Manchester testuje pacjentów. Warszawa czeka na przewodniczącego

Living Lab Healthcare — model walidacji innowacji w ochronie zdrowia, i dlaczego dowód, że coś działa w konkretnym szpitalu, nie może czekać na regulatora.

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).

Manchester: regulator wchodzi na oddział

We wtorek 2 września 2026 roku, na kampusie Oxford Road w Manchesterze, brytyjska Agencja Regulacyjna Leków i Wyrobów Medycznych (MHRA) razem z Manchester University NHS Foundation Trust uruchomiły coś, co obie instytucje nazwały wprost „nową fazą testowania innowacji zdrowotnych w warunkach rzeczywistych”¹. Nazwano to Manchester Sandbox — ale nie jest to piaskownica w sensie, w jakim rozumie ją unijny AI Act: derogacja od przepisów na czas testu. To coś odważniejszego i trudniejszego: regulator wchodzi fizycznie do jednego z największych szpitali klinicznych w Wielkiej Brytanii i razem z klinicystami zaczyna oceniać algorytmy stratyfikacji ryzyka — narzędzia, które mają wskazywać pacjentów zagrożonych powikłaniami chorób przewlekłych — nie w laboratorium, tylko w codziennej pracy oddziału. Dyrektor generalny MHRA Lawrence Tallon powiedział to bez ogródek: wiemy, jak sztuczna inteligencja działa w teorii; nie wiemy, jak działa w praktyce, a różnica między tymi dwoma zdaniami jest dokładnie tym, co Manchester Sandbox ma zmierzyć¹. Program ma mieć wymiar krajowy — wnioski mają być udostępniane całej NHS, jeszcze w tym roku zaplanowano okrągły stół z udziałem regulatorów, świadczeniodawców, innowatorów i przedstawicieli pacjentów, a MHRA zapowiedziała nabór zgłoszeń od producentów wyrobów medycznych do kolejnych faz.

Warszawa: instytucja, która musi najpierw powstać

Tego samego tygodnia, po drugiej stronie kontynentu, polski regulator sztucznej inteligencji nie istnieje jeszcze w formie zdolnej do podjęcia jakiejkolwiek decyzji. Prezydent Karol Nawrocki podpisał ustawę o systemach sztucznej inteligencji 24 lipca 2026 roku. Przepis pozwalający ministrowi cyfryzacji na organizacyjne przygotowania do uruchomienia Komisji Rozwoju i Bezpieczeństwa Sztucznej Inteligencji (KRiBSI) wszedł w życie 28 lipca. Zasadnicza część ustawy — w tym przepisy określające skład, zadania i tryb wyboru przewodniczącego Komisji, a także zasady piaskownic regulacyjnych — weszła w życie 11 sierpnia². Od tego dnia Sejm ma dwa miesiące na powołanie przewodniczącego KRiBSI, czyli realnie do połowy października, oraz trzy miesiące na powołanie całej Komisji w składzie z dwoma zastępcami i przedstawicielami UOKiK, UKE, KNF i KRRiT, czyli do połowy listopada. Przepisy o nadzorze i egzekwowaniu — kontrole, decyzje administracyjne, kary — zaczynają obowiązywać dopiero 28 października. W praktyce Komisja zacznie działać najwcześniej w listopadzie 2026 roku². Artykuł 57 unijnego rozporządzenia o sztucznej inteligencji zobowiązywał każde państwo członkowskie do uruchomienia co najmniej jednej krajowej piaskownicy regulacyjnej operacyjnej najpóźniej 2 sierpnia 2026 roku³. Ministerstwo Cyfryzacji zapowiadało dotrzymanie tego terminu jeszcze w styczniu 2026 roku, wraz z portalem ai.gov.pl i budżetem 35 milionów złotych na uruchomienie mechanizmu⁴. Polska tego terminu nie dotrzymała — nie dlatego, że komuś zabrakło determinacji, tylko dlatego, że instytucja, która miała piaskownicę prowadzić, musiała najpierw powstać jako organ władzy publicznej, z przewodniczącym powoływanym przez Sejm za zgodą Senatu na pięcioletnią kadencję. To nie jest opóźnienie w sensie zaniedbania. To jest czas, jakiego wymaga budowa instytucji od zera.

