AI w pracy dyplomowej na kierunkach medycznych — co wolno, a co łamie RODO

AI w pracy dyplomowej na kierunkach medycznych to dziś kwestia nie tyle regulaminu uczelni, co prawa ochrony danych. Student zarządzania, który wkleja do modelu tabelę z wynikami ankiety, ryzykuje najwyżej naganę promotora. Student pielęgniarstwa, położnictwa, fizjoterapii czy ratownictwa, który wkleja fragment karty pacjenta, przetwarza dane o stanie zdrowia — czyli kategorię objętą szczególną ochroną w RODO — i robi to bez podstawy prawnej. Różnica jest fundamentalna, a większość poradników o AI w pracach dyplomowych w ogóle jej nie zauważa. Poniżej znajdziesz granicę: które zastosowania modeli językowych są w pracy medycznej bezpieczne, gdzie zaczyna się naruszenie, jak przygotować materiał badawczy zanim go w ogóle otworzysz w przeglądarce, i co komisja bioetyczna oraz dziekanat naprawdę chcą zobaczyć na papierze.

Dlaczego kierunki medyczne to inny przypadek niż reszta uczelni

Na kierunkach społecznych czy ekonomicznych materiał badawczy to zwykle ankiety, sprawozdania finansowe albo dane publiczne. Nawet gdy zawierają odpowiedzi konkretnych ludzi, są to dane zwykłe — imię, wiek, staż pracy. Na kierunkach medycznych materiał badawczy to najczęściej dokumentacja medyczna, wyniki badań, karty obserwacji, protokoły zabiegowe albo wywiady z pacjentami.

Dane o stanie zdrowia należą do szczególnych kategorii danych osobowych opisanych w art. 9 ogólnego rozporządzenia o ochronie danych (RODO). Ich przetwarzanie jest co do zasady zakazane, a wyjątki są wyliczone enumeratywnie — badania naukowe są jednym z nich, ale pod warunkiem odpowiednich zabezpieczeń. Wysłanie takich danych do zewnętrznego dostawcy usługi AI to przekazanie ich podmiotowi, z którym ani ty, ani twoja uczelnia nie macie żadnej umowy powierzenia przetwarzania. W większości przypadków oznacza to również transfer poza Europejski Obszar Gospodarczy.

Drugi element to tajemnica zawodowa. Pielęgniarka, położna, fizjoterapeuta i ratownik są związani tajemnicą zawodową niezależnie od RODO — obowiązek wynika z ustaw regulujących te zawody i nie znika dlatego, że student jest na praktyce, a nie na etacie. Trzeci element to regulamin placówki, w której zbierasz materiał. Zgoda ordynatora na wgląd do dokumentacji nigdy nie obejmuje zgody na wyniesienie jej treści do usługi chmurowej.

Uwaga: to nie jest tak, że AI jest na kierunkach medycznych zakazane. Zakazane jest karmienie modelu danymi pacjentów. Cała reszta pracy — struktura, przegląd literatury, język, redakcja, tłumaczenie — pozostaje dostępna i to właśnie tam AI oszczędza najwięcej czasu.

Czego nigdy nie wolno wklejać do modelu AI

Poniższa lista to minimum. Jeśli fragment tekstu zawiera którykolwiek z tych elementów, nie trafia do okna czatu — ani w oryginale, ani „lekko zmieniony”.

Kategoria	Przykłady	Dlaczego to problem
Identyfikatory bezpośrednie	imię, nazwisko, PESEL, numer księgi głównej, numer historii choroby	jednoznacznie wskazują osobę
Quasi-identyfikatory	data urodzenia, dokładna data przyjęcia i wypisu, kod pocztowy, nazwa oddziału	w połączeniu pozwalają ustalić tożsamość
Inicjały	„K.N., 34 l., oddział położniczy”	przy małej próbie działają jak nazwisko
Dane kliniczne z opisem kontekstu	opis rzadkiego rozpoznania z datą i placówką	rozpoznanie rzadkie samo w sobie identyfikuje
Materiał wizualny	zdjęcia ran, wyniki obrazowe, skany kart	metadane pliku często zawierają dane pacjenta
Nagrania i transkrypcje wywiadów	surowy zapis rozmowy z pacjentką	głos i szczegóły biograficzne są danymi osobowymi
Dane personelu	nazwiska lekarzy prowadzących, grafiki dyżurów	to również dane osobowe, tylko nie pacjenta

