AI-dokumentationsværktøjer i europæisk offentlig sundhed: hvad administratorer skal vide

AI-assisterede dokumentationsværktøjer optager kliniske møder og omdanner dem til strukturerede journalnotater. De stiller ingen diagnoser, udsteder ingen ordinationer og genererer ingen kliniske anbefalinger. For kommunale sundhedsadministratorer i Europa befinder beslutningen om at evaluere et sådant værktøj sig i skæringspunktet mellem fire regelsæt: den generelle databeskyttelsesforordning (GDPR), EU's forordning om kunstig intelligens (EU AI-loven), reglerne for medicinsk udstyr og de offentlige udbudsregler.

Hvad AI-dokumentationsværktøjer gør i en kommunal sundhedskontekst

I praksis gennemfører en kommunal sundhedsmedarbejder et patientbesøg som normalt. Værktøjet lytter, transskriberer og genererer et udkast til et notat. Klinikeren gennemgår og godkender det, før det indgår i journalsystemet. Kommunale sundhedsprogrammer er typisk rettet mod hele befolkningsgrupper og er ikke-akutte. De omfatter hjemmesygeplejebesøg, opfølgning på mental sundhed, rehabiliteringsforløb, sundhedsplejerskeaftaler og håndtering af kroniske sygdomme. Dokumentationskravene er omfattende og gentagne i struktur, og de fordeler sig på en arbejdsstyrke, der ofte arbejder på tværs af flere lokationer uden fast administrativ støtte.

Den praktiske gevinst er tid. Et seks ugers pilotprojekt i Farsund Kommune, Norge, hvor tyve medarbejdere på tværs af tre plejeteams deltog, viste at den samlede daglige dokumentationstid faldt fra cirka tre timer til ti til femten minutter. Det er det stærkeste publicerede tal fra en kommunal indstilling. En præregistreret storskalaundersøgelse på tværs af Capio/Ramsay Santé-faciliteter i Sverige, baseret på 375.000 journalnotater og rapporteret efter SQUIRE-retningslinjerne, fandt konsekvente reduktioner i selvrapporteret dokumentationstid på tværs af flere plejeniveauer. De fleste publicerede evalueringer bygger dog på selvrapporterede resultater, og administratorer bør derfor indarbejde objektiv måling i deres eget pilotdesign, hvor det er muligt.

Regulatorisk overblik: fire rammer, der gælder samtidig

EU AI-loven trådte i kraft i august 2024 og indfører et lagdelt system til klassificering af risiko. Højrisikosystemer inden for sundhedsvæsenet er primært systemer, der bruges til diagnose, behandlingsbeslutninger eller klinisk beslutningsstøtte. Et dokumentationsværktøj, der optager og strukturerer kliniske møder uden at generere kliniske anbefalinger, har en anden status, fordi dets primære funktion er administrativ. Administratorer bør bede leverandører om skriftlig dokumentation for overholdelse af EU AI-loven samt en begrundelse for den valgte risikoklassifikation. Loven stiller også krav om gennemsigtighed: patienter skal informeres om, hvilken teknologi der anvendes under deres aftaler.

EU's forordning om medicinsk udstyr gælder for software, der er beregnet til et medicinsk formål. Et værktøj, hvis eneste funktion er transskription og strukturering, betragtes generelt ikke som medicinsk udstyr. Indeholder det derimod funktioner som markering af kliniske abnormiteter eller forslag til diagnoser, kan det falde ind under forordningen. Tre ting bør verificeres: om værktøjet har et CE-mærke som medicinsk udstyr, under hvilken klassifikation det i så fald er udstedt, og om en eventuel CE-mærkning gælder for den version, der afprøves. Den svenske Capio/Ramsay Santé-undersøgelse er relevant her, fordi det evaluerede værktøj var CE-mærket, hvilket giver et konkret eksempel på, hvordan leverandørcertificering ser ud i praksis.

