Claude Code zamiast drugiej opinii lekarskiej. Dlaczego ludzie tak robią i co z tego wynika

Dostęp do szybkiej, niezależnej konsultacji radiologicznej w Polsce bywa ograniczony czasem oczekiwania lub kosztem prywatnej usługi. W tym samym czasie programista, który dostał na maila zdjęcia z badania MRI, otwiera na laptopie Claude Code. To narzędzie CLI od Anthropic, w dokumentacji opisane jako agentic coding tool. Mimo to autor prosi je o drugą opinię do własnego skanu. Według autora eseju ten proces nie miał zastąpić lekarza, a temat wywołał gorącą dyskusję o granicach AI w medycynie. Uderzył bowiem w dwa nerwy jednocześnie. Pierwszy to oczywiste pytanie o bezpieczeństwo. Drugi natomiast to mniej oczywista odpowiedź. Część osób sięga po takie narzędzia nie dlatego, że są nieodpowiedzialne, lecz dlatego, że tradycyjny system ochrony zdrowia w tej konkretnej, wąskiej roli przestał ich obsługiwać.

Co właściwie zrobił programista i dlaczego to ma znaczenie

Sytuacja przypomina scenkę z dystopii, dopóki nie rozłoży się jej na czynniki. Według autora eseju miał on na ręce wyniki rezonansu magnetycznego, oficjalny opis radiologa oraz konkretne pytanie. Na to pytanie nie znalazł szybkiej odpowiedzi w publicznych źródłach. Z tego powodu wgrał skany do narzędzia, którego używa w codziennej pracy nad oprogramowaniem. Potem wszedł z nim w długą rozmowę. W relacji autora model nie zastąpił mu lekarza. Pomógł mu natomiast rozumieć opis radiologa, zadać prowadzącemu lekarzowi lepsze pytania na kolejnej wizycie oraz skuteczniej szukać literatury fachowej. Dla osoby spoza branży medycznej, która siedzi z poważnym wynikiem w ręku, ten zysk nie jest abstrakcyjny.

Claude Code to narzędzie programistyczne, nie wyrób medyczny

W dyskusji najczęściej pojawia się słuszny zarzut, że Claude Code nie jest produktem medycznym. To prawda. Anthropic opisuje to narzędzie w swojej dokumentacji jako agentic coding tool, nie jako wyrób medyczny ani konsumencką aplikację zdrowotną. Definicja Software as a Medical Device według FDA wiąże się z medycznym przeznaczeniem oprogramowania, a Claude Code takiego przeznaczenia w dokumentacji nie deklaruje. Z perspektywy producenta dane medyczne są tu jednym z wielu rodzajów wejścia, na które agent ma odpowiadać tak, jak na każdy inny. Z perspektywy użytkownika jednak granica między “narzędziem do programowania” a “narzędziem do rozumienia własnego badania” zaciera się znacznie szybciej, niż przewidywała pierwotna mapa produktu.

Dlaczego ludzie tak robią – mechanika braku drugiej opinii

Polski pacjent ma do dyspozycji kilka dróg do drugiej opinii o wyniku badania obrazowego. Każda z nich łączy się z innym układem czasu oczekiwania i kosztu. Po stronie publicznej liczy się ścieżka NFZ z własną dynamiką kolejek do specjalistów. Po stronie prywatnej konsultacja u radiologa albo lekarza prowadzącego oraz krajowe lub międzynarodowe usługi telemedyczne. Każda z tych dróg działa, ale wymaga czasu albo pieniędzy, a najczęściej obu naraz. W rezultacie część pacjentów sięga po narzędzie, które stoi tuż obok ich laptopa.

To nie jest historia AI vs lekarz

Klasyczna narracja “AI zastąpi lekarza” w tej dyskusji jest pomyłką, ponieważ pacjent, który używa Claude Code do MRI, nie szuka tańszego zastępstwa dla swojego lekarza. Szuka rozmówcy, który ma czas. Lekarz na wizycie ma kilkanaście minut, model ma kilkadziesiąt. Pacjent może z modelem otwierać encyklopedię terminów, ponownie pytać o niejasne fragmenty opisu, sprawdzać znaczenie obrazów typowych dla danej choroby. Z tego powodu prawdziwym konkurentem AI w tym scenariuszu nie jest lekarz, lecz wyszukiwarka, fora internetowe oraz forum pacjentów. Z jednej strony AI bywa od nich znacznie sensowniejsze, z drugiej, bywa też równie sensownie myli się tonem pewnego siebie eksperta.

