AI Act w zdrowiu: kiedy regulacja staje się tarczą, a nie hamulcem

Europa przesunęła kalendarz AI Act o kilkanaście miesięcy. To nie jest czas na sen — to czas, żeby wreszcie zrobić rzecz porządnie

Autor: Michał P. Dybowski — współzałożyciel i zarządzający Fundacją Healthcare Poland; architekt systemowy i twórca polityk zdrowotnych. Fundacja Healthcare Poland tworzy ekosystem zdrowia transgranicznego (m.in. CM‑KLARA, Poliversum, Global Healthcare Systems Hub, Just Council, CyberC4HE). · stan na 4 czerwca 2026

Jest coś przewrotnego w tym, że najgorętszy spór o przyszłość europejskiej medycyny toczy się dzisiaj nie o łóżka, kadry ani pieniądze, lecz o kalendarz. Dokładniej: o kilka dat zapisanych w rozporządzeniu, którego większość pacjentów nigdy nie przeczyta, a które w ciągu najbliższych dwóch lat przesądzi o tym, czy algorytm wspierający radiologa w odczycie mammografii będzie w polskim szpitalu narzędziem zaufanym, czy źródłem ukrytego ryzyka. Mowa o akcie w sprawie sztucznej inteligencji — rozporządzeniu Parlamentu Europejskiego i Rady (UE) 2024/1689, powszechnie znanym jako AI Act — i o tym, co dla szpitali oraz producentów oznacza wejście w fazę realnego egzekwowania jego przepisów. Wokół tej fazy narosło sporo nieporozumień, a w ostatnich tygodniach doszła do nich nowa, istotna zmiana harmonogramu. Warto więc spokojnie rozłożyć całość na czynniki pierwsze i pokazać, dlaczego dobrze rozumiana regulacja jest w tym przypadku nie hamulcem innowacji, lecz tarczą dla obywatela.

Zacznijmy od skali zjawiska, bo bez niej cała dyskusja regulacyjna wisi w próżni. Sztuczna inteligencja w medycynie przestała być obietnicą i stała się rutyną kliniczną. Najlepiej widać to w danych amerykańskiego Urzędu ds. Żywności i Leków, który prowadzi publiczny rejestr dopuszczonych wyrobów medycznych wykorzystujących AI. Do końca grudnia 2025 roku FDA autoryzowała 1451 takich wyrobów, z czego aż 1104 — czyli 76 procent — to urządzenia radiologiczne. Sama tylko firma GE HealthCare ma na tej liście 120 autoryzacji, Siemens Healthineers 89, Philips 50.^[4] To nie są laboratoryjne ciekawostki, lecz oprogramowanie, które codziennie współdecyduje o tym, czy na zdjęciu rentgenowskim klatki piersiowej zostanie wcześnie wychwycona zmiana wymagająca pilnej interwencji. Komisja Europejska w swoich materiałach o AI w ochronie zdrowia wskazuje dwa szczególnie wymowne zastosowania: systemy przewidujące wystąpienie sepsy na oddziałach intensywnej terapii na godziny przed pojawieniem się objawów klinicznych oraz narzędzia wspierające wykrywanie raka piersi w badaniach przesiewowych, w wielu przypadkach dorównujące lub przewyższające czułość ludzkiego oka.^[1] Każda z tych technologii to potencjalnie uratowane życie — i każda z nich, gdy zawiedzie po cichu, to potencjalnie życie stracone bez świadomości, że zawiódł algorytm. To napięcie jest sednem całej regulacji.

Czym właściwie jest AI Act i dlaczego dotyczy szpitala, a nie tylko producenta

Akt w sprawie sztucznej inteligencji wszedł w życie 1 sierpnia 2024 roku i — co kluczowe dla zrozumienia całej logiki — jest regulacją horyzontalną. Nie jest prawem sektora zdrowia. Obejmuje sztuczną inteligencję we wszystkich dziedzinach, od rekrutacji pracowników po systemy wymiaru sprawiedliwości, a medycyna jest tylko jednym z obszarów, w których jego wymogi nakładają się na istniejące już ramy. I tu pojawia się pierwsza rzecz, którą trzeba powiedzieć wprost: AI Act nie zastępuje rozporządzeń o wyrobach medycznych — MDR i IVDR — lecz działa z nimi równolegle. To rozróżnienie ma fundamentalne konsekwencje praktyczne, do których wrócę.