Sundhedsdata er særlige kategorier af personoplysninger i henhold til artikel 9 i GDPR. Behandling kræver ikke kun et lovligt grundlag i henhold til artikel 6, men også en yderligere betingelse i henhold til artikel 9, oftest eksplicit samtykke eller behandling, der er nødvendig for at levere sundheds- eller socialomsorgsydelser i henhold til artikel 9, stk. 2, litra h. GDPR-forpligtelserne fordeler sig på tre faser. Før pilotprojektet skal kommunen gennemføre en konsekvensanalyse vedrørende databeskyttelse, som er obligatorisk i henhold til artikel 35, når ny teknologi bruges til at behandle særlige kategorier af sundhedsdata. Under pilotprojektet skal dataminimeringsprincippet overholdes, og lydoptagelser må ikke opbevares længere end nødvendigt for transskriptionen. Efter pilotprojektet skal kommunen føre fortegnelser over behandlingsaktiviteter i henhold til artikel 30 og sikre, at de registrerede kan udøve deres rettigheder. Databehandleraftalen med leverandøren er et kontraktkrav i henhold til artikel 28 og skal være underskrevet, før et pilotprojekt begynder.

AI-dokumentationsværktøjer, som europæiske kommunale folkesundhedsorganer indkøber, er underlagt EU's offentlige udbudsregler i henhold til direktiv 2014/24/EU. For offentlige organer under centralt niveau er den nuværende tærskel for tjenesteydelseskontrakter 215.000 euro ekskl. moms. Kontrakter over denne tærskel kræver en formel udbudsprocedure, der offentliggøres i Den Europæiske Unions Tidende. Under tærsklen gælder nationale udbudsregler stadig. Tekniske specifikationer bør beskrive funktionelle krav, realtidstransskription på det relevante sprog, struktureret output der er kompatibelt med det eksisterende journalsystem, datalagring inden for EU, og krav til regeloverholdelse som GDPR-overholdelse og ISO 27001-certificering. Det er ikke tilladt ifølge direktivet at pege på én bestemt leverandørs produkt. Kontraktvilkårene bør sikre klare bestemmelser om dataejerskab, mulighed for at afslutte samarbejdet og ret til revision.

Datalokation: hvad europæiske kommuner skal bekræfte skriftligt

For de fleste europæiske folkesundhedsorganer er behandling af sundhedsdata uden for EU og Det Europæiske Økonomiske Samarbejdsområde (EØS) ikke tilladt i henhold til nationale databeskyttelsesregler, uanset hvad GDPR teknisk set tillader via overførselsmekanismer. Før et pilotprojekt bør administratorer indhente skriftlig bekræftelse fra leverandøren på følgende: hvor lyddata behandles på transskriptionstidspunktet; hvor strukturerede notater opbevares og hvor længe; om der er involveret underdatabehandlere, og hvor disse befinder sig; og om nogen data på noget tidspunkt overføres uden for EU/EØS, herunder til modeltræning eller kvalitetssikring. Leverandører, der er baseret i eller anvender infrastruktur i USA, Storbritannien eller andre lande uden for EØS, bør specificere den juridiske overførselsmekanisme, de anvender.

De praktiske spørgsmål, administratorer stiller før pilotprojekt

Ud over de regulatoriske krav rejser evalueringsprocessen en række driftsmæssige spørgsmål, der kræver klare svar, før et pilotprojekt godkendes.

De strukturerede notater er kliniske journaler, og ejerskab og forvaltning skal fremgå tydeligt af kontrakten. Klinikeren, der gennemgår og godkender notatet, bevarer det kliniske og juridiske ansvar, og det bør fremgå eksplicit af leverandøraftalen. Patienter skal informeres om, at et AI-værktøj er til stede. Medarbejdere, hvis stemmer optages, er også registrerede i henhold til GDPR, og et lovligt grundlag for behandlingen skal være på plads. Klinisk ledelse kræver, at det er muligt at rekonstruere, hvad der skete under et møde, og hvem der godkendte det resulterende notat, så det er værd at bekræfte, hvilke logfiler værktøjet opretholder og hvor længe de opbevares.

