Dr n. o zdr. Marlena Krawczyk-Suszek

Kierownik Katedry Fizjoterapii WSIiZ. Jej zainteresowania naukowe koncentrują się wokół dziedziny nauk medycznych i nauk o zdrowiu, a szczególnie w zakresie predyktorów jakość życia osób zdrowych i chorych, rankingu chorób determinujących jakość życia, analiz z zakresu dysfunkcji narządu ruchu, wychyleń środka ciężkości, analiz parametrów stabilometrycznych oraz zastosowań nowoczesnych technologii w rehabilitacji leczniczej, w tym także sztucznej inteligencji. Jest autorem i współautorem licznych publikacji naukowych w dziedzinie nauk medycznych i nauk o zdrowiu.

Jak sztuczna inteligencja wspiera proces starzenia się człowieka i poprawia jakość życia seniora?

„Wyobraźmy sobie poranek 78-letniej pani Haliny. Inteligentny głośnik przypomina jej o porannych lekach, dyskretny czujnik na nadgarstku monitoruje rytm serca, alarm w telefonie powiadamia o spadającym poziomie glukozy we krwi, a gdyby się przewróciła, system automatycznie wezwałby pomoc. Po południu robot-towarzysz zachęci ją do gimnastyki i porozmawia o pogodzie. To nie scenariusz filmu science fiction — to rozwiązania, które są dziś badane w renomowanych czasopismach naukowych i wdrażane w domach seniorów na całym świecie.”

Na świecie obserwujemy pędzący trend starzejących się społeczeństw. Według prognoz WHO do 2050 roku liczba osób po 60. roku życia przekroczy 2,1 miliarda — to ponad jedna piąta ludzkości [1]. Systemy ochrony zdrowia już dziś nie nadążają za rosnącymi potrzebami społeczeństw. I właśnie tu – w sytuacji potrzeby – z pomocą przychodzi sztuczna inteligencja (Artificial Intelligence – AI) — nie po to, by zastąpić człowieka, lecz by przedłużyć okres samodzielnego, zdrowego i godnego życia.

Przyjrzyjmy się pięciu obszarom, w których — jak pokazują ostatnie badania — AI realnie zmienia codzienność seniorów.

1. Cichy asystent codziennego życia

Najbardziej widoczną „twarzą” AI w domu seniora są asystenci głosowi — Alexa, Google Assistant czy Siri. Ich siła tkwi w prostocie: wystarczy powiedzieć «przypomnij mi o lekach o siódmej», by uruchomić funkcję, która dla osoby z ograniczoną sprawnością manualną czy słabszym wzrokiem bywa nieoceniona. Badania pokazują, że seniorzy najczęściej wykorzystują asystentów do ustawiania przypomnień, wyszukiwania informacji i sprawdzania pogody [2]. Co ciekawe, w badaniu współprojektowania systemu wspierającego samodzielne życie (opartego na Internecie Rzeczy i AI) to właśnie czujniki otoczenia i asystenci głosowi zostali uznani przez uczestników za najbardziej akceptowalne technologie [3]. Asystenci głosowi pełnią też funkcję, której początkowo im nie przypisywano — łagodzą poczucie osamotnienia, oferując towarzyszącą obecność i łatwy kontakt z bliskimi przez wideorozmowy.

2. Monitorowanie stanu zdrowia 24/7

Upadki to jedna z głównych przyczyn pogorszenia zdrowia i śmierci wśród osób starszych. Tu AI dokonała przełomu. Systemy oparte na czujnikach noszonych i algorytmach uczenia maszynowego potrafią automatycznie wykryć upadek i natychmiast powiadomić opiekuna lub służby ratunkowe — co pozwala udzielić pomocy szybciej i zmniejszyć skutki urazu [5]. Skuteczność tych rozwiązań rośnie: w przeglądzie systematycznym wykazano, że łączenie danych z wielu czujników (tzw. sensor fusion) wraz z uczeniem maszynowym istotnie poprawia trafność wykrywania upadków [6]. Niektóre algorytmy osiągają dokładność powyżej 93% [7]. Coraz częściej stosuje się też rozwiązania bezkontaktowe — kamery z analizą obrazu albo czujniki otoczenia — które monitorują codzienną aktywność bez konieczności noszenia urządzenia, dyskretnie sygnalizując niepokojące zmiany i dając seniorowi oraz rodzinie poczucie bezpieczeństwa [8].