Sercem rozporządzenia jest klasyfikacja systemów AI według poziomu ryzyka: od praktyk zakazanych, przez systemy wysokiego ryzyka, po ryzyko ograniczone i minimalne, z osobną kategorią modeli ogólnego przeznaczenia. Oprogramowanie medyczne wykorzystujące sztuczną inteligencję trafia z reguły do kategorii wysokiego ryzyka. Powód jest prosty i wynika z samej natury tych narzędzi: AI bywa w nich kluczową funkcjonalnością albo komponentem bezpieczeństwa wyrobu, a większość oprogramowania o przeznaczeniu medycznym i tak musi przejść ocenę zgodności przez jednostkę notyfikowaną w ramach MDR lub IVDR, zanim trafi na rynek. To właśnie klasyfikacja wyrobu w reżimie medycznym przesądza, czy dana AI staje się systemem wysokiego ryzyka w rozumieniu art. 6 ust. 1 AI Act. Komisja Europejska oraz grupa koordynacyjna do spraw wyrobów medycznych w wytycznych MDCG 2025‑6 podkreślają, że to nie jest wybór producenta, lecz konsekwencja prawna: jeśli wyrób jest wysokiej klasy ryzyka medycznego, jego komponent AI dziedziczy status wysokiego ryzyka, a wraz z nim cały zestaw obowiązków.^[5]

Dla systemów wysokiego ryzyka rozporządzenie ustanawia wymagania, które brzmią technicznie, lecz w istocie są listą gwarancji dla pacjenta: zarządzanie ryzykiem, wysokiej jakości zbiory danych treningowych, przejrzystość, nadzór człowieka, rejestrowanie zdarzeń, monitorowanie po wprowadzeniu na rynek. Innymi słowy — wszystko to, czego intuicyjnie oczekiwalibyśmy od narzędzia, które ma prawo szepnąć lekarzowi do ucha „tu jest nowotwór” albo „ten pacjent za chwilę się załamie hemodynamicznie”.

Najczęstsze nieporozumienie, jakie spotykam w rozmowach z dyrektorami szpitali, brzmi tak: „to sprawa producenta, nie nasza, my tylko kupujemy gotowe oprogramowanie”. Otóż nie. I to jest być może najważniejsza zmiana, jaką AI Act wnosi do polskiej ochrony zdrowia. Rozporządzenie tworzy dwie role o odrębnych obowiązkach — dostawcy, czyli producenta systemu, oraz podmiotu stosującego, czyli tego, kto system wdraża i używa go w praktyce. W szpitalu podmiotem stosującym jest sam szpital. I to na nim, niezależnie od obowiązków producenta, spoczywa własny, samodzielny katalog powinności.

Co konkretnie musi zrobić szpital jako podmiot stosujący

W komentarzu opublikowanym w maju 2026 roku na łamach „Diagnostic and Interventional Radiology” Kicky van Leeuwen wraz ze współautorami precyzyjnie rozkłada te obowiązki na części pierwsze — i warto je tu streścić, bo to najlepszy dostępny przewodnik po tym, czego naprawdę wymaga się od placówki.^[3]

Pierwszy obowiązek to kompetencje w zakresie AI wśród personelu, czyli to, co rozporządzenie nazywa „AI literacy” w art. 4. Co istotne, ten wymóg obowiązuje już od 2 lutego 2025 roku — jest więc dzisiaj nie planem, lecz zaległością, którą wiele placówek wciąż ma do nadrobienia. Nie chodzi o to, by każdy lekarz został inżynierem uczenia maszynowego. Chodzi o to, by personel kliniczny rozumiał, na co dane narzędzie stać, a na co nie, potrafił zinterpretować jego wynik i rozpoznać moment, w którym system zaczyna działać nieprawidłowo. Co więcej, obowiązek dotyczy nie tylko klinicystów, lecz także personelu IT, fizyków medycznych oraz kadry zarządzającej, która podejmuje decyzje wdrożeniowe. To wymóg ciągły, rozciągnięty na cały cykl życia narzędzia, bo kolejne aktualizacje potrafią zmieniać jego zachowanie.

Drugi obowiązek to prowadzenie rejestrów zdarzeń. Podmiot stosujący odpowiada za przechowywanie logów generowanych przez system przez okres odpowiedni do jego przeznaczenia, nie krótszy niż sześć miesięcy, o ile inne prawo nie stanowi inaczej, tak by były dostępne na potrzeby przeglądów wewnętrznych, audytów i zgłaszania incydentów. To pozornie biurokratyczny wymóg, lecz w praktyce jest fundamentem rozliczalności — bez śladu nie da się odtworzyć, dlaczego system w danym momencie doradził to, co doradził.

