Empatia algorytmiczna w pielęgniarstwie – czy sztuczna inteligencja może wspierać humanizm w opiece?
DOI:
https://doi.org/10.12923/pielxxiw-2026-0039Słowa kluczowe:
relacja terapeutyczna, roboty społeczne, empatia algorytmiczna, sztuczna inteligencja w opiece pielęgniarskiejAbstrakt
Wprowadzenie. Sztuczna inteligencja coraz częściej wspiera komunikację w opiece zdrowotnej, oferując narzędzia symulujące empatię i redukujące poczucie izolacji pacjentów, zwłaszcza w telezdrowiu i opiece nad seniorami.
Cel pracy. Celem pracy była analiza mechanizmów, możliwości oraz ograniczeń empatii algorytmicznej i empatii cyfrowej w opiece zdrowotnej, ze szczególnym uwzględnieniem praktyki pielęgniarskiej.
Metoda. Przegląd mapujący (scoping review) przeprowadzono zgodnie z wytycznymi PRISMA-ScR (2020). Wyszukiwanie literatury wykonano w bazach PubMed/MEDLINE, Scopus, Web of Science, CINAHL oraz Google Scholar, obejmując publikacje z lat 2015-2025. Do analizy włączono badania empiryczne, przeglądy piśmiennictwa oraz analizy koncepcyjne dotyczące empatii algorytmicznej, empatii cyfrowej, robotów społecznie asystujących oraz systemów rozpoznawania emocji w kontekście opieki zdrowotnej. Zastosowano syntezę opisową wyników.
Podsumowanie. Do analizy włączono siedem publikacji. Wyniki wskazują, że rozwiązania technologiczne mogą generować reakcje postrzegane jako empatyczne, co wiąże się z poprawą subiektywnego dobrostanu, redukcją negatywnych emocji oraz zwiększonym zaangażowaniem użytkowników. Efekty te obserwowano głównie w opiece długoterminowej, geriatrycznej oraz środowiskach telezdrowia. Jednocześnie podkreślano zróżnicowaną skuteczność interwencji oraz ograniczenia wynikające z kontekstu klinicznego. Empatia algorytmiczna i empatia cyfrowa mogą wspierać opiekę pielęgniarską w warunkach ograniczonego kontaktu bezpośredniego. Ich zastosowanie wymaga krytycznego nadzoru personelu oraz wyraźnego rozróżnienia między empatią kliniczną a rozwiązaniami technologicznymi.
Bibliografia
1. Liu Y, Wang K, Wei L, et al. Affective computing for healthcare: recent trends, applications, challenges, and beyond. Cornell University: Computer Sciences. 2024. https://doi.org/10.48550/arXiv.2402.13589
2. Schlicher M, Li Y, Murthy SMK, et al. Emotionally adaptive support: a narrative review of affective computing for mental health. Frontiers in Digital Health. Frontiers Media SA. 2025;7: 1-15. https://doi.org/10.3389/fdgth.2025.1657031
3. Seitz L. Artificial empathy in healthcare chatbots: Does it feel authentic? Comput. Hum. Behav. Artif. Hum. 2024;2(1):100067. https://doi.org/10.1016/j. chbah.2024.100067
4. Abou Hashish EA. Compassion through technology: Digital empathy concept analysis and implications in nursing. Digit. Health. 2025;11:1-14. https://doi. org/10.1177/205520762513262
5. Cora R. Integrating digital empathy in nursing education to improve patient outcomes in a digital world: A walker and avant conceptual analysis. Nursing Forum. 2025;4688531:1-6. https://doi.org/10.1155/nuf/4688531
6. Chen D, Chauhan K, Parsa R, et al. Patient perceptions of empathy in physician and artificial intelligence chatbot responses to patient questions about cancer. NPJ Digit. Med. 2025;8(1):275 https://doi.org/10.1038/s41746-025-01671-6