Ale szpital, który już dziś rozważa wdrożenie narzędzia wspierającego triaż na izbie przyjęć albo algorytmu ostrzegającego o pogorszeniu stanu pacjenta na oddziale internistycznym, nie ma luksusu czekania do listopada na to, żeby ktokolwiek powiedział mu, czy to narzędzie w ogóle nadaje się do testowania. Dyrektor musi podjąć decyzję dziś, z personelem, który ma dziś, i z pacjentami, którzy trafiają na oddział dziś. I tu zaczyna się rozróżnienie, które w dyskusji o regulacji sztucznej inteligencji w zdrowiu ginie najczęściej: piaskownica regulacyjna i living lab odpowiadają na dwa zupełnie różne pytania, i żadna z tych instytucji nie zastępuje drugiej.

Dwa pytania, których nie zada jeden instrument

Piaskownica regulacyjna, tak jak opisuje ją artykuł 57 AI Act, to kontrolowane środowisko prawne. Odpowiada na pytanie: czy ten system, rozwijany pod nadzorem właściwego organu, spełnia albo może spełnić wymogi rozporządzenia, zanim trafi na rynek. Uczestnik działający w dobrej wierze, zgodnie z uzgodnionym planem, nie podlega karom administracyjnym za naruszenia stwierdzone w trakcie testu. Na wyjściu dostaje pisemne potwierdzenie działań i raport końcowy, który może wykorzystać w procedurze oceny zgodności — a organy nadzoru rynku i jednostki notyfikowane mają obowiązek brać ten raport pod uwagę pozytywnie, przyspieszając dalszą certyfikację³. To jest instrument prawny. Jego produktem jest pewność regulacyjna.

Living lab odpowiada na zupełnie inne pytanie, którego żadna piaskownica regulacyjna nie jest w stanie rozstrzygnąć: czy to narzędzie zadziała w tym konkretnym szpitalu, z tym konkretnym personelem i z tymi konkretnymi pacjentami. Model, który Fundacja Healthcare Poland prowadzi pod nazwą Living Lab Healthcare, opiera się na założeniu, że testowanie innowacji medycznej jest jednocześnie technologiczne, operacyjne i społeczne — i że rozwiązanie, które działa technicznie, a którego personel nie chce albo nie może używać, jest rozwiązaniem nieudanym, tylko koszt tej porażki ponosi się później, już po wdrożeniu, kiedy cofnięcie decyzji jest znacznie droższe niż odrzucenie zgłoszenia na etapie pilotażu.

Stąd trzy warstwy oceny obecne w każdym pilotażu prowadzonym w tym modelu: warstwa technologiczna, czyli czy narzędzie działa i z jaką jakością wobec zdefiniowanego wcześniej punktu odniesienia; warstwa operacyjna, czyli czy mieści się w rzeczywistej ścieżce pacjenta i procesie pracy, ile czasu dokłada personelowi, a ile mu odejmuje, i co się dzieje, gdy narzędzie jest niedostępne; oraz warstwa społeczna, czyli czy personel to akceptuje i czy pacjenci oraz ich rodziny rozumieją, jak zmienia się w tym momencie odpowiedzialność za decyzję kliniczną. Zgłoszenie opisane hasłowo, jako „platforma AI dla szpitali”, nie nadaje się do pilotażu, ponieważ nie da się go w ten sposób ocenić — pierwszym krokiem zawsze jest sprowadzenie go do konkretnego zastosowania, u konkretnego użytkownika, w konkretnym momencie ścieżki klinicznej.

