Biosensor, który uczy się ciebie

Sensor, który cię nie zna

Biosensor glukozy, który nosisz na ramieniu, nie uczy się ciebie. Mierzy poziom cukru co pięć minut i wysyła surowe dane do aplikacji. Jeśli trend jest niepokojący — dostajesz alert. Ale sensor nie wie, że o 14:30 zawsze wychodzisz na spacer. Nie wie, że po posiłku twój metabolizm reaguje inaczej niż u statystycznego pacjenta.

To się zmienia. I zmienia się właśnie teraz, w laboratoriach Politechniki Wrocławskiej.

Sylwia Baluta nie jest celebrytką nauki. Jest badaczką, która razem z zespołem z Wrocławia, AGH, Sieci Badawczej Łukasiewicz i Vrije Universiteit Brussel opublikowała w styczniu 2026 roku w ACS Omega tekst, który — gdyby przeczytały go właściwe osoby w polskim systemie ochrony zdrowia — mógłby zmienić sposób, w jaki diagnozujemy choroby.

Jej teza jest prosta: biosensory przestały być tylko detektorami. Zintegrowane z algorytmami uczenia maszynowego stają się systemami, które nie tylko mierzą — ale rozumieją kontekst pomiaru. Wykrywają wzorce. Przewidują trendy. Personalizują diagnostykę.

Problem? Bez wysokiej jakości danych treningowych, standaryzacji i certyfikacji — cała ta inteligencja zostaje w laboratorium.

Sześcioro autorów. Pięć polskich instytucji. Jeden belgijski partner. 170 referencji. Zero grantów — co samo w sobie jest informacją o stanie finansowania badań stosowanych w Polsce.

28 miliardów i trzy bariery

Globalny rynek biosensorów medycznych był wart 28 miliardów dolarów w 2024 roku i rośnie w tempie 8% rocznie. Liderami są Abbott (FreeStyle Libre), Medtronic i Dexcom. Wszyscy trzej inwestują w AI — ale głównie po stronie analizy danych w chmurze, nie po stronie samego sensora.

To jest luka. I to jest dokładnie ta luka, w którą celuje zespół Baluty.

Perspektywa opublikowana w ACS Omega identyfikuje trzy bariery, które — jeśli zostaną pokonane — otworzą rynek wart dziesiątki miliardów: brak wysokiej jakości danych treningowych, zmienność między sensorami i brak relewancji klinicznej algorytmów.

Konkurencja nie śpi. Startupy takie jak BioIntelliSense i VitalConnect zebrały łącznie ponad 500 milionów dolarów na wearable biosensory z warstwą analityczną. Nature Biomedical Engineering i Science Advances publikują przełomowe prace o biosensorach potu i łez z korekcją AI w czasie rzeczywistym.

Regulacyjnie Unia Europejska wprowadza AI Act i MDR, które razem tworzą najbardziej rygorystyczne ramy prawne dla AI w medycynie na świecie. To bariera. Ale to też szansa: kto pierwszy przejdzie przez tę barierę, ten ustawi standard.

Wrocław ma odpowiedź. Nie ma pieniędzy

Polska ma w tym wyścigu trzy karty.

Pierwsza: kadry. Zespół Baluty to nie jednorazowy zryw. Politechnika Wrocławska, AGH i Sieć Łukasiewicz tworzą ekosystem, któremu brakuje tylko komercyjnego wehikułu.

Druga: rynek wewnętrzny. 38 milionów pacjentów, rosnąca cyfryzacja ochrony zdrowia, presja kosztowa. Biosensor, który obniży koszt monitorowania pacjenta przewlekle chorego o 30%, zwraca się w ciągu roku.

Trzecia: okno regulacyjne. AI Act wchodzi w życie do 2027 roku. Polskie firmy, które teraz zaczną proces certyfikacji MDR, wejdą na rynek dokładnie w momencie, gdy regulacje odsieją konkurencję bez zgodności.

Ale jest też karta, której Polska nie ma: finansowanie. Praca Baluty — 170 referencji, sześcioro autorów — nie ma przypisanego grantu. Zero. NCBR ma programy, FENG ma priorytety, ale cykl grantowy trwa 18 miesięcy. W tym samym czasie amerykański startup zamyka rundę seed w trzy miesiące.

Stawka: do 2028 roku trzy-cztery platformy biosensorowe z AI uzyskają certyfikację MDR. Polska może być dostawcą technologii — albo użytkownikiem. Różnica to decyzja o finansowaniu, która musi zapaść teraz.

Źródła

Badanie główne: Baluta S., Suresh V., Chmielowska M., Smeesters L., Cabaj J. (2026). Improving Clinical Diagnostics and Patient Care through Artificial Intelligence and Biosensor Technologies. ACS Omega. DOI: 10.1021/acsomega.5c06072

Kontekst: BioIntelliSense, VitalConnect, Nature Biomedical Engineering (2025), Science Advances (2025)

Regulacje: EU AI Act (2024/1689), EU MDR (2017/745)