Digitalno zdravstvo u Hrvatskoj dugo se svodilo na e‑uputnice, e‑recept i osnovnu informatizaciju bolnica. Dok globalni mediji danas prate generativni AI za marketing i uredsku produktivnost, u pozadini se u Hrvatskoj formira mirniji, ali strateški važan sloj: specijalizirana umjetna inteligencija za zdravstvo i javni sektor. Fokus nije na „hype“ chatbotovima, već na rješenjima koja rade s ozbiljnim podacima, prolaze regulatorne provjere i rješavaju konkretne probleme sustava.
Novi sloj eHealtha: od digitalizacije do inteligentnih sustava
Hrvatski zdravstveni sustav već je godinama među digitalno uređenijima u regiji. Centralni zdravstveni informacijski sustav (CEZIH), e‑Građani i nacionalni registri stvorili su temelj – veliki volumen strukturiranih podataka. No, kako ističu domaći stručnjaci za zdravstvenu informatiku, sama digitalizacija procesa više nije dovoljna. Sljedeća faza je „inteligentno zdravstvo“ – korištenje AI‑a za analitiku, predikciju i podršku kliničkim odlukama.
Upravo tu nastaje novi sloj hrvatskog eHealth ekosustava. Riječ je o nizu projekata koji kombiniraju domaće IT znanje, javne institucije i europske programe financiranja. Umjetna inteligencija u tim projektima nije dodatak, nego središnji mehanizam za pretvaranje podataka u odluke – od praćenja javnog zdravlja do optimizacije bolničkih resursa.
RiNET: AI operativni sustav za transparentnost javnog sektora
Jedan od najzanimljivijih primjera dolazi iz riječkog ekosustava. RiNET, platforma nastala u suradnji lokalnih IT stručnjaka i javnog sektora, pozicionira se kao svojevrsni „AI OS za transparentnost javnog sektora“. Ideja je jednostavna: javne institucije već objavljuju gomilu podataka, ali ih rijetko tko sustavno koristi. RiNET omogućuje da se ti podaci prikupe, očiste, povežu i pretvore u nadzorne ploče i AI asistente.
Na jednoj strani su otvoreni podaci – proračuni gradova i županija, natječaji, ugovori, statistike korištenja usluga. Na drugoj strani su institucije koje moraju donositi odluke pod pritiskom javnosti i regulatora. RiNET između njih gradi sloj analitike: algoritmi ističu anomalije u trošenju, prate provedbu programa i pomažu službenicima da brzo dođu do ključnih informacija.
U kontekstu zdravstva, takva platforma može pratiti potrošnju u bolnicama, liste čekanja, ishode liječenja i javnozdravstvene programe. Gradovi i županije koje su osnivači bolnica dobivaju uvid u to kako se troše sredstva, a ministarstva mogu pratiti učinke nacionalnih strategija. „Podaci su već tu, naša je uloga da ih učinimo upotrebljivima“, poručuju iz RiNET tima na domaćim tech konferencijama.
SHAIPED: europski put za AI kao medicinski uređaj
Paralelno s razvojem domaćih platformi, hrvatske institucije aktivno sudjeluju u europskim AI inicijativama. Hrvatski zavod za javno zdravstvo (HZJZ) preuzeo je važnu ulogu u projektu SHAIPED, financiranom iz programa Digital Europe. Projekt se bavi jednom od najosjetljivijih tema u eHealthu: kako AI rješenja uopće dovesti do statusa medicinskog uređaja u skladu s EU regulativom.
Umjetna inteligencija koja pomaže u dijagnostici, trijaži ili praćenju pacijenata više ne može biti tretirana kao „obična aplikacija“. U Europskoj uniji ona mora zadovoljiti stroge kriterije sigurnosti, učinkovitosti i etike. SHAIPED zato razvija procedure, smjernice i testne okoline u kojima se AI rješenja mogu validirati prije nego što uđu u kliničku praksu.
HZJZ u projektu vodi komunikacijski i dionički radni paket. To znači da upravo iz Hrvatske dolazi dio znanja o tome kako uključiti bolnice, liječnike, pacijente, regulatore i IT industriju u zajednički proces. Za domaće AI timove to je ključna prilika: tko rano razumije kako izgleda „AI kao medicinski uređaj“, imat će prednost pri razvoju proizvoda za europsko tržište.
AI4Health.Cro: digitalni inovacijski centar za zdravstvo
Druga važna karika je EDIH AI4Health.Cro, europski digitalni inovacijski centar specijaliziran za umjetnu inteligenciju u zdravstvu i medicini. Riječ je o mreži koja povezuje fakultete, istraživačke institute, startupove, bolnice i poduzetničke potporne institucije. Cilj je omogućiti da se AI rješenja testiraju na stvarnim, ali zaštićenim podatcima, u kontroliranom okruženju.
Model rada EDIH‑ova u pravilu uključuje četiri usluge: testiranje prije ulaganja, podršku u razvoju vještina, pomoć pri pristupu financiranju i umrežavanje. U slučaju AI4Health.Cro to znači, primjerice, da domaći startup koji razvija algoritam za analizu medicinskih slika može dobiti pristup stručnjacima iz kliničkih centara, simuliranim datasetovima, ali i savjete kako zadovoljiti GDPR i medicinsku regulativu.
Na hrvatskoj sceni to je posebno važno jer već postoji niz istraživačkih timova koji rade na AI‑u u medicini – od projekata na Medicinskom fakultetu u Zagrebu i Splitu, do timova na FER‑u, FESB‑u i FOI‑ju. AI4Health.Cro stvara most između laboratorija i tržišta, što je često najslabija karika u domaćem inovacijskom lancu.