3. Proces leczenia: AI w gabinecie i poza nim

Starzenie się to często życie z wieloma chorobami przewlekłymi naraz. Tu sztuczna inteligencja wspiera lekarzy w zarządzaniu złożonymi przypadkami — przegląd systematyczny zastosowań uczenia maszynowego i przetwarzania języka naturalnego (NLP) w opiece nad starzejącą się populacją pokazuje rosnącą rolę tych technologii w prognozowaniu przebiegu chorób i personalizacji leczenia [9]. Kolejny przykład to udział AI w konsyliach lekarskich, wspierająca proces diagnostyki i leczenia pacjenta. Szczególnie obiecujący udział AI obserwuje się we wczesnej diagnostyce – wczesne wykrywanie zaburzeń poznawczych. WHO szacuje, że liczba osób z otępieniem wzrośnie do ponad 131 milionów w 2050 roku, a kluczem jest wychwycenie choroby na etapie łagodnych zaburzeń poznawczych (MCI) [10]. Przegląd 21 badań obejmujących ponad milion uczestników wykazał, że modele predykcyjne AI cechują się dobrą trafnością [11]. Co najważniejsze dla pacjenta, powstają metody nieinwazyjne: algorytm oparty na danych z urządzeń noszonych (lifelog) pozwala wykrywać grupę wysokiego ryzyka otępienia bez kosztownej aparatury medycznej [12].

4. Rehabilitacja i aktywność fizyczna: trener dostępny całą dobę

Regularny ruch to jeden z filarów zdrowego starzenia się, ale wielu seniorów ma trudność z bezpiecznym ćwiczeniem. Metaanaliza randomizowanych badań klinicznych z udziałem osób po 60. roku życia porównała rehabilitację wspomaganą AI z metodami konwencjonalnymi w sześciu wymiarach: chodu, równowagi, zakresu ruchu, siły mięśniowej, funkcji poznawczych i jakości życia [13]. Algorytmy analizujące chód i rozpoznające postawę ciała korygują wykonanie ćwiczeń na bieżąco — to niczym „terapeuta” dostępny również wtedy, gdy poradnia jest zamknięta – wspomagając pacjenta, nie zastępując terapeuty. Z kolei roboty społeczne napędzane AI potrafią w angażujący i spersonalizowany sposób zachęcać do ruchu — w domach opieki, ośrodkach rehabilitacji i w środowisku domowym, co potwierdza przegląd systematyczny obejmujący najważniejsze bazy medyczne [14].

5. Wspomaganie funkcji społecznych: technologia przeciw samotności

Samotność w starszym wieku to nie tylko smutek — istotnie obniża jakość życia i zwiększa ryzyko powikłań zdrowotnych, zarówno fizycznych, jak i psychicznych [15]. Najmocniejszych dowodów dostarcza metaanaliza opublikowana w prestiżowym czasopiśmie The Gerontologist, która zsyntetyzowała 19 badań z udziałem 1083 osób. Zgodnie z doniesieniami naukowymi – roboty społeczne istotnie zmniejszały poczucie samotności, a efekt był najsilniejszy wśród osób w placówkach opiekuńczych [16]. W randomizowanym badaniu klinicznym przeprowadzonym w Japonii czterotygodniowa interwencja z humanoidalnym robotem komunikacyjnym poprawiała nie tylko poczucie samotności, ale też dobrostan psychiczny i — co znamienne — częstość śmiechu w codziennym życiu [17]. AI wspiera też więzi międzypokoleniowe i uczenie się: przegląd systematyczny pokazał, że spersonalizowana edukacja wspierana przez AI poprawia jakość życia seniorów, wzmacniając autonomię i poczucie sprawczości [18].

Druga strona medalu

Jednak nie można przemilczeć ograniczeń AI. Wiele badań opiera się na małych próbach i brakuje obserwacji długoterminowych — nawet entuzjaści robota ElliQ przyznają, że potrzeba więcej randomizowanych badań potwierdzających skuteczność [19]. Pozostają realne pytania o prywatność danych zdrowotnych, ryzyko cyfrowego wykluczenia osób słabiej obeznanych z technologią oraz o równość dostępu — technologia, mająca zmniejszać nierówności, może jednocześnie je pogłębiać. I jedna zasada, która wraca w niemal każdej publikacji: roboty i algorytmy mają uzupełniać kontakt międzyludzki, nigdy nie mają go zastępować. Chociaż czasami rodziny postrzegają tę formę jako pełny substytut więzi i kontaktów międzyludzkich – co jest pojęciem mylnym.

Podsumowując….

…wracając do faktów z codzienności Pani Haliny. AI nie cofnie jej zegara biologicznego — ale może sprawić, że dłużej pozostanie samodzielna, bezpieczna i połączona z bliskimi, jednocześnie mogąc samodzielnie funkcjonować we własnej przestrzeni. To właśnie jest sedno obietnicy AI w starzejącym się świecie: nie technologia dla technologii, lecz narzędzie w służbie godnej, dłuższej i lepszej jesieni życia. Pod warunkiem, że wdrażamy je mądrze — w oparciu o dowody, z szacunkiem dla prywatności i z człowiekiem, a nie urządzeniem, w centrum uwagi.