Europa mówi tym samym językiem

Że to rozróżnienie nie jest tylko polskim pomysłem porządkującym, tylko rosnącym europejskim konsensusem, pokazuje kalendarz najbliższych tygodni. Od 29 września do 2 października 2026 roku w Brukseli i Antwerpii odbędą się OpenLivingLab Days 2026 — coroczne globalne spotkanie środowiska living labów, organizowane przez Europejską Sieć Living Labów (ENoLL), tym razem pod hasłem „Wpływ i wartości Living Labów w zmieniającym się świecie”⁵. Konferencja rozpocznie się w Brukseli wydarzeniem politycznym, w którym instytucje unijne i społeczność living labów mają wspólnie przedstawić wyniki dotyczące wpływu tych infrastruktur — z myślą o kształcie kolejnych Wieloletnich Ram Finansowych Unii Europejskiej. Belgijski LiCalab, dołączając w kwietniu 2026 roku do ENoLL jako współorganizator wydarzenia, poprowadzi sesję wysokiego szczebla poświęconą zdrowiu i dobrostanowi z udziałem decydentów regionalnych i krajowych⁵. To nie jest wydarzenie niszowe: ENoLL zrzesza dziś ponad dwieście certyfikowanych living labów w czterdziestu pięciu krajach, a w czerwcu 2026 roku, na szczycie Europejskiej Rady ds. Innowacji w Brukseli, dyrektorka sieci Martina Desole przedstawiła platformę ACCELUP — mechanizm, w którym firma zgłasza wyzwanie innowacyjne, a certyfikowane living laby konkurują o jego realizację w modelu przypominającym zamówienie usługi, a nie grant badawczy⁶. Jak to ujęła wprost: droga od pomysłu do rynku nie musi być ryzykowną loterią, może być ustrukturyzowaną, opartą na dowodach ścieżką⁶.

Miesiąc wcześniej, 29 czerwca 2026 roku, w sali imienia Spinellego w Parlamencie Europejskim, ENoLL zorganizowała dialog polityczny z udziałem eurodeputowanego Bruno Tobbacka poświęcony miejscu living labów w dziesiątym Programie Ramowym (FP10) i nowo tworzonym Europejskim Funduszu Konkurencyjności. Wśród priorytetów, którym living laby mają służyć jako infrastruktura strategiczna, wymieniono wprost zdrowie i dobrostan, obok neutralności klimatycznej, zdrowia gleby, transformacji miejskich i cyfryzacji⁷. Dwa tygodnie wcześniej, 15 czerwca 2026 roku, ENoLL wystąpiła w cyklu seminaryjnym Uniwersytetu McGilla poświęconym rehabilitacji, prezentując piętnastoletnie doświadczenie europejsko-kanadyjskiej współpracy w zakresie living labów w badaniach zdrowotnych — od dostępności dla osób z niepełnosprawnością fizyczną po współtworzenie rozwiązań opiekuńczych z udziałem pacjentów⁸. Innymi słowy: to, co Healthcare Poland od dwóch lat robi lokalnie pod nazwą Living Lab Healthcare, jest w tym samym momencie przedmiotem debaty w Parlamencie Europejskim, platformą finansowania na szczycie unijnych innowacji i tematem wymiany akademickiej między Europą a Ameryką Północną.

Napięcie między elastycznością living labu a sztywnością unijnej regulacji wyrobów medycznych — MDR, IVDR i teraz AI Act — jest też przedmiotem osobnej pracy naukowej. Zespół pod kierunkiem Stephena Gilberta z Politechniki Drezdeńskiej opublikował w czasopiśmie Science Advances mapę drogową bezpiecznych, zgodnych z regulacją living labów dla rozwoju sztucznej inteligencji i zdrowia cyfrowego. Praca opisuje wprost ten konflikt: elastyczność living labu — możliwość modyfikowania narzędzia w trakcie testu, na podstawie tego, co pokazuje interakcja z pacjentem — zderza się z ramami regulacyjnymi zaprojektowanymi dla technologii statycznych, a nie uczących się w czasie rzeczywistym. Proponowanym rozwiązaniem jest zaplanowanie z góry, jeszcze przed startem pilotażu, poziomu gotowości technologicznej narzędzia, dopuszczalnego zakresu iteracyjnych modyfikacji i zabezpieczeń, tak by elastyczność ewaluacji nie oznaczała utraty kontroli nad bezpieczeństwem⁹. Ta praca dobrze tłumaczy, dlaczego karta oceny zgłoszenia w modelu Living Lab Healthcare zaczyna się nie od pytania o funkcjonalność, tylko od poziomu gotowości technologicznej — i dlaczego uczciwa odpowiedź „za wcześnie na pilotaż” jest równie wartościowym wynikiem oceny, jak zgoda na test.