7. Jones NL, Loizides F, Jones K. Acceptance of needy socially assistive robots: A systematic review. Int. J. Soc. Robot.2025;17:1289-1303. https://doi.org/10.1007/ s12369-025-01272-z
8. El Arab RA, Alshakihs AH, Alabdulwahab SH, et al. Artificial intelligence in nursing: a systematic review of attitudes, literacy, readiness, and adoption intentions among nursing students and practicing nurses. Front. Digit. Health. 2025;7:1-17. https://doi. org/10.3389/fdgth.2025.1666005
9. Hung L, Zhao Y, Alfares H, et al. Ethical considerations in the use of social robots for supporting mental health and wellbeing in older adults in long-term care. Front. Robot AI. 2025;12:1-8. https://doi.org/10.3389/frobt.2025.1560214
10. Akingbola A, Adeleke O, Idris A, et al. Artificial intelligence and the dehumanization of patient care. J. Med. Surg. Public Health. 2024;3:100138. https://doi.org/10.1016/j. glmedi.2024.100138
11. Volpe U, Ramalho R, Gaebel W. Risks of digitalization in mental health care. neuropsychiatrie. Neuropsychiatria. 2025;7:37-40. https://doi.org/10.1007/s40211¬025-00551-5
12. Efendić E, Van de Calseyde PPFM, Evans AM. Slow response times undermine trust in algorithmic (but not human) predictions. Organ Behav. Hum. Decis. Process. 2020;157:103-114. https://doi.org/10.1016/j.obhdp.2020.01.008
13. Tricco AC, Lillie E, Zarin W, et al. PRISMA Extension for scoping reviews (PRISMA-ScR): Checklist and explanation. Ann. Intern. Med. 2018;169(7):467-473. https://doi. org/10.7326/M18-0850
14. Simera I, Moher D, Hoey J, et al. A catalogue of reporting guidelines for health research. Eur. J. Clin. Invest. 2010;40(1):35-53. https://doi.org/10.1111/j.1365¬2362.2009.02234.x
15. de Gennaro M, Krumhuber EG, Lucas G. Effectiveness of an empathic chatbot in combating adverse effects of social exclusion on mood. Front. Psychol. 2020;10:1-14. https://doi.org/10.3389/fpsyg.2019.03061
16. Abdollahi H, Mahoor MH, Zandie R, et al. Artificial emotional intelligence in socially assistive robots for older adults: A pilot study. IEEE Trans. Affect. Comput. 2023;14(3):2020-2032. https://doi.org/10.48550/arXiv.2201.11167
17. Hung L, Liu C, Woldum E, et al. The benefits of and barriers to using a social robot PARO in care settings: A scoping review. BMC Geriatr. 2019;19:232. https://doi. org/10.1186/s12877-019-1244-6
18. Koban K, Banks J. It feels, therefore it is: Associations between mind perception and mind ascription for social robots. Comput. Human Behav. 2024;153:108098. https:// doi.org/10.1016/j.chb.2023.108098
19. Barker D, Tippireddy MKR, et al. Ethical considerations in emotion recognition research. Psychol. Int. 2025;7(2):43. https://doi.org/10.3390/psycholint7020043
20. Abujaber AA, Nashwan AJ. Ethical framework for artificial intelligence in healthcare research: A path to integrity. World J. Methodol. 2024;14(3):94071 https://dx.doi. org/10.5662/wjm.v14.i3.94071
21. Yıldız E. Artificial intelligence in mental health nursing: Balancing clinical efficiency and the human touch a quest for a new synthesis. J. Psychiatr. Ment. Health Nurs. 2025;32(4):946-952. https://doi.org/10.1111/jpm.131739
Pobrania
Opublikowane
Numer
Dział
Licencja
Prawa autorskie (c) 2026 Małgorzata Kaszuba, Paweł Wiktorzak, Paweł Oskwarek, Marcin Kowalewski, Eryka Żygadło (Autor)
Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa 4.0 Międzynarodowe.
