Szpital w Brukseli uruchamia Qwen3 na własnych serwerach jako asystenta w dokumentacji pacjentów

Problem

Lekarze spędzają dużą część dnia w elektronicznej dokumentacji medycznej (cyfrowej karcie pacjenta w szpitalu). Artykuł zauważa, że lekarze medycyny ratunkowej w tym szpitalu poświęcają średnio 20 minut na pacjenta na czytanie wcześniejszych dokumentów przed konsultacją. Szpitale nie mogą też wysyłać danych pacjentów do zewnętrznych chatbotów bez naruszenia przepisów o prywatności, takich jak unijne RODO.

Co zbudowano

Cliniques universitaires Saint-Luc, szpital uniwersytecki w Brukseli, zbudował asystenta czatowego wewnątrz systemu dokumentacji pacjentów Epic. Działa on na Qwen3-235B, modelu Alibaby o otwartych wagach (open-weight). Otwarte wagi oznaczają, że pliki modelu są publicznie dostępne, więc organizacja może uruchomić go na własnych serwerach, zamiast korzystać z usługi dostawcy.

Asystent odpowiada na pytania na podstawie dokumentacji bieżącego pacjenta, dokumentów z belgijskiej regionalnej sieci informacji zdrowotnej, procedur szpitala oraz wybranej literatury medycznej. Każda odpowiedź podaje użyte źródła, z linkami otwierającymi się wewnątrz dokumentacji.

Jak to zrobiono

Szpital najpierw zorganizował warsztaty z lekarzami, aby zebrać i uszeregować przypadki użycia. Na pierwszym miejscu znalazł się dostęp do informacji, więc zespół zbudował asystenta opartego na wyszukiwaniu. Retrieval-augmented generation (RAG) oznacza, że system wyszukuje odpowiednie dokumenty i przekazuje je modelowi, zanim ten odpowie.

Całość działa na serwerze kupionym przez szpital, z 8 układami NVIDIA H200, w sieci szpitala i bez zewnętrznego połączenia z internetem w rdzeniu systemu. W projektowaniu i testach pomagała sieć lekarzy „championów”. Skonsultowano się z inspektorem ochrony danych szpitala, a przed uruchomieniem przeprowadzono ocenę skutków dla ochrony danych. Zespół zgłosił narzędzie belgijskiej agencji leków jako wyrób medyczny wytworzony we własnym zakresie.

Wyniki

W miesięcznym pilotażu 28 lekarzy z dziewięciu specjalizacji przeprowadziło 482 rozmowy, a 64 % korzystało z asystenta codziennie. Po pilotażu narzędzie udostępniono całemu szpitalowi, także personelowi pielęgniarskiemu i studentom. Między 8 maja a 13 października 2025 roku 1 028 użytkowników przeprowadziło 14 910 rozmów, a 561 z nich (54,6 %) korzystało z narzędzia co najmniej raz w tygodniu.

Najczęściej chodziło o znajdowanie informacji (36,8 % rozmów) i streszczanie dokumentacji (26,5 %). Pisanie notatek stanowiło 20,7 %, a wsparcie decyzji klinicznych 11,0 %. Autorzy odczytują to tak, że personel używa narzędzia jako pomocy informacyjnej, a nie diagnostycznej.

Co poszło nie tak

Badanie nie sprawdzało, czy asystent oszczędza czas lub poprawia opiekę. Opinie z pilotażu pokazały luki: użytkownicy wskazywali brak kontekstu, na przykład wyników badań patomorfologicznych, a jedna odpowiedź błędnie odczytała wynik skali ryzyka. W produkcji liczba ocen spadła, dlatego szpital planuje losowe próbkowanie i automatyczne kontrole rozmów.

Co warto powtórzyć

Zacznijcie od zadań informacyjnych, o które personel już prosi, wbudujcie narzędzie w jego główny system i zaplanujcie budżet na monitorowanie po wdrożeniu.