Ta dyscyplina ewaluacji ma już swoją historię instytucjonalną, i to głównie po drugiej stronie kanału La Manche. Program NHS Test Beds, uruchamiany od 2015 roku, a w drugiej fali od 2018 roku, połączył innowatorów, przemysł i szpitale wokół konkretnych wyzwań — od zdalnego monitorowania cukrzycy po sztuczną inteligencję we wczesnym wykrywaniu raka piersi w konsorcjum East Midlands Radiology. Zespół programu wydał osobne podręczniki: jeden dotyczący zarządzania danymi w projektach łączących technologię cyfrową z przeprojektowaniem ścieżki klinicznej, drugi poświęcony wyłącznie metodyce ewaluacji — bo ewaluacja, jak to ujęto wprost, jest kluczowym elementem programu, bez którego nie da się ani zebrać dowodów na skuteczność, ani odtworzyć tych wyników w innym miejscu¹⁰. Manchester Sandbox jest krokiem dalej niż Test Beds — to regulator dosłownie osadzony wewnątrz trustu szpitalnego, a nie tylko fundator pilotażu z zewnątrz — ale opiera się na dekadzie wypracowanej w Anglii kultury mierzenia, a nie deklarowania, że coś działa.

Model Living Lab Healthcare: ścieżka i karta oceny

Model Living Lab Healthcare, który Fundacja Healthcare Poland prowadzi, buduje na tej samej logice, dostosowanej do specyfiki polskiego systemu, w którym taka infrastruktura regulatora osadzonego w szpitalu jeszcze nie istnieje. Ścieżka zaczyna się od doprecyzowania zastosowania — kto, w jakim momencie ścieżki pacjenta, zamiast czego dokładnie, z jakim oczekiwanym skutkiem — i oceny poziomu gotowości technologicznej zgłoszenia, z uczciwą informacją dla zgłaszającego, jeśli jest za wcześnie na test. Sam pilotaż prowadzony jest z punktem odniesienia, miernikami sukcesu i kryterium niepowodzenia ustalonymi jeszcze przed startem — bo pilotaż, który nie może się nie udać, nie jest testem, tylko potwierdzeniem z góry powziętej decyzji. Osobno analizowana jest ścieżka regulacyjna zgłoszenia: czy wymaga zgód wynikających z MDR czy IVDR, czy generuje dane osobowe i kto jest ich administratorem, co dzieje się z tymi danymi po zakończeniu testu. Wynikiem końcowym jest zawsze case study napisane tak, by dyrektor innego szpitala mógł na jego podstawie podjąć decyzję — wdrożyć, wdrożyć warunkowo, powtórzyć badanie w innych warunkach, albo nie wdrażać.

Ewaluacja zgłoszeń odbywa się przez kartę oceny obejmującą zastosowanie, poziom gotowości technologicznej, istniejące dowody, wymogi regulacyjne, wykonalność w środowisku szpitalnym i obciążenie, jakie generuje dla personelu — a rozstrzygnięcie jest celowo oddzielone od jakości prezentacji: stąd w cyklu MedTechID startupy przechodzą przez dwadzieścia pięć pytań kwalifikacyjnych zanim w ogóle staną przed komisją na Startup Innovation Day, a sama jakość pitchu nie jest kryterium oceny rozwiązania. Model funkcjonuje w sieci międzynarodowej współpracy z IHF I-to-I Innovation Hub oraz z REHEAL EU w obszarze circular healthcare, co pozwala konfrontować polskie doświadczenia z pilotażami prowadzonymi w innych krajach członkowskich.

