Budujemy w szpitalu bezpieczne środowisko, w którym lekarz porównuje algorytmy AI na swoich prawdziwych przypadkach, ocenia je własnymi słowami i widzi, gdzie żaden model jeszcze nie działa. Dane i modele zostają w szpitalu.
Wklejają notatki do różnych modeli i dostają różne wyniki. Robią to bez wiedzy, czym te modele się różnią, i bez możliwości sprawdzenia, czy wynik jest dobry.
Kupione systemy AI nie zbierają informacji zwrotnej od lekarzy, więc nie wiadomo, który zostawić, poprawić albo wymienić. Systemy szpitalne (HIS) są zamknięte i nie mają API.
Uczy się, czym różnią się modele, od razu współdecyduje o narzędziach i nie błądzi przy wyborze. Może testować na własnych notatkach.
Lekarz, który świadomie korzysta z AI, jest bardziej wiarygodny. Dane nie opuszczają szpitala.
Wie, czy kupione systemy AI działają, i ma podstawę do odpowiedzialnej rekomendacji modelu na produkcję. Zna realne potrzeby lekarzy.
Dostają rozwiązanie otwarte (open source), które mogą wdrożyć i rozwijać u siebie.
Miejsce testów. Lekarze próbują modeli bez ryzyka dla pacjenta i bez wpływu na systemy szpitala.
Model połączony z HIS trafia na produkcję dopiero po pełnych testach. Za tę rekomendację odpowiada zespół RCMC.
Lepiej mieć model, który powie, że nie wie.z rozmowy z zespołem RCMC
Do sprawdzenia w badaniu (nasze hipotezy): samoobsługowe raporty i statystyki, przygotowanie do konsylium i wizyty, epikryzy i rozpoznania wstępne.
Struktura celów z Atlassian Home (stan na 4.10.2026). Postęp liczony na żywo z zadań w Jirze.