Syndrom „Worklist Anxiety” – jak zlikwidować wieczne poczucie goniącego czasu w pracy radiologa

W Polsce radiolog na jednym dyżurze opisuje przeciętnie od kilkunastu do kilkudziesięciu badań (okolic anatomicznych). Zanim zamkniesz wielofazowe TK jamy brzusznej, system dorzuca kolejne skierowania, a rosnąca lista zadań rodzi syndrom określany jako worklist anxiety – lęk przed goniącym czasem, który nie reaguje na biologiczne ograniczenia Twojego mózgu.

Osiem godzin gonionego człowieka.

Worklist anxiety: co się dzieje w głowie radiologa, gdy lista nigdy się nie kończy

W literaturze z zakresu psychologii pracy i ergonomii kognitywnej ten stan opisywany jest jako *worklist anxiety* lub *The Assembly Line Effect* – efekt taśmy produkcyjnej. Nazwa nie jest przypadkowa. Kiedy lekarz zostaje zamknięty w pokoju opisowym, odcięty od bezpośredniego kontaktu z kliniką i oddziałem, a jego jedynym oknem na świat staje się interfejs RIS z nieustannie rosnącą kolejką – mózg zaczyna funkcjonować w trybie chronicznego alarmu.

Nie jest to kwestia charakteru ani odporności psychicznej. To fizjologia. Przegląd systematyczny Pascual i wsp. z 2023 roku wskazuje, że odsetek radiologów spełniających kliniczne kryteria wypalenia zawodowego przekracza w wielu badanych populacjach 50% [1]. Ponadto Parikh i wsp. (2020), analizując odpowiedzi ponad tysiąca liderów praktyk radiologicznych w USA, stwierdzili, że przeciążenie przepustowością to problem systemowy – niezależny od regionu ani wielkości placówki [2].

Innymi słowy, liczba badań w systemie nie jest przyczyną – jest katalizatorem.

Satysfakcja z trafnej diagnozy wygasa w ułamek sekundy po zatwierdzeniu wyniku. System już wyświetla następne badanie.

Co presja czasu robi z percepcją wzrokową radiologa

To jest ten wątek, o którym w środowisku mówi się zbyt rzadko – bo łączy codzienną frustrację zawodową z realnym ryzykiem błędu diagnostycznego.

Choć spektakularne przykłady ślepoty z nieuwagi (*inattentional blindness*), takie jak słynny eksperyment z „niewidzialnym gorylem” w skanie TK płuc, który opisaliśmy w artykule o tarciu poznawczym i zmęczeniu wzroku [3], pokazują, jak mózg pod presją zadaniową odfiltrowuje nieoczekiwane informacje, to w codziennej pracy pod nieustannym naciskiem rosnącej listy RIS/HIS kluczowym wrogiem staje się zmęczenie wzroku i zmęczenie decyzyjne.

Badania pod kierownictwem prof. Elizabeth Krupinski (2010) nad wpływem długich dni pracy na diagnostykę radiologiczną przynoszą twarde dane. Wraz z upływem godzin spędzonych przed ekranami:

Badanie Krupinski mierzyło zmęczenie biologiczne – nieuniknione, wpisane w każdy długi dyżur. Ale jest drugie źródło wyczerpania, które można wyraźnie ograniczyć: czas tracony na samo tworzenie opisu.

Gdzie naprawdę ginie czas na dyżurze – minuty, których nikt nie liczy

Pacjentów nie ubędzie. Dlatego próba przyspieszenia analizy samego obrazu jest pułapką: każdy radiolog wie, że skracanie czasu oceny wielofazowego TK onkologicznego czy MR kręgosłupa z trudną historią kliniczną to prosta droga do przeoczeń i odpowiedzialności zawodowej.

Ale większość worklist to nie skomplikowane onkologie. To rutynowe badania, w których diagnoza kształtuje się w głowie szybko i wtedy zaczyna się właściwa strata czasu.

