Jak AI może pomagać przy wystawianiu zaświadczeń i orzeczeń lekarskich w przychodni i szpitalu?
AI nie wystawia zaświadczeń za lekarza, ale przygotowuje projekty, uzupełnia dane z historii choroby i dopasowuje formularz do urzędu. Lekarze weryfikują, zamiast pisać od zera.
AI nie podpisuje zaświadczenia za lekarza i to się nie zmieni, bo podpis lekarza pod orzeczeniem to nie biurokracja, lecz odpowiedzialność prawna. Ale przygotowanie projektu dokumentu, uzupełnienie danych z historii choroby, dopasowanie treści do formularza konkretnego urzędu czy towarzystwa ubezpieczeniowego, sprawdzenie kompletności i wysyłka gotowego pliku: to wszystko AI może przejąć od lekarza lub personelu administracyjnego. Przeciętna przychodnia wystawia kilkadziesiąt zaświadczeń i orzeczeń miesięcznie. Szpital z kilkoma oddziałami: kilkaset.
Które dokumenty pochłaniają czas lekarzy najbardziej?
Zanim zaplanujecie jakiekolwiek zmiany, warto przejrzeć, co naprawdę wychodzi z waszej placówki co miesiąc. W większości przychodni i oddziałów szpitalnych powtarza się ten sam zestaw dokumentów:
- Zaświadczenia o stanie zdrowia dla ZUS: formularze N-9, N-14, OL-9 przy wnioskach o rentę, świadczenie rehabilitacyjne, orzeczenie o niezdolności do pracy. Lekarz musi opisać aktualny stan pacjenta, historię choroby, wyniki badań i rokowania. Każde to kilka minut z dokumentacją i kilka minut na wpisywanie.
- Zaświadczenia dla MOPS, PCPR i PFRON przy wnioskach o zasiłek pielęgnacyjny, dodatek opiekuńczy, orzeczenie o niepełnosprawności, dofinansowanie sprzętu rehabilitacyjnego. Każdy urząd ma swój formularz, często w wersji papierowej lub PDF bez pól formularza.
- Zaświadczenia dla towarzystw ubezpieczeniowych: PZU, Ergo Hestia, Generali, Allianz i dziesiątki innych. Każde towarzystwo przysyła własny druk z polami, które brzmią podobnie, ale mają inny zakres informacji.
- Zaświadczenia dla szkół i uczelni o stanie zdrowia ucznia lub studenta, zwolnieniu z wychowania fizycznego, możliwości uczestnictwa w zajęciach czy praktykach zawodowych.
- Zaświadczenia historyczne potwierdzające dawne diagnozy, leczenie, hospitalizacje dla potrzeb sądowych, rentowych i ubezpieczeniowych. Lekarz musi przejrzeć dokumentację sprzed wielu lat i opisać to, co tam zastał.
- Orzeczenia dla celów szczególnych: dopuszczenie do pracy, badania lotnicze, sport, kierowcy zawodowi. Tutaj forma jest ściślej określona przepisami i musi być zgodna z odpowiednim rozporządzeniem.
Każdy z tych dokumentów różni się formularzem. Ale schemat pracy jest ten sam: lekarz otwiera dokumentację, czyta, przepisuje fragmenty do nowego druku, drukuje, podpisuje. Albo deleguje przygotowanie do rejestracji czy sekretarki medycznej, która i tak musi angażować lekarza do autoryzacji treści. Efekt: te dokumenty zawsze wymagają kontaktu z lekarzem, niezależnie od tego, kto je fizycznie wypełnia.
Co AI robi krok po kroku, zanim lekarz weźmie długopis
Wspierany przez AI workflow wygląda inaczej niż to, co opisałem wyżej. Lekarz dostaje gotowy projekt do sprawdzenia, a nie pusty formularz do wypełnienia od zera. Konkretnie:
- Personel rejestracji lub lekarz wskazuje rodzaj dokumentu: zaświadczenie N-9 dla ZUS, formularz od ubezpieczyciela X, zaświadczenie dla MOPS. Do systemu trafia też cel dokumentu, jeśli jest znany.
- AI czyta dokumentację pacjenta z systemu HIS: historię wizyt, rozpoznania z kodami ICD-10, wyniki badań, opisy hospitalizacji, leki z listy chorób przewlekłych, poprzednie zaświadczenia.
- Na podstawie szablonu i wymagań danego urzędu generuje wypełniony projekt. Dane formalne: PESEL, adres, data urodzenia. Dane kliniczne: przebieg leczenia, aktualne rozpoznania, stosowane leki, istotne wyniki badań.
- Zaznacza fragmenty wymagające decyzji lekarza: braki w dokumentacji, fragmenty wymagające oceny klinicznej tu i teraz, pola, których nie da się uzupełnić automatycznie na podstawie historii.
- Lekarz weryfikuje projekt na ekranie, nanosi poprawki i podpisuje.
- Gotowy plik trafia do rejestracji, do pacjenta albo bezpośrednio do urzędu.