Źródła

  1. United Nations, Department of Economic and Social Affairs, Population Division. World Population Prospects 2022: Summary of Results. New York: United Nations; 2022.
  2. Liu M, Wang C, Hu J. Older adults’ intention to use voice assistants: Usability and emotional needs. Heliyon. 2023;9(11):e21932.
  3. Timon CM, Heffernan E, Kilcullen S, Hopper L, Lee H, Gallagher P, Smeaton AF, Moran K, Hussey P, Murphy C. Developing Independent Living Support for Older Adults Using Internet of Things and AI-Based Systems: Co-Design Study. JMIR Aging. 2024;7:e54210.
  4. Corbett CF, Wright PJ, Jones K, Parmer M. Voice-Activated Virtual Home Assistant Use and Social Isolation and Loneliness Among Older Adults: Mini Review. Front Public Health. 2021;9:742012.
  5. Vasoya H, Bhattasana H, Mishra RG. A Review of Elderly Fall Detection Systems using Artificial Intelligence. In: 2023 7th International Conference on Intelligent Computing and Control Systems (ICICCS); Madurai, India; 2023. p. 541–546.
  6. Gattani A, Dixit S, Patil M, Gupta M, Navghane A, Hule O, Srinivasan K. Artificial intelligence for fall detection in older adults: A comprehensive survey of machine learning, deep learning approaches, and future directions. Ageing Res Rev. 2026;113:102948.
  7. Usmani S, Saboor A, Haris M, Khan MA, Park H. Latest Research Trends in Fall Detection and Prevention Using Machine Learning: A Systematic Review. Sensors. 2021;21(15):5134.
  8. Gaya-Morey FX, Manresa-Yee C, Buades-Rubio JM. Deep learning for computer vision based activity recognition and fall detection of the elderly: a systematic review. Appl Intell. 2024;54(19):8982–9007.
  9. Feng G, Weng F, Lu W, Xu L, Zhu W, Tan M, Weng P. Artificial Intelligence in Chronic Disease Management for Aging Populations: A Systematic Review of Machine Learning and NLP Applications. Int J Gen Med. 2025;18:3105–3115.
  10. [Dane WHO cytowane w:] Early Dementia Diagnosis in Older Adults through Machine Learning: A Cross-Sectional fMRI Data Analysis. medRxiv [preprint]. Posted 2026 Jan 26. doi:10.64898/2026.01.24.26344772.
  11. Veronese N, Bolzetta F, Gallo L, et al. Clinical prediction models using artificial intelligence approaches in dementia. Aging Clin Exp Res. 2025;37(1):233.
  12. Lee J-Y, Lee SY. Development of an AI-Based Predictive Algorithm for Early Diagnosis of High-Risk Dementia Groups among the Elderly: Utilizing Health Lifelog Data. Healthcare (Basel). 2024;12(18):1872.
  13. Fan S, Tan X, Zheng H, Cui Y, Du X, Huang B, Ren J, Ye X, Fang W. Comparing the Effects of AI-Assisted and Traditional Exercise on Physical Health Outcomes in Older Adults: A Systematic Review and Meta-Analysis. Healthcare (Basel). 2025;13(23):2999.
  14. J, Yu J, Zhang H, Lindsey MA, An R. Artificial intelligence-powered social robots for promoting physical activity in older adults: A systematic review. J Sport Health Sci. 2025;14:101045.
  15. Yang Y, Wang C, Xiang X, An R. AI Applications to Reduce Loneliness Among Older Adults: A Systematic Review of Effectiveness and Technologies. Healthcare (Basel). 2025;13(5):446.
  16. Mehrabi F, Ghezelbash A. Wired for companionship: a meta-analysis on social robots filling the void of loneliness in later life. Gerontologist. 2025;65(12):gnaf219.
  17. Murayama H, Takase M. Evaluating the Effectiveness of Digital Social Robots in Reducing Loneliness Among Community-Dwelling Older Adults in Japan: Randomized Controlled Trial and Qualitative Analysis. JMIR Aging. 2025;8:e74422.
  18. Tsiloni E, Dragioti E, Gouva M, Vassilopoulos SP, Mentis M. AI in Personalized Learning for Older Adults and Intergenerational Engagement: A Systematic Review. Eur Psychiatry. 2025.
  19. Broadbent E, Loveys K, Ilan G, Chen G, Chilukuri MM, Boardman SG, Doraiswamy PM, Skuler D. ElliQ, an AI-Driven Social Robot to Alleviate Loneliness: Progress and Lessons Learned. J Aging Res Lifestyle. 2024;13:22–28.