Trzeci, i moim zdaniem najważniejszy etycznie, to nadzór człowieka. Rozporządzenie wymaga, by zaprojektować jasne ścieżki wykrywania anomalii i nietypowego działania systemu, a przede wszystkim — by personel medyczny miał uprawnienie do nadpisania rekomendacji AI, gdy osąd kliniczny przeczy wynikowi algorytmu. Nadzór ma też chronić przed tak zwanym błędem automatyzacji, czyli mechanizmem psychologicznym, w którym człowiek bezrefleksyjnie ufa maszynie. Jeśli podmiot stosujący podejrzewa, że użycie systemu zgodnie z instrukcją może stwarzać ryzyko, ma obowiązek natychmiast zawiesić jego stosowanie i bez zwłoki powiadomić dostawcę oraz właściwe organy. To jest, w czystej postaci, kultura sprawiedliwego uczenia się na błędach przełożona na język prawa.

Czwarty obowiązek dotyczy jakości danych wejściowych — podmiot stosujący odpowiada za to, by dane podawane systemowi spełniały wymogi określone przez dostawcę, bo śmieci na wejściu oznaczają śmieci na wyjściu, a w medycynie śmieci na wyjściu to błędna diagnoza. Piąty to przejrzystość wobec użytkowników: zapewnienie, że osoby korzystające z narzędzia — a bywają nimi zarówno lekarze, jak i pacjenci — wiedzą, że mają do czynienia z systemem opartym na AI, i są świadome jego możliwości oraz ograniczeń.

Jest w tej liście jeszcze jeden wątek, szczególnie ważny dla polskich ośrodków akademickich i większych szpitali, które rozwijają własne narzędzia. Oprogramowanie tworzone „in‑house”, używane wyłącznie wobec pacjentów danej placówki i nie wprowadzane na rynek, może być zwolnione z oceny przez jednostkę notyfikowaną, a tym samym nie zostać sklasyfikowane jako wysokie ryzyko. Ale autorzy komentarza ostrzegają, że art. 43 ust. 3 sugeruje, iż pewne systemy mimo to mogą kwalifikować się jako wysokie ryzyko. Granica jest tu nieostra i wymaga rozważnej, udokumentowanej decyzji — to dokładnie ten obszar, w którym placówka nie powinna działać po omacku.

Zwrot z maja 2026: dlaczego kalendarz nagle się przesunął

I tu dochodzimy do najświeższego elementu całej układanki, bez którego dzisiejsza rozmowa o AI Act byłaby niepełna. Przez ponad rok wszyscy przygotowywali się na jedną datę: 2 sierpnia 2026 roku, kiedy miała wejść w życie zasadnicza część obowiązków dla systemów wysokiego ryzyka. Wokół tej daty zbudowano plany wdrożeniowe, budżety, harmonogramy audytów. Tymczasem 7 maja 2026 roku Parlament Europejski i Rada osiągnęły wstępne porozumienie w sprawie tak zwanego cyfrowego omnibusa dotyczącego AI — pakietu ukierunkowanych zmian w rozporządzeniu, będącego częścią szerszej inicjatywy upraszczającej europejskie prawo cyfrowe, ogłoszonej przez Komisję 19 listopada 2025 roku.^[2]

Najważniejsza zmiana dotyczy właśnie kalendarza. Zgodnie z porozumieniem, opisanym między innymi w analizie kancelarii White & Case z 14 maja 2026 roku, większość przepisów o systemach wysokiego ryzyka zacznie obowiązywać później: dla samodzielnych systemów wysokiego ryzyka, czyli wdrażanych w obszarach z załącznika III, termin przesunięto na 2 grudnia 2027 roku, a dla systemów stanowiących komponent bezpieczeństwa produktu lub objętych unijnym prawem harmonizacji w zakresie zdrowia i bezpieczeństwa — a więc dla wyrobów medycznych z AI — na 2 sierpnia 2028 roku. Powód tego przesunięcia jest rozbrajająco szczery: normy techniczne i narzędzia wsparcia, które mają umożliwić zgodność, są opóźnione i nie zdążyłyby powstać przed pierwotnym terminem egzekwowania. Formalne przyjęcie porozumienia spodziewane jest przed 2 sierpnia 2026 roku, czyli zanim dotychczasowe reguły zaczęłyby obowiązywać.