Pułapka „przecież usunąłem nazwisko”

Najczęstszy błąd to przekonanie, że usunięcie imienia i nazwiska wystarcza. Nie wystarcza. Zestaw „kobieta, 41 lat, poród 12 marca 2026, szpital powiatowy w mieście X, cięcie cesarskie z powodu rzadkiego wskazania” identyfikuje konkretną osobę równie skutecznie jak nazwisko — a w małej placówce jeszcze skuteczniej. Reguła praktyczna: jeśli położna z tego oddziału po przeczytaniu opisu byłaby w stanie powiedzieć, o kim mowa, opis nie jest zanonimizowany.

Pułapka trybu „nie ucz się na moich danych”

Wyłączenie uczenia modelu na twoich rozmowach ogranicza jedno konkretne ryzyko, ale nie zmienia stanu prawnego. Dane i tak zostały przesłane, i tak są przetwarzane na serwerze dostawcy i i tak podlegają jego politykom retencji. Z punktu widzenia RODO przekazanie już nastąpiło. Ustawienie prywatności w interfejsie nie jest podstawą prawną przetwarzania.

Anonimizacja i pseudonimizacja — jak przygotować materiał przed analizą

To dwa różne pojęcia, które w pracach dyplomowych są nagminnie mylone, a różnica decyduje o tym, czy w ogóle wychodzisz spod reżimu RODO.

Różnica, którą musisz opisać w metodologii

Pseudonimizacja to zastąpienie identyfikatorów kodem przy zachowaniu klucza pozwalającego cofnąć operację. RODO definiuje ją w art. 4 pkt 5. Dane pseudonimizowane nadal są danymi osobowymi i nadal podlegają rozporządzeniu — bo istnieje klucz. Typowy przypadek: prowadzisz badanie podłużne i musisz przypisać pomiar z drugiego tygodnia do tej samej osoby, co pomiar wyjściowy.

Anonimizacja to nieodwracalne usunięcie możliwości identyfikacji — klucz nie istnieje, bo nigdy go nie utworzono albo został zniszczony. Dane anonimowe nie są danymi osobowymi i RODO ich nie obejmuje. Dopiero taki materiał można w ogóle rozważać jako wsad do narzędzia zewnętrznego.

Cecha	Pseudonimizacja	Anonimizacja
Klucz odwracający	istnieje, przechowywany osobno	nie istnieje
Status prawny	dane osobowe, RODO obowiązuje	poza zakresem RODO
Możliwość badania podłużnego	tak	nie
Można przetwarzać w narzędziu AI	nie	ostrożnie, po weryfikacji ryzyka reidentyfikacji

Procedura krok po kroku

1. Zbieraj mniej. Nie kopiuj całej karty, jeśli do analizy potrzebujesz trzech zmiennych. Minimalizacja danych jest obowiązkiem, nie dobrą praktyką.
2. Koduj przy źródle. Nadaj identyfikator (P001, P002) już w placówce, na papierze lub w arkuszu, który nie opuszcza komputera.
3. Zamień daty na interwały. Zamiast „przyjęcie 4 lutego 2026, wypis 11 lutego 2026” zapisz „hospitalizacja 7 dni”.
4. Zgrupuj wiek i lokalizację. Zamiast „41 lat, szpital powiatowy w X” zapisz „przedział 40-49 lat, szpital powiatowy”.
5. Wyczyść metadane plików. Skany, zdjęcia i pliki DICOM przenoszą dane pacjenta w nagłówku, którego nie widać na ekranie.
6. Zniszcz klucz po zakończeniu zbierania, jeśli projekt nie wymaga powrotu do jednostek. Fakt zniszczenia opisz w metodologii.
7. Sprawdź próg unikalności. Jeśli w zestawie jest kategoria z jednym lub dwoma przypadkami, zagreguj ją wyżej — pojedynczy rekord w komórce to gotowa reidentyfikacja.