Lekarz ogląda badanie w przeglądarce DICOM, formułuje ocenę, a następnie musi przenieść wzrok na drugi ekran z RIS, przestawić kontekst myślowy i przetransferować gotową diagnozę na klawiaturę. To przełączanie kontekstu DICOM↔RIS, wielokrotnie powtarzane przez cały dyżur, generuje straty, które kumulują się w dziesiątki minut każdego dnia – a nie widać ich w żadnym raporcie.

Typ badania	Szacowany czas diagnozy	Szacowany czas dokumentacji (tradycyjny)	Łączny czas na badanie
RTG klatki piersiowej (prawidłowe)	~1 min	~2–3 min	~3–4 min
USG jamy brzusznej	~5 min	~3–4 min	~8–9 min
MR stawu kolanowego	~8 min	~4–6 min	~12–14 min
TK głowy (uraz)	~5 min	~4–5 min	~9–10 min
TK jamy brzusznej wielofazowe	~15 min	~6–8 min	~21–23 min

*Czasy diagnozy – szacunkowe, oparte na danych z literatury klinicznej. Czasy dokumentacji – zbieżne z wynikami pomiarów Rajmohamed i wsp. [6]. Łączny czas na badanie zależy od doświadczenia radiologa, stopnia skomplikowania przypadku i ergonomii systemu RIS.*

W standardowych badaniach czas samej dokumentacji stanowi od 30 do ponad 40% całkowitego czasu opisu. To jest wąskie gardło – nie prędkość diagnozy.

Jak AI skraca czas dokumentacji i co na to mówi nauka

Tradycyjne systemy rozpoznawania mowy przenosiły ciężar administracyjny z sekretarki na radiologa – lekarz musiał sam korygować błędy transkrypcji, formatować tekst i zatwierdzać (więcej o tym, dlaczego rozpoznawanie mowy gubi słowa). Efektywny zysk czasu był niewielki ale frustracja przy poprawianiu wiecznie tych samych zwrotów jest bardzo duża.

Nowa generacja asystentów opartych na modelach językowych (LLM) oddziela te dwa momenty. Lekarz mówi – strumieniem myśli diagnostycznych, w tempie, w jakim pracuje mózg przy obrazie. System strukturyzuje wypowiedź i oddaje gotowy tekst. Radiolog nie poprawia literówek, nie formatuje sekcji, nie przenosi wzroku z obrazu na klawiaturę. Weryfikuje wygenerowany opis i zatwierdza wynik. Kontekst nie jest przerywany.

Dowody kliniczne zaczynają to potwierdzać. Dong i wsp. (2025), w badaniu opublikowanym w *npj Digital Medicine*, wykazali medianę redukcji czasu tworzenia opisu o 28% przy wspomaganym przez AI opisywaniu MRI guzów wewnątrzczaszkowych – bez obniżenia jakości opisu [5]. Z kolei Rajmohamed i wsp. (2025), analizując kompleksowe badania obrazowe (MR kolana, MR kręgosłupa lędźwiowego, TK głowy, TK jamy brzusznej), wykazali skrócenie średniego czasu opisu z 6,1 do 3,43 minuty – redukcja o 44% przy jednoczesnym wzroście pewności radiologa co do jakości opisu [6].

To nie jest laboratoryjny eksperyment – to realna zmiana w codziennej pracy klinicznej.

Skrócenie czasu dokumentacji nie jest lekiem na worklist anxiety. Jest jednym z niewielu sposobów odzyskania kontroli, które lekarz może wdrożyć sam — bez zmiany placówki, bez walki o etaty i bez czekania na decyzję administracji. Gdy lista zaczyna maleć szybciej niż rośnie, mózg wychodzi z trybu alarmu.

Sprawdź, jak automatyzacja tworzenia opisów w Opisy.AI pozwala „czyścić” listę w tempie, które przywraca spokój na dyżurze – przeczytaj o tym w naszym artykule o tym, jak AI przyspiesza tworzenie opisów badań.