Trzeba jednak natychmiast dodać dwa zastrzeżenia, bo łatwo z tej wiadomości wyciągnąć fałszywy wniosek, że „nic się nie dzieje i mamy spokój do 2028 roku”. Po pierwsze, nie wszystkie przepisy zostały odroczone — większość wymogów przejrzystości z art. 50 ma zacząć obowiązywać 2 sierpnia 2026 roku, zgodnie z pierwotnym planem. Po drugie, obowiązek kompetencji AI z art. 4 obowiązuje od lutego 2025 roku i nikt go nie zawiesił, podobnie jak zakazy praktyk niedozwolonych i reguły dla modeli ogólnego przeznaczenia, które ruszyły 2 sierpnia 2025 roku. Cyfrowy omnibus przy okazji doprecyzował też pojęcie „komponentu bezpieczeństwa” — tak, by systemy jedynie wspomagające użytkownika lub optymalizujące działanie, których awaria nie tworzy ryzyka dla zdrowia i bezpieczeństwa, nie wpadały automatycznie w reżim wysokiego ryzyka — oraz zajął się nakładaniem się wymogów AI Act i prawa sektorowego, w tym właśnie regulacji o wyrobach medycznych.

Co ta zmiana naprawdę oznacza dla dyrektora szpitala i dla producenta? Oznacza oddech, ale nie wytchnienie. To różnica między biegiem a marszem — tempo zwalnia, kierunek pozostaje ten sam. Placówka, która potraktuje przesunięcie jako pretekst do odłożenia tematu na półkę, za półtora roku obudzi się w dokładnie tym samym miejscu co dziś, tyle że z mniejszym zapasem czasu i w warunkach, w których konkurencja zdążyła już ułożyć swoje procesy. Mądrzejsza lektura tej samej wiadomości brzmi: dostaliśmy właśnie podarowane miesiące na to, by zrobić rzecz porządnie, bez paniki, bez wdrażania na ostatnią chwilę narzędzi, których nie zdążymy zrozumieć.

Podwójna regulacja, jedno wdrożenie — i dlaczego to akurat szansa dla Polski

Wróćmy do równoległości AI Act oraz MDR i IVDR, bo to tu kryje się największe praktyczne wyzwanie, a zarazem największa okazja. Producent wyrobu medycznego z komponentem AI staje przed dwoma złożonymi reżimami naraz. Branża medtech — głosem między innymi MedTech Europe, które w bilansie pierwszego roku obowiązywania AI Act zaapelowało o spójne wdrożenie — ostrzega, że dwa równoległe systemy bez dobrego zestrojenia mogą spowolnić dostęp pacjentów do innowacji.^[5] To realne ryzyko. Ale jest też druga strona tego medalu. Dla placówki oznacza to konieczność jednego procesu zakupowego prowadzonego według dwóch list kontrolnych zgodności. A skoro i tak trzeba zbudować taki zintegrowany proces, to ten, kto zbuduje go pierwszy i dobrze, zyskuje przewagę, której konkurencja nie nadrobi z dnia na dzień.

I tu pojawia się pytanie, które jest właściwym tematem tego cyklu: co Polska może z tego mieć i co najlepsze praktyki świata mogą dać Polsce. Zacznijmy od kierunku „świat dla Polski”. Amerykański rejestr FDA, europejskie wytyczne MDCG, dorobek towarzystw naukowych w rodzaju zaleceń Europejskiego Towarzystwa Radiologicznego dotyczących wdrażania AI Act — to wszystko jest darmowym, gotowym do zaadaptowania kapitałem wiedzy. Polska nie musi wymyślać koła na nowo; musi je sprawnie zamontować. Z kolei w kierunku „Polska dla świata” mamy do zaoferowania coś, czego w Europie wyraźnie brakuje: zdolność do przełożenia abstrakcyjnych wymogów na sprawdzony, operacyjny proces walidacji w realnym środowisku klinicznym. Bo prawda, którą zbyt rzadko się wypowiada, jest taka, że test regulacyjny — papierowa zgodność z normą — nie jest tym samym co test operacyjny, czyli sprawdzenie, jak narzędzie zachowuje się w prawdziwym szpitalu, z prawdziwymi danymi, prawdziwym personelem i prawdziwym pacjentem na końcu łańcucha.