Typowo wygląda to tak, że zamiast spędzać kilka minut na wpisywaniu danych lekarz spędza minutę na sprawdzeniu projektu. Różnica jest szczególnie widoczna przy zaświadczeniach historycznych, gdzie trzeba przejrzeć dokumentację sprzed wielu lat: AI czyta wszystko i wyciąga to, co potrzebne. Lekarz tylko sprawdza, czy opis jest zgodny ze stanem faktycznym.
Gdzie AI pomaga, a gdzie decyzja należy do lekarza
To trzeba powiedzieć wprost, bo pytanie wraca regularnie. AI pracuje na dokumentacji, którą już macie w systemie. Nie ocenia stanu zdrowia. Nie decyduje, czy pacjent jest zdolny do pracy ani czy kwalifikuje się do orzeczenia o niepełnosprawności. Nie zastępuje badania lekarskiego.
Zaświadczenie podpisuje lekarz. Zawsze. Jeśli treść wygenerowanego projektu odbiega od stanu faktycznego albo wymaga oceny klinicznej w momencie wystawiania dokumentu, lekarz poprawia projekt lub odrzuca go i pisze od nowa. AI przy takich dokumentach nie działa autonomicznie.
Co AI może zrobić bez udziału lekarza: wypełnić pola formalne z dokumentacji, skopiować opis przebiegu leczenia z historii choroby, dopasować formularz do wymagań konkretnego urzędu, przygotować plik w odpowiednim formacie (PDF, DOC, format akceptowany przez ZUS PUE), zalogować wystawienie dokumentu w historii pacjenta.
Co zawsze wymaga lekarza: ocena aktualnego stanu zdrowia, decyzja o treści orzeczenia, każdy fragment wymagający osądu klinicznego niezapisanego wprost w dokumentacji. I podpis.
Jak to wygląda w praktyce: scenki z gabinetu i oddziału
U jednego z naszych klientów, przychodni POZ z kilkoma lekarzami rodzinnymi, zaświadczenia dla ZUS i MOPS zbierały się przez cały tydzień, bo lekarz zbierał je na piątkowe popołudnie. Każde wymagało otworzenia dokumentacji i przepisywania fragmentów. Po wdrożeniu asystenta AI: pacjent składa prośbę o zaświadczenie w rejestracji lub przez portal. AI przygotowuje projekt w ciągu kilku minut. Lekarz weryfikuje projekty bieżąco, między wizytami. Piątkowa sesja zniknęła.
W szpitalu z oddziałem chorób wewnętrznych schemat jest podobny, ale dokumenty dotyczą częściej historycznej dokumentacji hospitalizacji na potrzeby postępowań rentowych, sądowych i ubezpieczeniowych. Sekretarka medyczna przygotowywała je ręcznie, przeglądając karty wypisowe. Teraz AI czyta kartę wypisową i historię z HIS, sekretarka dostaje projekt gotowy do korekty, a lekarz otrzymuje go do weryfikacji i podpisu.
W szpitalu prywatnym z dużym wolumenem pacjentów ubezpieczonych komercyjnie zaświadczenia dla towarzystw ubezpieczeniowych to kilkadziesiąt dokumentów miesięcznie, każdy na innym formularzu. AI zapamiętuje formularze poszczególnych towarzystw i dopasowuje je do danych pacjenta. Lekarz weryfikuje, podpisuje. Towarzystwo dostaje dokument na swoim druku.
Warto też wspomnieć o przypadkach, które na początku sprawiają kłopot. Gdy pacjent jest nowy i nie ma historii w systemie, AI nie ma skąd czerpać danych. Lekarz wypełnia zaświadczenie tradycyjnie albo AI przygotowuje tylko szkielet z danymi formalnymi. To oczywiste ograniczenie każdego narzędzia pracującego na istniejącej dokumentacji, nie tylko w obszarze zaświadczeń.
Co trzeba podłączyć, żeby to działało w waszej placówce
AI przy zaświadczeniach nie działa w oderwaniu od reszty infrastruktury informatycznej placówki. Żeby przygotować projekt dokumentu, musi mieć dostęp do danych i szablonów. W praktyce są trzy elementy:
- Dostęp do dokumentacji w HIS. To punkt krytyczny. Bez historii choroby AI nie przygotuje niczego użytecznego. Systemy takie jak mMedica, KS-SOMED, Mediporta, AMMS udostępniają dane przez API lub eksport. Zakres dostępnych danych (rozpoznania, wyniki, leki, wizyty) decyduje o tym, jak pełny projekt może wygenerować AI.
- Baza szablonów dokumentów. Jednorazowa praca na starcie: zbieracie formularze ZUS, MOPS, PCPR, towarzystw ubezpieczeniowych. Kilkadziesiąt szablonów wystarczy na zdecydowaną większość przypadków. Potem baza jest aktualizowana przy zmianach formularzy przez urzędy i towarzystwa.
- Podpis kwalifikowany lekarza. Zaświadczenia w formie elektronicznej wymagają podpisu kwalifikowanego lub profilu zaufanego. AI generuje plik, lekarz podpisuje swoim certyfikatem. Jeśli placówka używa podpisu kwalifikowanego do e-recept, ten sam certyfikat działa przy zaświadczeniach elektronicznych.
