Infotower dostał 27,7 mln zł — AI ma odsiać alarmy w szpitalach

8 października 2026 r. PARP poinformowała, że Infotower Business Solutions uzyskał w programie Ścieżka SMART ponad 27,7 mln zł dofinansowania na dwa projekty: 11 727 902 zł na MedAlert i ponad 16 mln zł na Farma Flow. MedAlert ma ustalać pilność komunikatów z danych szpitalnych i kierować je do właściwych pracowników. Farma Flow powstaje z myślą o zarządzaniu lekami w szpitalach.

MedAlert przeszedł już pierwsze pilotaże w warunkach szpitalnych. W relacji My Company Polska rozpoczęcie wdrożeń zapowiedziano na początek 2027 r., a Tomasz Werner, architekt IT w Infotower, określił cel systemu słowami: „Chcemy pomóc personelowi skupić uwagę tam, gdzie jest potrzebna”. Pilotaż dotyczy MedAlertu; prace badawczo-rozwojowe nad systemem gospodarki lekowej nadal trwają.

Dwie dotacje, dwa etapy rozwoju

Podział pieniędzy pokazuje, że projekty odpowiadają na różne potrzeby szpitala i znajdują się na różnych etapach. Finansowanie MedAlertu umożliwiło przejście od badań nad algorytmami do zintegrowanego prototypu oraz jego przetestowania. Większa kwota przeznaczona na Farma Flow dotyczy rozwiązania, którego funkcje mają być dopiero rozwijane i sprawdzane.

Na stronie Infotower o pracach B+R MedAlert ma status projektu po zakończeniu badań, przygotowywanego do wdrożeń, natomiast Pharma Flow jest opisany jako projekt badawczo-rozwojowy w realizacji. Spółka używa pisowni „Pharma Flow”; w publikacjach o dofinansowaniu pojawia się „Farma Flow”. Chodzi o ten sam projekt dotyczący aptek szpitalnych, a różnica zapisu nazwy nie oznacza kolejnego dofinansowanego systemu.

Przyznane środki pozwalają prowadzić kosztowne prace nad technologią, której działanie trzeba zweryfikować w rzeczywistych procesach placówki. Zbudowanie prototypu MedAlertu i przeprowadzenie pilotaży to konkretne osiągnięcia, lecz nie są jeszcze miarą skuteczności systemu po szerszym uruchomieniu. W Farma Flow nawet podstawowe korzyści, takie jak trafniejsze prognozy zapotrzebowania, pozostają celem badań.

Jak MedAlert ma odsiać i skierować komunikat

MedAlert ma korzystać z informacji zapisanych w systemach szpitalnych, między innymi z wyników badań. Najpierw reguły oparte na wiedzy medycznej sprawdzają, czy wynik przekracza ustalone wartości graniczne. Dopiero potem modele AI analizują szerszy kontekst: tempo zmian parametrów, wcześniejsze wyniki, rozpoznania, choroby współistniejące i podawane leki.

Takie połączenie ma pomóc zauważyć niepokojącą zależność także wtedy, gdy pojedynczy pomiar mieści się jeszcze w normie. Ocena nie kończy się na oznaczeniu wyniku jako ważnego: system ma przypisać zdarzeniu priorytet i wybrać odbiorcę odpowiedzialnego za reakcję. Właśnie adresowanie komunikatu odróżnia go od prostego mechanizmu, który wysyła każdemu tę samą informację o nowym wyniku.

Znaczenie ma również to, co stanie się po wysłaniu powiadomienia. Projekt przewiduje potwierdzenie odbioru oraz eskalację, jeśli wskazana osoba nie zareaguje. Dzięki temu placówka mogłaby ustalić, czy ważna informacja rzeczywiście dotarła do kogoś, kto może się nią zająć, zamiast poprzestać na samym wygenerowaniu alertu.

Kategoryzacja przygotowana przez AI pozostaje sugestią. Personel medyczny weryfikuje wynik w kontekście stanu pacjenta i decyduje, czy potrzebne jest dalsze badanie, zmiana leczenia albo inne działanie. Dla przyszłych wdrożeń istotne będzie więc nie tylko wychwytywanie pilnych zdarzeń, ale też liczba zbędnych powiadomień, trafność wyboru odbiorcy i czas przekazania informacji. Nie przedstawiono tych miar jako wyników pierwszych pilotaży.

Farma Flow ma przewidywać potrzeby apteki

Drugi projekt dotyczy leków przechowywanych w aptekach szpitalnych i apteczkach oddziałowych. Farma Flow ma analizować zużycie oraz dostępne zapasy, aby wcześniej sygnalizować ryzyko niedoboru, nadwyżki lub przeterminowania. Plan obejmuje także monitorowanie realizacji kontraktów i usprawnienie kontaktu z dostawcami.

Prognoza wymaga połączenia informacji, które dziś powstają w różnych częściach szpitala: danych o zapasach, zamówieniach, dostawach i potrzebach oddziałów. Pojedynczy stan magazynowy nie pokazuje jeszcze, czy leku wystarczy do kolejnej dostawy ani czy zamówienie zostanie zrealizowane w terminie. Dlatego projekt ma wspierać przewidywanie problemu, zanim stanie się widoczny jako brak na półce.

Infotower wskazuje, że użyteczny model potrzebuje odpowiednio przygotowanych danych, integracji z istniejącymi systemami i nadzoru człowieka. W aptece oznacza to rekomendację, którą ocenia uprawniony pracownik, a nie samodzielną decyzję o zakupie czy zamienniku. Zapowiadane funkcje Pharma Flow będą weryfikowane podczas dalszych badań i testów; spółka nie przedstawia go jako gotowego produktu wdrożonego w aptekach.

Co pokażą planowane wdrożenia MedAlertu

Najbliższy sprawdzian dotyczy MedAlertu: zapowiedziane uruchomienia w placówkach mają pokazać, jak prototyp radzi sobie w codziennej pracy. Szpitale różnią się sposobem zapisywania wyników, podziałem obowiązków i drogą przekazywania pilnych informacji. Od tych warunków zależy, czy ten sam mechanizm selekcji będzie dostarczał komunikaty osobom rzeczywiście odpowiedzialnym za reakcję.

Ocena działania wymaga obserwacji całej drogi alertu: od danych źródłowych, przez nadanie priorytetu i wybór adresata, po potwierdzenie odbioru albo eskalację. Samo wykrycie niepokojącego wyniku nie rozwiąże problemu, jeżeli powiadomienie trafi do osoby poza dyżurem lub zginie wśród innych komunikatów. Dopiero dane z wdrożeń pozwolą ocenić, czy system ogranicza szum informacyjny bez przeoczania zdarzeń wymagających uwagi.

Przeczytaj także:

• Kredyt wiązany chroni kupującego — Inbank dostał 4,69 mln zł kary
• Copilot dostał lokalną piaskownicę, lecz ochrona jest domyślnie wyłączona
• 10 mln zł dla startupów z Polski Wschodniej — nabór już ruszył