Dopiero materiał, który przeszedł te siedem kroków, można rozważać jako wsad do jakiegokolwiek narzędzia zewnętrznego. Praktyczne wskazówki dotyczące samego opisu procedury znajdziesz w tekście o tym, jak napisać rozdział empiryczny pracy licencjackiej — to tam anonimizacja powinna być udokumentowana, a nie w załączniku.

Urząd Ochrony Danych Osobowych publikuje poradniki i decyzje dotyczące sektora ochrony zdrowia — materiały UODO są w razie wątpliwości lepszym punktem odniesienia niż forum studenckie.

Komisja bioetyczna a AI — czy trzeba to zgłaszać

Zależy od tego, co robisz, ale odpowiedź „nie muszę, bo AI to tylko narzędzie do pisania” jest ryzykowna.

Kiedy AI w ogóle nie interesuje komisji

Jeśli używasz modelu wyłącznie do pracy nad tekstem — porządkowanie struktury, poprawa języka, streszczanie artykułów, które sam pobrałeś, tłumaczenie abstraktu — nie dotykasz protokołu badania. AI jest tu odpowiednikiem edytora tekstu i korektora. Większość komisji nie oczekuje w takiej sytuacji odrębnej informacji, choć uczelnia i tak wymaga oświadczenia przy składaniu pracy.

Kiedy AI staje się elementem protokołu

Sytuacja zmienia się, gdy model przetwarza materiał badawczy: kodowanie wypowiedzi z wywiadów, klasyfikowanie opisów przypadków, analiza treści odpowiedzi otwartych, wsparcie w interpretacji wyników. Wtedy narzędzie wpływa na wyniki i staje się częścią metody. To trzeba opisać we wniosku, bo komisja ocenia całą ścieżkę przetwarzania danych uczestników.

Co napisać we wniosku

Wnioski do komisji bioetycznych różnią się między uczelniami, więc pobierz aktualny formularz ze strony swojej jednostki. Niezależnie od wzoru warto ująć cztery rzeczy:

• jakie narzędzie i w jakiej wersji zostanie użyte oraz na jakim etapie;
• jaki materiał do niego trafi — z jednoznacznym stwierdzeniem, że wyłącznie zanonimizowany, po odłączeniu identyfikatorów;
• gdzie fizycznie przetwarzane są dane i czy dostawca przechowuje treść zapytań;
• kto weryfikuje wynik — czyli że decyzja interpretacyjna należy do ciebie i promotora, nie do modelu.

Jeżeli w formularzu zgody dla uczestników deklarujesz, że dane nie będą przekazywane podmiotom trzecim, a jednocześnie planujesz analizę w narzędziu chmurowym, masz sprzeczność, którą recenzent wyłapie. Uzgodnij treść zgody z rzeczywistym przepływem danych, zanim zbierzesz pierwszy podpis.

Bezpieczne zastosowania AI w pracy medycznej

Poniższa tabela dzieli typowe zastosowania na trzy grupy. Zielone możesz stosować bez dodatkowych warunków, żółte wymagają zabezpieczeń, czerwone są poza dyskusją.

Zastosowanie	Status	Warunek
Porządkowanie struktury rozdziałów	bezpieczne	brak
Redakcja językowa własnego tekstu	bezpieczne	brak
Tłumaczenie abstraktu na angielski	bezpieczne	kontrola terminologii fachowej
Streszczanie pobranych artykułów	bezpieczne	pracujesz na tekście, który już masz
Generowanie pytań do kwestionariusza	bezpieczne	walidacja merytoryczna przez promotora
Interpretacja wyników statystycznych	warunkowe	dane zagregowane, bez jednostkowych rekordów
Kodowanie odpowiedzi otwartych	warunkowe	pełna anonimizacja + zgłoszenie komisji
Analiza opisów przypadków	ryzykowne	tylko przypadki opublikowane i zanonimizowane
Wklejanie dokumentacji medycznej	zakazane	—
Transkrypcja nagrań z pacjentami w chmurze	zakazane	—

Warto zwrócić uwagę na jedną asymetrię: największe oszczędności czasu na kierunkach medycznych i tak leżą w zielonej strefie. Rozdział teoretyczny, przegląd piśmiennictwa i redakcja to zwykle 60-70% pracy nad licencjatem — a żaden z tych etapów nie wymaga kontaktu z danymi pacjenta.

