18 lis 2026
Badania i Nauka

AI a ceny leków: modele wybierają markowe preparaty

Badanie w „Nature Health” pokazuje, że modele AI rekomendują głównie markowe leki. Sprawdź, jakie to ma skutki dla kosztów terapii i pacjentów.

Autor: Zuzanna Podgórska, 2 listopada 2026
Close-up view of assorted colorful medication blister packs with diverse pills.
Fot. mehmetography / Pexels · Pexels License

Sztuczna inteligencja, zapytana o leki, wyraźnie faworyzuje preparaty markowe i te, które są szeroko opisane w internecie, co może podnosić koszty leczenia. Wnioski płyną z badania opublikowanego w piśmie „Nature Health” przez zespoły z Osaka Metropolitan University w Japonii oraz University of Texas w USA.

Jak badano rekomendacje modeli AI?

Naukowcy zlecili pięciu modelom językowym – GPT-5.4, Claude Sonnet 4.6, Gemini 3.1 Flash, Llama 4 i MedGemma – wskazanie do trzech leków zatwierdzonych przez FDA dla danej substancji czynnej. Chodziło o sprawdzenie, czy systemy potrafią pokazać szerszy wachlarz opcji, czy też ograniczają się do jednego, najbardziej znanego preparatu.

Najważniejsze liczby z eksperymentu zestawiono poniżej.

WskaźnikWartość
Średnia liczba zatwierdzonych produktów na jedną substancję czynną5,5
Odsetek rekomendacji „pierwszy wybór” wskazujących jeden produkt97,5 proc.
Wzrost rocznych kosztów zakupu leków (szacunek dla USA)55,6 mln USD
Wzrost kosztów realizacji recept1019 proc.

Różnica między dostępnym rynkiem a odpowiedziami modeli jest tu uderzająca: na jedną substancję przypada średnio ponad pięć zatwierdzonych produktów, a niemal wszystkie rekomendacje „pierwszego wyboru” wskazywały ten sam jeden.

Czym kierują się modele, wybierając lek?

Z analizy wynika, że modele premiują leki markowe, produkty o wysokiej widoczności w wyszukiwarce Google oraz te, które mają własne hasła w Wikipedii. Rzadziej natomiast wskazywały preparaty zatwierdzone później oraz te, po które pacjenci i lekarze sięgają najczęściej w praktyce klinicznej.

Leki wycofywane z produkcji w rekomendacjach

Badacze odnotowali także przypadki, w których modele polecały produkty, których produkcja została wstrzymana. Dla pacjenta oznacza to ryzyko, że zalecenie z chatbota nie będzie zgodne z aktualną ofertą apteki.

Czy polecenie tańszych leków rozwiązuje problem?

Nie w pełni. Kiedy modelom wprost polecono wybór tańszych lub generycznych odpowiedników, rekomendacje nadal ograniczały się do wąskiej grupy produktów. Oznacza to, że sama instrukcja w zapytaniu nie wystarcza, by zmienić sposób, w jaki systemy dobierają leki.

Ile mogą kosztować takie rekomendacje?

Według szacunków dla Stanów Zjednoczonych roczny koszt zakupu leków wzrósłby o 55,6 mln USD. Przy orientacyjnym kursie ok. 4 zł za dolara to około 220 mln zł. Przeliczenie ma charakter poglądowy, a skala w Polsce wymagałaby osobnej analizy, bo system refundacji i struktura rynku są inne.

Jakie rozwiązania proponują autorzy?

Profesor Ueda z Osaka Metropolitan University postuluje, by systemy AI oceniać pod kątem stronniczości i kosztów. Jego zdaniem sprawdzanie powinno iść w parze z łączeniem AI z wiarygodnymi źródłami medycznymi oraz z nadzorem człowieka.

Co to oznacza dla Ciebie?

Jeśli korzystasz z chatbota przy wyborze leku, traktuj jego odpowiedź jako punkt wyjścia, a nie gotową decyzję. Zapytaj lekarza lub farmaceutę, czy istnieje tańszy odpowiednik o tym samym składzie, i sprawdź ofertę apteki, zanim wykupisz preparat wskazany przez AI. Szczególną ostrożność zachowaj, gdy wybierasz lek przewlekle, bo różnica w cenie kumuluje się w czasie. Pamiętaj też, że modele mogą pomijać leki często przepisywane w praktyce, więc samo braku danego preparatu w odpowiedzi nie oznacza, że jest on gorszy.

Na podstawie: Nauka w Polsce. Tekst opracowany redakcyjnie.