Piaskownica regulacyjna i living lab nie konkurują ze sobą o to samo miejsce w procesie wdrożenia — one wypełniają dwie różne luki dowodowe, i dopiero razem tworzą pełny łańcuch odpowiedzialności. Raport wyjściowy z piaskownicy regulacyjnej mówi jednostce notyfikowanej i organowi nadzoru rynku, że dany system rozwijano zgodnie z prawem i że można przyspieszyć jego ocenę zgodności. Raport z pilotażu living lab mówi dyrektorowi szpitala i komisji przetargowej coś, czego żaden dokument regulacyjny nie jest w stanie powiedzieć: że pielęgniarki na tym konkretnym oddziale rzeczywiście oszczędzają czas, że pacjenci rozumieją, kto odpowiada za decyzję wspieraną przez algorytm, oraz w jakich warunkach wynik przestaje się utrzymywać. Dialog polityczny ENoLL w Parlamencie Europejskim o FP10 formułuje to jako argument strukturalny: living laby redukują ryzyko innowacji właśnie dlatego, że dostarczają dowodów, których żadna procedura regulacyjna sama z siebie nie generuje⁷. Dla Polski, w miesiącach zanim KRiBSI zacznie realnie działać, ten argument ma dodatkowe, praktyczne znaczenie: brak działającej krajowej piaskownicy regulacyjnej nie musi oznaczać braku jakiejkolwiek zorganizowanej, rzetelnej ścieżki testowania innowacji w polskich szpitalach. Oznacza tylko, że przez najbliższe miesiące ciężar dostarczania dowodu operacyjnego i społecznego spoczywa niemal wyłącznie na infrastrukturze living lab — i że jakość tej infrastruktury decyduje o tym, czy ten czas zostanie wykorzystany, czy stracony.

Pojemność zarobiona, nie pożyczona

Seria tekstów, w której ukazuje się ten artykuł, opisuje nośność systemu ochrony zdrowia przez cztery dźwignie: przychód, efektywność, odporność i pojemność. Zdolność do szybkiej i bezpiecznej walidacji innowacji jest dźwignią pojemności w sensie dosłownym, nie metaforycznym. Pojemność systemu nie rośnie od samego pojawienia się nowej technologii na rynku — rośnie dopiero wtedy, gdy ta technologia zostaje przekształcona w coś, co dany oddział może realnie przyjąć: ze zmierzonym obciążeniem personelu, ze zdefiniowaną ścieżką danych i z jasną odpowiedzią na pytanie, co się dzieje, gdy narzędzie zawiedzie. Bez tej pracy nowa technologia nie dodaje pojemności, tylko ją pożycza z przyszłości — instaluje się jako obietnica, a koszt jej niedopasowania do realnego oddziału ujawnia się miesiące później, w postaci porzuconego sprzętu, sfrustrowanego personelu i nieufności wobec kolejnego zgłoszenia, które i tak mogłoby zadziałać.

Odwrotnie: każdy rzetelnie przeprowadzony pilotaż, także ten zakończony rekomendacją „nie wdrażać”, zwiększa pojemność systemu, bo eliminuje ślepy zaułek, zanim ten zaułek pochłonie budżet zakupowy i tygodnie pracy personelu. To dlatego living lab, mierzony samą liczbą wdrożeń, wygląda na infrastrukturę słabą — a mierzony liczbą decyzji podjętych na podstawie dowodu, w tym decyzji odmownych, jest jedną z najbardziej opłacalnych inwestycji w pojemność, jakie system może dziś ponieść, i to niezależnie od tego, kiedy KRiBSI zacznie działać.

