM "AI Watson for Oncology" 25 pokazują, że opieka zdrowotna oparta na AI musi cechować się niezawodnością i odpowiedzialnością. Dążenie do przejrzystości sztucznej inteligencji oraz pomaganie zarówno pracownikom opieki zdrowotnej, jak i pacjentom w zrozumieniu, w jaki sposób AI generuje diagnozy, ma zasadnicze znaczenie dla budowania zaufania i świadomego podejmowania decyzji.
4.8. Bariery ekonomiczne i wyzwania dla MŚP:
4.8.1. Opracowanie opartych na AI technologii medycznych i modeli na potrzeby chorób rzadkich wymaga dużej mocy obliczeniowej i dostępu do ogromnych zbiorów danych, co jest kosztowne i stanowi barierę dla małych i średnich przedsiębiorstw (MŚP). Szkolenie najnowocześniejszego modelu AI może kosztować ponad 10 mln EUR 26 , w związku z czym jest on niedostępny dla MŚP.
4.8.2. Duże przedsiębiorstwa technologiczne dominują w badaniach nad opieką zdrowotną opartą na AI poprzez ograniczanie konkurencji. Inicjatywa w dziedzinie innowacji w ochronie zdrowia wspiera współpracę publiczno-prywatną, ale potrzebne są dalsze zachęty, aby pobudzić badania medyczne oparte na AI. EPDZ powinna przyspieszać wymianę bezpiecznych danych w całej Europie i między przedsiębiorstwami.
4.8.3. UE może wspierać MŚP i przedsiębiorstwa typu startup wykorzystujące badania translacyjne w opracowywaniu systemów AI w zakresie chorób rzadkich przez ukierunkowane finansowanie, np. z programu "Horyzont Europa". Klaster "Zdrowie" wspomaga AI w medycynie, lecz nie koncentruje się na chorobach rzadkich.
4.8.4. Unijne ośrodki innowacji cyfrowych mają wspierać MŚP, ale specjalne fundusze na sztuczną inteligencję są ograniczone i niewystarczające. W programie prac na lata 2025-2027 w ramach programu "Cyfrowa Europa" przeznaczono 90 mln EUR na AI w opiece zdrowotnej, ale oczekuje się, że do 2027 r. globalny rynek terapii genowych będzie wart 19,88 mld USD 27 . Klaster "Zdrowie" programu "Horyzont Europa" wspiera innowacje AI w diagnostyce chorób rzadkich, lecz należy zwiększyć finansowanie na wdrożenia kliniczne.
5. Wpływ AI na pracowników opieki zdrowotnej i zatrudnienie
5.1. Wykorzystanie AI i dużych zbiorów danych w zakresie chorób rzadkich zmieni rolę pracownic i pracowników opieki zdrowotnej. AI zautomatyzuje niektóre zadania, ale jednocześnie wzbogaci rolę pracowników ochrony zdrowia, umożliwiając im skupienie się na bardziej złożonych i zorientowanych na człowieka aspektach opieki. Aby zapewnić personelowi opieki zdrowotnej możliwość skutecznego korzystania z narzędzi opartych na sztucznej inteligencji przy zachowaniu nadzoru przez człowieka, należy opracować dostosowane do potrzeb programy szkoleń, a także podnoszenia i zmiany kwalifikacji. Powinny one obejmować nie tylko umiejętności techniczne, ale także kwestie etyczne i bezpieczeństwa, a ich opracowanie powinno odbywać się we współpracy z instytucjami szkolenia zawodowego, przedsiębiorstwami, ośrodkami badawczymi, partnerami społecznymi i odpowiednimi organizacjami społeczeństwa obywatelskiego.
5.2. Liczba kobiet w dziedzinie AI i nauki o danych medycznych jest wciąż niewystarczająca - stanowią jedynie 22 % specjalistów w zakresie sztucznej inteligencji na całym świecie 28 i nadal są niedostatecznie reprezentowane w badaniach nad zastosowaniem AI w medycynie. Ta nierówność płci może prowadzić do stronniczych algorytmów, niewielkiego uwzględnienia perspektywy kobiet w badaniach oraz nierówności w opiece zdrowotnej.
5.3. Należy włączać związki zawodowe i przedstawicieli pracowników w zarządzanie AI poprzez dialog społeczny w celu zapewnienia praw pracowniczych i konstruktywnego udziału pracownic i pracowników, stosownie do specyfiki krajowych systemów stosunków pracy. Ponadto należy starannie oszacować korzyści i zagrożenia dla zdrowia i bezpieczeństwa związane z systemami AI oraz odpowiednio łagodzić wszelkie zagrożenia. Te czynniki zostały wymienione w punkcie 2.5 oraz 2.6 opinii EKES-u "Bezpieczeństwo i higiena pracy: obecne i przyszłe wyzwania w kontekście tradycyjnych i nowych technologii, ze szczególnym uwzględnieniem sztucznej inteligencji" 29 .