Sigurnost, AI i cloud: gdje HGK vidi rast
Hrvatska gospodarska komora u svojim analizama IT sektora već godinama ističe tri ključna područja rasta: kibernetičku sigurnost, umjetnu inteligenciju i cloud infrastrukturu. U zdravstvu se ta tri trenda susreću na jednom mjestu. Bolnice, zavodi i ministarstva istodobno moraju štititi osjetljive podatke, koristiti naprednu analitiku i osigurati pouzdanu infrastrukturu.
To otvara prostor za specijalizirane domaće tvrtke koje razumiju kako funkcioniraju zdravstveni protokoli, što traži Agencija za zaštitu osobnih podataka (AZOP) i na koji način se primjenjuju europske uredbe poput GDPR‑a i Uredbe o medicinskim uređajima (MDR). Tvrtke koje mogu spojiti sigurnost, AI i cloud u jednom rješenju postaju prirodni partneri zdravstvenih ustanova.
U praksi to znači razvoj sigurnih podatkovnih jezera za bolnice, implementaciju AI modela na edge uređajima unutar zdravstvenih ustanova te izgradnju hibridnih cloud rješenja koja zadovoljavaju stroge zahtjeve za pohranu medicinske dokumentacije. Nekoliko domaćih IT kuća već je kroz projekte s HZZO‑om, KBC‑ovima i privatnim poliklinikama pokazalo da takva rješenja mogu biti konkurentna i u inozemstvu.
Prilike za hrvatske startupove i scaleupove
Za domaće startupove i scaleupove eHealth i javni sektor donedavno su izgledali kao spori, birokratizirani segmenti. No, s pojavom projekata poput RiNET‑a, SHAIPED‑a i AI4Health.Cro, slika se mijenja. Umjesto generičnih B2B alata, hrvatske tvrtke sada mogu razvijati visoko specijalizirane AI module za:
- dijagnostiku i potporu odlučivanju (npr. analiza radioloških snimki, laboratorijskih nalaza),
- trijažu i upravljanje listama čekanja,
- praćenje kroničnih bolesti i ishoda liječenja,
- prediktivnu analitiku za planiranje resursa (ležajevi, kadrovi, oprema),
- nadzor javnozdravstvenih programa i kampanja.
Prednost domaćih timova je blizina korisnika. Hrvatski startup može u nekoliko tjedana dogovoriti pilot s bolnicom u Rijeci, Splitu ili Zagrebu, dobiti povratnu informaciju od liječnika i prilagoditi proizvod. Ako se rješenje pokaže uspješnim, kroz europske projekte i mreže poput EDIH‑a mnogo je lakše doći do partnera u Sloveniji, Austriji ili Njemačkoj.
Kako je nedavno izjavio jedan od voditelja digitalne transformacije u velikom KBC‑u: „Nama ne treba još jedan generički CRM. Treba nam partner koji razumije kako izgleda hitni prijem u 3 ujutro i što to znači za podatke i sustave.“ Upravo tu se otvara niša za nove hrvatske AI tvrtke.
Preduvjeti za održivi eHealth klaster
Ako se postojeće inicijative nastave povezivati, Hrvatska bi u sljedećih pet godina mogla dobiti prepoznatljiv eHealth klaster. No, za to su potrebna najmanje četiri preduvjeta:
1. Stabilna javna potražnja
Ministarstvo zdravstva, HZZO i županije moraju jasno komunicirati prioritete: gdje žele koristiti AI, koja su ograničenja i kakve projekte mogu dugoročno financirati. Bez toga startupovi teško planiraju razvoj i zapošljavanje.
2. Regulatorna jasnoća
Projekti poput SHAIPED‑a već rade na tome, ali domaći poduzetnici trebaju jednostavne vodiče: kada je njihov AI proizvod medicinski uređaj, koje certifikate treba imati i kako uskladiti rješenje s GDPR‑om i MDR‑om. Uloga AZOP‑a, HALMED‑a i strukovnih komora tu je ključna.
3. Dostupni, ali zaštićeni podaci
Bez kvalitetnih podataka nema ni kvalitetnih AI modela. Potrebni su sigurni, anonimizirani skupovi podataka za razvoj i testiranje, uz jasne ugovore i tehničke mjere zaštite. Nacionalni registri i bolnički informacijski sustavi moraju biti tehnički spremni za takvu suradnju.
4. Talenti i interdisciplinarni timovi
AI u zdravstvu ne može biti posao isključivo programera. Potrebni su liječnici, statističari, stručnjaci za etiku, pravnici i UX dizajneri. Domaći fakulteti već uvode nove kolegije iz medicinske informatike i biostatistike, ali suradnja s industrijom mora biti još čvršća kako bi studenti radili na stvarnim projektima.
Hrvatska kao eHealth laboratorij za Europu?
Hrvatska je dovoljno mala da može brzo testirati nove modele, ali i dovoljno kompleksna da predstavlja relevantan uzorak za veća tržišta. Ako se projekti poput RiNET‑a, SHAIPED‑a i AI4Health.Cro nastave povezivati s kliničkim centrima, fakultetima i inkubatorima, domaći eHealth ekosustav mogao bi postati svojevrsni laboratorij za europska AI rješenja u zdravstvu.
Za domaće IT tvrtke to znači manje „one size fits all“ proizvoda, a više duboko specijaliziranih rješenja koja nastaju „u hodnicima bolnica“. Za zdravstveni sustav to znači priliku da iz uloge pasivnog korisnika stranih tehnologija prijeđe u ulogu aktivnog su‑kreatora. U vremenu kada se globalno raspravlja o etici i rizicima umjetne inteligencije, hrvatski eHealth klaster mogao bi ponuditi nešto vrlo traženo: AI rješenja koja su istovremeno inovativna, sigurna i ukorijenjena u javnom interesu.