Jeśli chcesz mieć gotowy szkielet całości, generator prac licencjackich Smart-Edu przygotuje strukturę, rozdział teoretyczny i bibliografię w 30-90 minut od 249 zł, pracując wyłącznie na literaturze i temacie — bez dostępu do twoich danych badawczych, które i tak zbierasz oraz analizujesz samodzielnie. Ogólne zasady rozdzielania pracy między siebie a narzędzie opisaliśmy szerzej w poradniku jak używać AI do pracy licencjackiej.

Cytowanie źródeł medycznych — dlaczego AI halucynuje DOI

To najczęstsza wpadka na obronie na kierunkach medycznych i najłatwiejsza do uniknięcia.

Skąd biorą się nieistniejące publikacje

Model językowy przewiduje kolejne tokeny na podstawie wzorca, a przypis bibliograficzny ma wzorzec wyjątkowo regularny: nazwiska, rok, tytuł czasopisma, tom, strony, numer DOI. Model odtwarza ten kształt bezbłędnie i wypełnia go treścią statystycznie prawdopodobną — a nie prawdziwą. Powstaje przypis, który wygląda idealnie: realny autor, realne czasopismo, wiarygodny rok, poprawnie sformatowany DOI. Tylko że ta praca nie istnieje albo istnieje pod innym tytułem i w innym roku.

W naukach medycznych konsekwencje są większe niż gdzie indziej, bo recenzent zna piśmiennictwo swojej wąskiej dziedziny i wyłapie nieistniejące badanie w kilka sekund. Do tego wymogi cytowania są tu ściślejsze — dominuje styl Vancouver z numeracją w kolejności występowania, w którym każda pozycja odsyła do konkretnego rekordu w bazie.

Procedura weryfikacji — trzy minuty na pozycję

1. Wyszukaj tytuł w PubMed. Jeśli praca istnieje i jest indeksowana, znajdziesz ją po tytule lub po pierwszym autorze z rokiem.
2. Sprawdź DOI w rozwiązywaczu, wpisując go po adresie doi.org/. Numer, który nie prowadzi do rekordu, jest zmyślony — nie ma czegoś takiego jak „DOI z literówką, ale prawdziwe”.
3. Otwórz abstrakt i potwierdź treść. Zdarza się, że publikacja istnieje, ale nie mówi tego, co przypisał jej model. To wersja błędu trudniejsza do wykrycia i groźniejsza na obronie.
4. Przepisz opis bibliograficzny z bazy, nie z czatu. PubMed eksportuje gotowy format cytowania — używaj go zamiast poprawiania tego, co wygenerował model.

Zasada nadrzędna: żadna pozycja, której nie otworzyłeś, nie trafia do bibliografii. Reguły formatowania przypisów w poszczególnych stylach opisaliśmy w tekście o cytowaniu w pracy dyplomowej, a to, jak systemy antyplagiatowe traktują treści generowane maszynowo — w artykule o antyplagiacie w pracy dyplomowej.

Oświadczenie o użyciu AI na uczelniach medycznych

Uczelnie medyczne wprowadzały obowiązek deklarowania użycia AI wcześniej i ostrzej niż uczelnie ogólnoakademickie — właśnie ze względu na dane wrażliwe. Wzory różnią się między uczelniami, ale w praktyce oczekuje się od ciebie odpowiedzi na trzy pytania: czy używałeś, do czego dokładnie i czy do narzędzia trafiły dane osobowe.

Dobre oświadczenie na kierunku medycznym zawiera jedno zdanie, którego nie ma w oświadczeniach z innych wydziałów: wyraźne potwierdzenie, że żadne dane pacjentów ani dokumentacja medyczna nie zostały wprowadzone do narzędzi zewnętrznych. To zdanie zamyka dyskusję, zanim się zacznie.