Wynik negatywny jako test wiarygodności

Warto też powiedzieć wprost, jak w praktyce wygląda wynik negatywny w tym modelu, bo to on, a nie kolejna historia sukcesu, jest testem wiarygodności całej infrastruktury. Załóżmy sytuację czysto ilustracyjną, typową dla tej kategorii zgłoszeń: narzędzie wspierające dokumentację kliniczną głosem przechodzi warstwę technologiczną bez zarzutu, rozpoznaje mowę poprawnie, integruje się z systemem szpitalnym — a mimo to pilotaż kończy się rekomendacją „nie wdrażać w obecnej formie”, bo warstwa operacyjna pokazuje, że w napiętym dyżurze na izbie przyjęć narzędzie wymaga od lekarza dodatkowej weryfikacji zapisu, co w praktyce wydłuża, a nie skraca czas przy pacjencie, a warstwa społeczna ujawnia, że pacjenci nie zawsze wiedzą, że rozmowa jest nagrywana i przetwarzana automatycznie. Taki wynik, opisany ze szczegółami ograniczeń badania i warunków brzegowych, jest dla producenta bardziej wartościowy niż milczące niewdrożenie, bo pokazuje dokładnie, co trzeba zmienić, żeby pilotaż powtórzyć z innym skutkiem — a dla kolejnego szpitala rozważającego to samo narzędzie jest dowodem, że ocena nie była kurtuazyjna. Model, który publikuje tylko sukcesy, prędzej czy później traci wiarygodność u dyrektorów szpitali, którzy i tak wiedzą, że nie każde narzędzie może zadziałać za pierwszym razem — a model, który tak samo starannie opisuje porażki, staje się z czasem instytucją, do której zgłoszenie trafia nie dlatego, że gwarantuje sukces, tylko dlatego, że gwarantuje rzetelną odpowiedź.

Tarcza dla obywateli i warstwa Just Culture

Warunkiem brzegowym Tarczy dla obywateli w tym obszarze jest prawo pacjenta i personelu do tego, żeby narzędzie, zanim dotknie realnej opieki, zostało sprawdzone nie tylko pod kątem zgodności z przepisami, ale i pod kątem tego, czy naprawdę odciąża pielęgniarkę, a nie tylko przenosi jej obciążenie w inne miejsce dnia pracy. To samo prawo obejmuje prawo do rzetelnego „nie wdrażać” — rekomendacji, która dla startupu i dla szpitala bywa równie kosztowna jak zgoda na wdrożenie, a mimo to jest jedynym uczciwym wynikiem, jeśli dowody na to wskazują. Żaden regulamin pilotażu nie powinien obiecywać wdrożenia jako efektu testu; obiecuje wyłącznie dowód i rekomendację opartą na tym dowodzie. Warstwa Just Culture wymaga tu czegoś więcej niż uczciwości wobec pojedynczego zgłaszającego: wymaga, by wyniki negatywne — pilotaż, który nie potwierdził hipotezy, narzędzie odrzucone na etapie karty oceny, wdrożenie cofnięte po pilotażu — były raportowane z taką samą starannością jak wyniki pozytywne, bo to one, a nie kolejna historia sukcesu, budują wiarygodność infrastruktury living lab wobec dyrektorów szpitali, którzy mają podjąć własną decyzję. Opóźnienie w powołaniu KRiBSI nie jest w tej ramie błędem żadnej konkretnej osoby — jest kosztem budowy nowej instytucji władzy publicznej od zera, w terminie, którego dwuletni proces legislacyjny obiektywnie nie mieścił. Naprawa, jakiej wymaga ta sytuacja, jest systemowa, nie personalna: potrzebna jest równoległa, niezależna od terminarza jednej instytucji, ścieżka walidacji, która pozwala szpitalom działać, zanim regulator będzie gotowy.