5.4. EKES zajmował się już kwestią AI na rynku pracy w różnych opiniach 30 (31 (32 . Komitet w dalszym ciągu monitoruje wpływ AI na rynek pracy i przedstawia zalecenia dotyczące stałej aktualizacji umiejętności oraz zapewnienia sprawiedliwej i uczciwej współpracy między pracodawcami, pracownikami i społeczeństwem obywatelskim w związku z rosnącą rolą AI w UE.
Bruksela, dnia 18 września 2025 r.
Uproszczenie i uporządkowanie niektórych regulacji kodeksu pracy dotyczących m.in. wykorzystania postaci elektronicznej przy wybranych czynnościach z zakresu prawa pracy oraz terminu wypłaty ekwiwalentu za niewykorzystany urlop wypoczynkowy przewiduje nowelizacja kodeksu pracy oraz ustawy o zakładowym funduszu świadczeń socjalnych, która wejdzie w życie w dniu 27 stycznia.
12.01.2026
W Dzienniku Ustaw opublikowano nowelizację, która ma zakończyć spory między nabywcami i deweloperami o powierzchnie sprzedawanych mieszkań i domów. W przepisach była luka, która skutkowała tym, że niektórzy deweloperzy wliczali w powierzchnię użytkową metry pod ściankami działowymi, wnękami technicznymi czy skosami o małej wysokości - a to mogło dawać różnicę w finalnej cenie sięgającą nawet kilkudziesięciu tysięcy złotych. Po zmianach standardy dla wszystkich inwestycji deweloperskich będą jednolite.
12.01.2026
Podpisana przez prezydenta Karola Nawrockiego ustawa reformująca orzecznictwo lekarskie w Zakładzie Ubezpieczeń Społecznych ma usprawnić kontrole zwolnień chorobowych i skrócić czas oczekiwania na decyzje. Jednym z kluczowych elementów zmian jest możliwość dostępu do dokumentacji medycznej w toku kontroli L4 oraz poszerzenie katalogu osób uprawnionych do orzekania. Zdaniem eksperta, sam dostęp do dokumentów niczego jeszcze nie zmieni, jeśli za stwierdzonymi nadużyciami nie pójdą realne konsekwencje.
09.01.2026
Konfederacja Lewiatan krytycznie ocenia niektóre przepisy projektu ustawy o wygaszeniu pomocy dla obywateli Ukrainy. Najwięcej kontrowersji budzą zapisy ograniczające uproszczoną procedurę powierzania pracy obywatelom Ukrainy oraz przewidujące wydłużenie zawieszenia biegu terminów w postępowaniach administracyjnych. W konsultacjach społecznych nad projektem nie brały udziału organizacje pracodawców.
08.01.2026
Usprawnienie i ujednolicenie sposobu wydawania orzeczeń przez lekarzy Zakładu Ubezpieczeń Społecznych, a także zasad kontroli zwolnień lekarskich wprowadza podpisana przez prezydenta ustawa. Nowe przepisy mają również doprowadzić do skrócenia czasu oczekiwania na orzeczenia oraz zapewnić lepsze warunki pracy lekarzy orzeczników, a to ma z kolei przyczynić się do ograniczenia braków kadrowych.
08.01.2026
Przeksięgowanie składek z tytułu na tytuł do ubezpieczeń społecznych na podstawie prawomocnej decyzji ZUS, zmiany w zakresie zwrotu składek nadpłaconych przez płatnika, w tym rozpoczęcie biegu terminu przedawnienia zwrotu nienależnie opłaconych składek dopiero od ich stwierdzenia przez ZUS - to niektóre zmiany, jakie zamierza wprowadzić Ministerstwo Rodziny, Pracy i Polityki Społecznej. Resort dostrzegł bowiem problem związany ze sprawami, w których ZUS kwestionuje tytuł do ubezpieczeń osób zgłoszonych do nich wiele lat wcześniej.
08.01.2026| Identyfikator: | Dz.U.UE.C.2026.24 |
| Rodzaj: | Opinia |
| Tytuł: | Opinia Europejskiego Komitetu Ekonomiczno-Społecznego - Sztuczna inteligencja i duże zbiory danych a choroby rzadkie (opinia rozpoznawcza na wniosek duńskiej prezydencji Rady UE) |
| Data aktu: | 16/01/2026 |
| Data ogłoszenia: | 16/01/2026 |