Jakość danych w HIS wpływa bezpośrednio na jakość projektów. Jeśli rozpoznania wpisywane są wyłącznie jako wolny tekst bez kodów ICD-10, AI musi interpretować tekst, co zwiększa ryzyko błędu w projekcie. Placówki, które systematycznie uzupełniają kody rozpoznań, leki z karty chorób przewlekłych i wyniki badań w ustrukturyzowanych polach, uzyskują znacznie lepsze projekty już od pierwszych tygodni pracy z systemem.
Opcjonalnie: przy dokumentach trafiających do ZUS przez PUE możliwa jest integracja z portalem, która automatyzuje wysyłkę po podpisaniu przez lekarza. To osobny krok, ale możliwy do wdrożenia bez zmian po stronie ZUS.
Od czego zaczyna się wdrożenie w waszej placówce
Zanim uruchomicie cokolwiek, przejdźcie przez trzy kroki wstępne.
Policzcie dokumenty. Wyciągnijcie zestawienie zaświadczeń wystawionych w ostatnich trzech miesiącach. Jakie typy? Ile miesięcznie? Kto je przygotowuje? Na ile godzin pracy przekłada się to sumarycznie? W większości przychodni kilka typów zaświadczeń stanowi większość wszystkich. Od nich warto zacząć, nie od najtrudniejszych przypadków.
Sprawdźcie dostępność danych. Czy AI może sięgnąć do dokumentacji pacjenta w waszym HIS? Jak daleko sięga historia? Czy dane są ustrukturyzowane (rozpoznania jako kody, wyniki badań jako wartości liczbowe) czy tylko jako wolny tekst lekarza? Od odpowiedzi na te pytania zależy, czy AI przygotuje projekt w 90% gotowy do weryfikacji, czy tylko częściowo wypełniony szkic.
Uruchomcie pilota. Jeden typ zaświadczenia, jeden lekarz, miesiąc próby. Mierzcie, czy projekty generowane przez AI są wystarczająco dobre, żeby lekarz weryfikował je szybciej niż pisał od zera. Zbierajcie uwagi, poprawiajcie szablony, rozszerzajcie na kolejne typy dokumentów. Każde wdrożenie, które widzimy, przebiega tą samą ścieżką: od jednego prostego dokumentu do pełnego zakresu przez kilka miesięcy.
Chcecie sprawdzić, jak to może wyglądać konkretnie w waszej placówce? Zróbmy razem bezpłatny audyt: przejrzymy, jakie zaświadczenia i orzeczenia wychodzą z waszego gabinetu lub oddziału, gdzie AI wchodzi najłatwiej i ile czasu lekarzy to realnie odblokuje. Możecie też zajrzeć na realne wdrożenia, żeby zobaczyć, jak podobne scenariusze wyglądały u innych placówek.
Najczęstsze pytania
Czy AI może samodzielnie wystawić zaświadczenie lekarskie bez udziału lekarza?
Nie. AI przygotowuje projekt dokumentu na podstawie dokumentacji w HIS, ale każde zaświadczenie musi zostać zweryfikowane i podpisane przez lekarza. AI nie ocenia stanu zdrowia ani nie podejmuje decyzji klinicznych.
Czy ZUS akceptuje zaświadczenia przygotowane z pomocą AI?
ZUS weryfikuje treść i podpis lekarza, a nie sposób przygotowania dokumentu. Zaświadczenie przygotowane przez AI, zweryfikowane i podpisane przez lekarza spełnia te same wymogi formalne co napisane ręcznie.
Jak AI wie, co wpisać do zaświadczenia dla konkretnego urzędu lub towarzystwa ubezpieczeniowego?
AI korzysta z bazy szablonów, którą budujecie na etapie wdrożenia: formularze ZUS, MOPS, PCPR, poszczególnych towarzystw ubezpieczeniowych. Każdy szablon ma pola, które AI uzupełnia danymi z dokumentacji pacjenta w systemie HIS.
Co się dzieje, gdy dokumentacja pacjenta w systemie jest niekompletna?
AI zaznacza braki i przekazuje projekt do lekarza z informacją, których danych nie udało się uzupełnić automatycznie. Lekarz decyduje, czy uzupełnić je ręcznie, czy zlecić uzupełniające badania przed wystawieniem dokumentu.
Czy AI może pomóc przy zaświadczeniach w starszym systemie HIS, który nie ma API?
Zależy od systemu. W przypadku starszych systemów możliwa jest integracja przez eksport danych do pliku pośredniego lub przez interfejs webowy. Zakres automatyzacji będzie wtedy mniejszy, ale przy wybranych typach dokumentów wciąż możliwy do wdrożenia.
Opracowanie: zespół redAi z wykorzystaniem narzędzi AI.
Chcecie sprawdzić, jak AI rozwiąże to u Was?
Bezpłatny audyt potrzeb i pokaz działającego wdrożenia. Bez zobowiązań.