Co Polska może dać Europie

Z tej perspektywy widać wyraźnie, co Polska może dziś zaoferować reszcie świata, i co reszta świata ma dziś do zaoferowania Polsce. Europa oferuje Polsce gotową infrastrukturę sieciową — certyfikację ENoLL, dostęp do platformy ACCELUP i możliwość konkurowania o wyzwania innowacyjne zgłaszane przez firmy z całego kontynentu, metodyczny dorobek brytyjskich Test Beds i twardą lekcję instytucjonalną z Manchesteru, że regulator i szpital mogą działać w jednej strukturze, oraz akademicki rygor pracy zespołu z Drezna, który uczy, jak godzić elastyczność testu z bezpieczeństwem pacjenta. Polska — konkretnie model Living Lab Healthcare prowadzony przez Healthcare Poland — może zaoferować Europie coś rzadszego, niż się wydaje: działający, udokumentowany przykład systemu ochrony zdrowia w Europie Środkowej, który zbudował własną ścieżkę walidacji innowacji zanim jeszcze powstał krajowy regulator sztucznej inteligencji, i który już dziś mógłby formalnie związać się z siecią ENoLL, zamiast czekać, aż zrobi to za niego administracja centralna. Dla startupów z regionu — z Polski, ale też z Ukrainy, krajów bałtyckich czy Europy Południowo-Wschodniej, gdzie krajowe piaskownice regulacyjne będą powstawać w podobnym, opóźnionym rytmie co polska — taki węzeł mógłby stać się pierwszym miejscem, w którym rozwiązanie zdrowotne z tego regionu otrzymuje wiarygodny, metodycznie prowadzony dowód działania, zanim jeszcze zapuka do drzwi jakiegokolwiek regulatora.

W Manchesterze 2 września lekarze, pielęgniarki i inżynierowie z MHRA usiedli razem, żeby przez najbliższe miesiące sprawdzać, czy konkretny algorytm rzeczywiście widzi wcześniej niż człowiek, że stan pacjenta się pogarsza. W Warszawie tego samego dnia nikt jeszcze nie mógł zapytać w ten sposób o żadne narzędzie w imieniu państwa, bo instytucja, która miałaby prawo to zrobić, wciąż czeka na przewodniczącego. To rozminięcie w czasie jest realne i nie da się go zaklinać komunikatem prasowym. Ale odpowiedź na pytanie, czy nowe narzędzie naprawdę pomaga pielęgniarce na konkretnym oddziale, nigdy nie wymagała podpisu przewodniczącego komisji — wymagała tylko kogoś, kto zapyta ją wprost, zmierzy wynik uczciwie i opisze go tak samo starannie, gdy wypadnie źle, jak wtedy, gdy wypadnie dobrze. To jest dokładnie to, co model living lab robi już dziś, niezależnie od kalendarza żadnej komisji.

Przypisy i źródła

Nota o ostrożności redakcyjnej

Trzy miejsca wymagają zastrzeżenia. Po pierwsze, praca zespołu Stephena Gilberta (przypis 9) jest cytowana wyłącznie na podstawie metadanych i streszczenia — tytuł, autorstwo, afiliacja, data publikacji i teza główna zostały potwierdzone spójnie w trzech niezależnych indeksach (Science.org, PubMed Central, ResearchGate), ale sama strona czasopisma i strona PMC nie wczytały pełnej treści w dniu dostępu (odpowiednio: pusta odpowiedź i blokada weryfikacyjna typu captcha), dlatego artykuł nie cytuje z niej żadnych szczegółowych danych liczbowych ani metodologicznych poza ogólną tezą o napięciu między elastycznością living labu a sztywnością regulacji wyrobów medycznych. Po drugie, strona programu NHS Test Beds (przypis 10) opisuje głównie drugą falę konkursu uruchomioną w 2018 roku; nowsze, szczegółowe przykłady z 2026 roku (m.in. domowe czujniki dla osób z demencją w hrabstwie Surrey), pojawiające się w omówieniach wtórnych, nie zostały potwierdzone bezpośrednim odczytem strony źródłowej i świadomie pominięto je w treści artykułu — program przywołano wyłącznie jako udokumentowaną, wieloletnią linię metodyczną poprzedzającą Manchester Sandbox. Po trzecie, wcześniejsze, sprzeczne doniesienia prasowe sugerujące, że unijny obowiązek uruchomienia piaskownic regulacyjnych AI upływa dopiero w 2027 roku, zostały zweryfikowane jako nieścisłe wobec pełnego tekstu art. 57 AI Act (przypis 3), który wprost wskazuje datę 2 sierpnia 2026 roku — i to ta, potwierdzona źródłowo data jest używana konsekwentnie w całym artykule.