W tej luce między papierem a praktyką umiejscawia się kompetencja, którą Fundacja Healthcare Poland rozwija od dłuższego czasu. Z jednej strony jest to praca w ramach Grupy Roboczej do spraw AI przy Ministerstwie Cyfryzacji nad modelami piaskownic regulacyjnych — w tym koncepcja piaskownicy operacyjnej HCPL, której naczelna teza brzmi właśnie: „test regulacyjny nie jest wystarczający, kluczowy jest test operacyjny”. Piaskownica operacyjna to środowisko, w którym producent może bezpiecznie, pod nadzorem i z zachowaniem bezpieczeństwa pacjenta, sprawdzić swoje rozwiązanie w warunkach zbliżonych do docelowych, zanim wejdzie w pełną ocenę zgodności. Z drugiej strony jest to Koalicja Polskich Wyrobów Medycznych, która składa w jeden pakiet to, co dziś bywa rozproszone: certyfikację w reżimie MDR i IVDR, zgodność z AI Act, zgodność z dyrektywą NIS2 w warstwie cyberbezpieczeństwa oraz podejście oparte na wartości w zakupach. Połączenie tych elementów w jeden uporządkowany proces „compliance‑by‑design” sprawia, że zgodność przestaje być kosztem, a staje się przewagą — także cenową — na europejskim rynku.

To nie jest obietnica marketingowa, lecz prosta arytmetyka. Producent, który musi osobno zmierzyć się z oceną medyczną, osobno z wymogami AI, osobno z cyberbezpieczeństwem i osobno z polityką zakupową szpitala, ponosi cztery razy koszt koordynacji. Producent, który przechodzi przez jeden, dobrze zaprojektowany proces, ponosi ten koszt raz. Różnica trafia ostatecznie do pacjenta — w postaci szybszego dostępu do bezpiecznych narzędzi — oraz do płatnika, w postaci niższej ceny.

Pomiar, decyzja, wdrożenie, rozliczenie

Cały ten cykl opisuję konsekwentnie w czterech taktach: pomiar, decyzja, wdrożenie, rozliczenie. AI Act daje się w tę ramę ułożyć niemal idealnie, co samo w sobie jest dowodem, że dobre prawo i dobre zarządzanie mówią tym samym językiem.

Pomiar to inwentaryzacja. Pierwszym ruchem każdej placówki powinno być stworzenie rejestru systemów AI, które już są w użyciu — a jest ich z reguły więcej, niż dyrekcja przypuszcza, bo sztuczna inteligencja wsiąkła w narzędzia radiologiczne, laboratoryjne i administracyjne często bez wyraźnej etykiety. Bez tej mapy nie da się ocenić, gdzie placówka ma ekspozycję na ryzyko i obowiązki. Pomiar to także zrozumienie, które z tych systemów są wysokiego ryzyka, a które, jak większość narzędzi administracyjnych opartych na modelach ogólnego przeznaczenia, pozostają w kategorii ryzyka minimalnego, gdzie obowiązków dla podmiotu stosującego praktycznie nie ma.

Decyzja to wybór modelu zarządzania. Kto w organizacji jest właścicielem biznesowym danego systemu? Jaka jest polityka danych — ich pochodzenia, retencji, dostępu? Jak wygląda ścieżka „człowieka w pętli” i rejestr ludzkich interwencji? To są decyzje zarządcze, nie informatyczne, i muszą zapaść na poziomie kierownictwa, bo to kierownictwo odpowiada za nie wobec prawa.

Wdrożenie to przełożenie decyzji na codzienność: zrewidowane umowy z dostawcami, które dają placówce prawo do logów, metadanych i poprawek oraz jasne zasady wycofywania wersji; uruchomione szkolenia z kompetencji AI; wpięcie monitoringu po wdrożeniu w istniejące procesy jakości. Szczególnego znaczenia nabiera tu warstwa generatywna. Tam, gdzie szpital sięga po narzędzia typu GenAI czy architekturę RAG — na przykład do streszczania dokumentacji czy wspierania konsylium — rozporządzenie wymaga przejrzystości danych treningowych i testowych, odtwarzalnego śladu powstawania odpowiedzi oraz audytowalnej pamięci systemu, tak by lekarz mógł sprawdzić, na jakich źródłach i kiedy oparto rekomendację. To nie jest fanaberia. To jedyny sposób, by w razie błędu dało się odtworzyć jego przyczynę zamiast szukać winnego.