Wskazówka: wypełniaj oświadczenie na bieżąco, a nie tydzień przed obroną. Notuj datę, narzędzie i etap za każdym razem, gdy z niego korzystasz. Odtworzenie tego z pamięci po ośmiu miesiącach kończy się deklaracją ogólnikową, która wygląda podejrzanie właśnie dlatego, że jest ogólnikowa.

Gotowy wzór wraz z omówieniem wymogów poszczególnych uczelni znajdziesz w tekście o oświadczeniu o użyciu AI w pracy dyplomowej.

Najczęstsze pytania o AI w pracach dyplomowych na kierunkach medycznych

Czy mogę wkleić do ChatGPT opis przypadku, jeśli usunę nazwisko?

Nie, jeśli w opisie zostaje cokolwiek pozwalające zawęzić krąg osób: data, oddział, rzadkie rozpoznanie, wiek podany co do roku. Usunięcie nazwiska to nie anonimizacja, tylko usunięcie jednego identyfikatora. Bezpieczna wersja to opis zagregowany — przedział wiekowy, typ placówki bez nazwy, czas hospitalizacji w dniach zamiast dat.

Czy komisja bioetyczna odrzuci wniosek, jeśli wspomnę o AI?

Sama wzmianka nie jest powodem odmowy. Powodem odmowy bywa niespójność: deklaracja poufności w formularzu zgody przy jednoczesnym planie analizy w narzędziu chmurowym, albo brak opisu, co konkretnie trafia do modelu. Opisanie użycia AI wprost działa na twoją korzyść — pokazuje, że rozumiesz przepływ danych w swoim badaniu.

Czy praca napisana z pomocą AI przejdzie JSA?

Jednolity System Antyplagiatowy wykrywa przede wszystkim podobieństwo do istniejących tekstów, a nie „maszynowość” stylu. Tekst wygenerowany bywa oryginalny w rozumieniu podobieństwa i przechodzi kontrolę. Problemem na kierunkach medycznych nie jest raport z systemu, tylko obrona: recenzent pyta o metodę i o źródła, a odpowiedzi na te pytania nie da się wygenerować przy stole.

Czy mogę użyć AI do analizy statystycznej wyników?

Do zrozumienia, jaki test wybrać, i do interpretacji gotowego wyniku — tak, to praca na wiedzy ogólnej, nie na danych. Do przetwarzania surowego zbioru z jednostkowymi rekordami pacjentów — nie, chyba że zbiór jest w pełni zanonimizowany i przetwarzasz go lokalnie. Same obliczenia rób w narzędziu statystycznym, którego wynik da się odtworzyć i pokazać komisji.

Czy promotor musi wiedzieć, że używam AI?

Tak, i to nie ze względów formalnych, tylko praktycznych. Promotor na kierunku medycznym zna realia placówki, w której zbierasz materiał, i wychwyci ryzyko, którego ty nie widzisz — na przykład to, że opisany przez ciebie „anonimowy” przypadek jest w danym szpitalu jedyny w roku. Ustalenie zasad na starcie jest tańsze niż przepisywanie rozdziału w kwietniu.

Podsumowanie

AI w pracy dyplomowej na kierunkach medycznych sprowadza się do jednej granicy: model może dotykać twojego tekstu i twojej literatury, ale nie może dotykać danych pacjentów. Wszystko, co robisz przed zebraniem materiału — struktura, przegląd piśmiennictwa, redakcja — jest bezpieczne i tam warto szukać oszczędności czasu. Wszystko, co dotyczy surowego materiału klinicznego, wymaga wcześniejszej anonimizacji, opisu w metodologii i zgodności z tym, co zadeklarowałeś komisji oraz uczestnikom badania.

Praktycznie oznacza to trzy nawyki: koduj dane przy źródle, weryfikuj każdą pozycję bibliograficzną w bazie, prowadź notatnik użycia narzędzi od pierwszego dnia. Jeśli szukasz jeszcze tematu, zestaw propozycji znajdziesz w artykule z tematami prac licencjackich z pielęgniarstwa.