Granice odpowiedzialności i ryzyka

Trzeba jednak wyraźnie powiedzieć, na czym polega ryzyko. Model językowy używany do analizy badania obrazowego potrafi pominąć ważne szczegóły, których w ogóle nie widzi, ponieważ klisza nie zostanie poprawnie przetworzona. Potrafi też z przekonaniem podać błędne wnioski. Z tego powodu odpowiedź ogólnego modelu AI nie powinna być traktowana jako diagnoza ani zastępstwo konsultacji lekarskiej. Jest jednak coś, czego ostrożna dyskusja nie powinna ignorować. W środowisku deweloperskim oraz wśród bardziej technicznych pacjentów rośnie nieoficjalne wykorzystanie ogólnych modeli do tematów medycznych. Ekosystem opieki zdrowotnej prędzej czy później będzie musiał na to odpowiedzieć. Albo zbuduje własne, certyfikowane narzędzia drugiej opinii oparte na AI, albo zaakceptuje, że część pacjentów dalej będzie używała narzędzi nieprzeznaczonych do tego celu. Pisaliśmy o tym szerzej w tekście o tym, dlaczego Big Tech omija publiczne API dla medycznych LLM – tam właśnie pokazaliśmy, jak duża i jak niezagospodarowana jest dziś ta luka.

Co znaczy to dla polskich startupów medtech i polskich szpitali

Polska scena medtech ma w tej historii konkretną okazję, jeśli zechce ją zobaczyć. Pacjenci pokazują dziś popyt na drugą opinię szybszą i tańszą niż klasyczny rynek prywatny. Startup, który zbuduje produkt łączący lekarza-konsultanta z warstwą AI w modelu hybrydowym, ma szansę odpowiedzieć na realny problem. Tego problemu nie rozwiązują dziś ani NFZ, ani amerykański Big Tech. Po stronie szpitali warto natomiast wreszcie potraktować “pacjent z listą pytań po ChatGPT” nie jako zjawisko irytujące, lecz jako rzeczywistość. Polityka komunikacji z pacjentem musi dlatego zakładać, że przychodzi on z przygotowanym materiałem, czasem trafnym, czasem nie. Jednym z kluczowych zadań lekarza staje się tu skuteczne kierowanie pacjenta po tym materiale. Warto też dorzucić wątek prywatności. Wgranie dokumentacji medycznej do zewnętrznej usługi AI rodzi bowiem ryzyka prywatności i zgodności, które pacjent zwykle pomija, a dział compliance prywatnego centrum diagnostycznego musi analizować z dużą uwagą. Zalecenia w tym zakresie zarysowaliśmy w tekście o tokenizacji danych osobowych przed wysłaniem do LLM.

Pierwsza Misja AI · Kodożercy

Rozumiesz zagrożenia AI, gdy rozumiesz jak naprawdę działa

Kurs Pierwsza Misja AI ma dedykowaną lekcję o ciemnej stronie AI: halucynacje, deepfakes, manipulacja. Zanim zaczniesz się bać, zacznij rozumieć.

Poznaj pełny program →

Podsumowanie

Historia programisty, który użył Claude Code do drugiej opinii o własnym MRI, jest częściej upraszczana w dwie nieprawdziwe wersje. Pierwsza, że nieodpowiedzialny dewer ryzykuje życie, druga, że AI właśnie udowodniło wyższość nad lekarzem. Obie są fałszywe. Prawdziwa wersja brzmi mniej dramatycznie, ale powinna być słyszana w polskich szpitalach, ministerstwie zdrowia oraz w polskich firmach medtech. Pacjenci mają realny problem z dostępem do drugiej opinii, sięgają więc po dostępne narzędzia, a te narzędzia akurat istnieją, są tanie i potrafią o wynikach rozmawiać przez wiele godzin. To nie znaczy, że są dobrym rozwiązaniem. Znaczy, że problem, który dziś łatają, naprawdę istnieje. Jeśli rynek profesjonalny nie zbuduje swojej własnej, bezpieczniejszej odpowiedzi, klucz do tego pokoju będzie miał w ręku zwykły LLM. Skutki tego dla pacjenta, dla systemu zdrowia i dla biznesu zaczniemy zauważać znacznie szybciej, niż większość uczestników tej dyskusji jest dziś gotowa przyznać.

Mateusz Wojdalski

Specjalista SEO i content marketingu w Devstock. Zajmuję się strategią treści, automatyzacją procesów marketingowych i wdrożeniami AI w codziennej pracy. Badam nowe narzędzia, adaptuję je do realnych zadań i piszę o tym, co faktycznie działa.