Rozliczenie to domknięcie pętli: wskaźniki skuteczności i wykrywania „dryfu” modelu, ścieżki zgłaszania błędnych rekomendacji, okresowe walidacje kliniczne, gotowość do audytu. I tu wraca pytanie o sankcje, bo rozliczenie ma także wymiar finansowy. Za naruszenia AI Act przewidziano kary sięgające — w zależności od rodzaju naruszenia — do 35 milionów euro lub 7 procent światowego obrotu, z odrębnymi progami dla modeli ogólnego przeznaczenia i łagodniejszymi pułapami dla mniej poważnych uchybień. Nadzór sprawują AI Office na poziomie unijnym oraz organy krajowe. Ale prawdziwą stawką nie jest grzywna. Prawdziwą stawką jest zaufanie — pacjenta do szpitala, lekarza do narzędzia, opinii publicznej do całej cyfrowej transformacji medycyny. Jedno głośne zdarzenie, w którym algorytm zawiódł, a placówka nie potrafiła wykazać, że dochowała należytej staranności, cofa adopcję AI w całym kraju o lata.

Tarcza dla obywatela i sprawiedliwa kultura uczenia się

Wróćmy więc na koniec do pacjenta, bo to dla niego cała ta konstrukcja istnieje. Obywatel, który trafia do szpitala, nie ma — i nie powinien mieć — obowiązku rozumienia, czym różni się załącznik III od art. 6 ust. 1. Jego prawo jest prostsze i głębsze zarazem: prawo do tego, by narzędzie, które współdecyduje o jego zdrowiu, było bezpieczne, sprawdzone i nadzorowane przez człowieka, który w razie wątpliwości ma władzę powiedzieć „nie”. AI Act, mimo całej swojej technicznej zawiłości, jest w gruncie rzeczy kodyfikacją tego właśnie prawa. Wymóg nadzoru człowieka to prawo pacjenta do tego, by ostatnie słowo należało do lekarza. Wymóg jakości danych to prawo do tego, by nie być zdiagnozowanym na podstawie śmieci. Wymóg przejrzystości to prawo do wiedzy, że w grę wchodzi maszyna. Wymóg rejestrowania zdarzeń to prawo do tego, by w razie błędu dało się ustalić prawdę.

I tu pojawia się wartość, którą uważam za najważniejszą w całym tym przedsięwzięciu: sprawiedliwa kultura, kultura uczenia się na błędach. Rozporządzenie nie zakłada, że systemy AI nigdy nie zawiodą — przeciwnie, cała jego architektura, od rejestrów zdarzeń po obowiązek zgłaszania incydentów, jest zbudowana wokół założenia, że błędy się zdarzą i że trzeba się z nich uczyć. To jest dojrzała filozofia. Nie szuka się w niej winnego, by go ukarać i zamknąć sprawę; szuka się przyczyny, by ją usunąć i ochronić następnego pacjenta. Szpital, który wdraża AI Act w duchu sprawiedliwej kultury, nie buduje systemu strachu, w którym personel ukrywa pomyłki algorytmu, lecz system zaufania, w którym zgłoszenie nieprawidłowości jest aktem odpowiedzialności, a nie przyznaniem się do winy. Różnica między tymi dwoma podejściami to różnica między organizacją, która się uczy, a organizacją, która udaje, że jest doskonała — aż do dnia katastrofy.

Korzyść z dobrze przeprowadzonego wdrożenia rozkłada się równo na wszystkich. Pacjent zyskuje bezpieczeństwo i pewność, że nie jest królikiem doświadczalnym. Szpital i jego kadry zyskują uporządkowane procesy, mniej chaosu i realną ochronę prawną — bo udokumentowana staranność jest najlepszą tarczą przed odpowiedzialnością. Regulator i płatnik zyskują system, który da się nadzorować i rozliczać, oraz dane o tym, co naprawdę działa. Biznes i inwestorzy zyskują przewidywalne reguły gry, a producenci, którzy przejdą przez zintegrowany proces zgodności, zyskują przewagę konkurencyjną na całym jednolitym rynku. A marka „Healthcare Poland” zyskuje szansę, by stać się tym, czym powinna — polskim znakiem rozpoznawalnym w Europie jako synonim medycyny jednocześnie innowacyjnej i godnej zaufania.

Europa właśnie przesunęła kalendarz o kilkanaście miesięcy. To nie jest czas na sen. To jest czas, który dostaliśmy, by zbudować nośność tam, gdzie najłatwiej ją utracić — na styku człowieka, maszyny i pacjenta. Kto wykorzysta te miesiące mądrze, ten za dwa lata nie będzie gonił przepisów, lecz będzie ich gospodarzem. A bycie gospodarzem własnego prawa to, w gruncie rzeczy, definicja suwerenności — także tej cyfrowej.