FAQ — najczęściej zadawane pytania o worklist anxiety

Czym jest worklist anxiety i jak wpływa na pracę radiologa?

Worklist anxiety to stan chronicznego niepokoju wywołany nieustannie rosnącą kolejką badań w systemie RIS. Mózg pracujący w trybie alarmu zawęża pole percepcji wzrokowej – co może prowadzić do przeoczeń diagnostycznych nawet u doświadczonych specjalistów (efekt *inattentional blindness*).

Czy AI może realnie skrócić czas opisu radiologicznego?

Tak, i jest to udokumentowane klinicznie. Badania z 2025 roku wykazują redukcję czasu dokumentacji od 28% (MRI nowotworów wewnątrzczaszkowych, *npj Digital Medicine*) do 44% (kompleksowe badania MR i TK, *Academic Radiology*). Kluczowa różnica leży w modelu pracy: asystent słucha swobodnej narracji klinicznej – lekarz nie uczy się komend głosowych, tylko mówi tak, jak myśli przy obrazie.

Jak ocenić bezpieczeństwo kliniczne systemów AI do opisywania badań?

Badania wskazują, że asystenci AI działający w modelu „człowiek w pętli” (*human-in-the-loop*) nie obniżają jakości opisów – radiolog weryfikuje i zatwierdza wygenerowany opis przed jego wklejeniem/zatwierdzeniem w systemie RIS. Odpowiedzialność merytoryczna pozostaje po stronie lekarza.

Czy korzystanie z AI do opisywania wymaga nauki komend głosowych?

Nie w przypadku nowoczesnych systemów opartych na LLM. Lekarz mówi tak, jak myśli podczas oglądania badania – swobodnym strumieniem diagnostycznym. System dopasowuje się do stylu lekarza na podstawie historycznych opisów, a nie odwrotnie. Tak działa m.in. dyktowanie opisów w Opisy.AI.

Bibliografia i źródła naukowe

* [1] Pascual, A., et al. (2023). „Incidence and factors associated with burnout in radiologists: A systematic review.” *European Journal of Radiology Open*, 10, 100530. DOI: [10.1016/j.ejro.2023.100530](https://doi.org/10.1016/j.ejro.2023.100530)

* [2] Parikh, J. R., et al. (2020). „Radiologist Burnout According to Surveyed Radiology Practice Leaders.” *Journal of the American College of Radiology*, 17(1), 17–23. DOI: [10.1016/j.jacr.2019.07.008](https://doi.org/10.1016/j.jacr.2019.07.008)

* [3] Drew, T., Võ, M. L.-H., & Wolfe, J. M. (2013). „The invisible gorilla strikes again: sustained inattentional blindness in expert observers.” *Psychological Science*, 24(9), 1848–1853. DOI: [10.1177/0956797613479386](https://doi.org/10.1177/0956797613479386)

* [4] Krupinski, E. A., et al. (2010). „Long radiology workdays reduce detection and accommodation accuracy.” *Journal of the American College of Radiology*, 7(9), 698–704. DOI: [10.1016/j.jacr.2010.03.004](https://doi.org/10.1016/j.jacr.2010.03.004)

* [5] Dong, F., Nie, S., Chen, M., Xu, F., & Li, Q. (2025). „Keyword-based AI assistance in the generation of radiology reports: A pilot study.” *npj Digital Medicine*, 8, 381. DOI: [10.1038/s41746-025-01889-4](https://doi.org/10.1038/s41746-025-01889-4)

* [6] Rajmohamed, A., et al. (2025). „Evaluating the Accuracy and Efficiency of AI-Generated Radiology Reports Based on Positive Findings — A Qualitative Assessment of AI in Radiology.” *Academic Radiology*. DOI: [10.1016/j.acra.2025.09.012](https://doi.org/10.1016/j.acra.2025.09.012)