Spørgsmålet om systemintegration fortjener særlig opmærksomhed. Nogle værktøjer eksporterer struktureret tekst til manuel import, mens andre integrerer direkte via et API-lag. Integrationsmodellen påvirker både arbejdsgangen og vurderingen af datasikkerhed, og valget bør træffes bevidst frem for at blive overladt til leverandørens standardopsætning.

En fagfællebedømt undersøgelse af indkøb af sundhedsteknologi i svenske kommuner fandt, at kommunerne bruger evidens inkonsekvent i indkøbs- og evalueringsbeslutninger, og at den eksisterende nationale vejledning er utilstrækkelig. Det understreger, hvor vigtigt det er at opbygge intern evalueringskapacitet frem for udelukkende at støtte sig til leverandørens egne beviser.

Sådan struktureres et lavrisikopilotprojekt

Et velafgrænset pilotprojekt reducerer den regulatoriske risiko og skaber brugbar evidens. Begræns omfanget til et specifikt plejeteam eller sted. Et enkelt kommunalt sygeplejeteam er langt mere overskueligt end en kommunedækkende udrulning, og seks til tolv uger er tilstrækkeligt til at generere meningsfulde data. Farsund-pilotprojektet varede seks uger og gav klare, kvantificerbare resultater.

Definer succeskriterier på forhånd: dokumentationstid pr. besøg, medarbejderrapporterede brugbarhedsscorer, fejlrater i genererede notater og patientfeedback. Skriftlig godkendelse fra databeskyttelsesrådgiveren (konsekvensanalyse gennemført), indkøbslederen (kontrakt og databehandleraftale på plads) og den kliniske leder skal foreligge, før pilotprojektet begynder.

Uddannelse af medarbejderne er ikke en formalitet. WHO's Europa-rapport om kunstig intelligens i sundhedsvæsenet peger på arbejdsstyrkens AI-kompetencer som en af de vigtigste faktorer for vellykket implementering, og det gælder uanset kvaliteten af infrastruktur eller certificering. Alle deltagende medarbejdere skal vide, hvordan værktøjet fungerer, hvad deres ansvar er ved gennemgang, og hvordan de rapporterer fejl. Patienter skal have en klar forklaring på almindeligt sprog, tilgængelig på de sprog, patientgruppen taler. Definer desuden, hvad der sker med data, notater og adgangsrettigheder, hvis pilotprojektet afbrydes.

Leverandørvurdering: hvad der skal verificeres uafhængigt

Følgende punkter bør verificeres uafhængigt og ikke blot accepteres på baggrund af markedsføringsmateriale:

• ISO 27001-certificering: Anmod om det aktuelle certifikat og verificér, at det dækker de systemer, der bruges til at behandle sundhedsdata.

• GDPR-databehandleraftale: Gennemgå den i forhold til kravene i artikel 28, og sikr at den afspejler de faktiske behandlingsaktiviteter.

• EU AI-lovens overensstemmelsesdokumentation: bed om leverandørens skriftlige vurdering af risikoklassifikationen.

• Hvis leverandøren hævder, at værktøjet har et CE-mærke som medicinsk udstyr, skal du anmode om overensstemmelseserklæringen og verificere, hvilket bemyndiget organ der har udstedt den.

• Spørg direkte, om patientdata vil blive brugt til at træne eller finjustere modellen, og hvad det juridiske grundlag i så fald er.

• Sprogkapacitet: Bekræft at værktøjet fungerer nøjagtigt på de specifikke sprog, klinisk personale bruger, herunder regionale dialekter og klinisk terminologi.

• Anmod om referencer eller publiceret evidens fra implementeringer i den offentlige sektor i Europa. Fagfællebedømte eller præregistrerede undersøgelser vægter højere end interne casestudier.

Et crossover-randomiseret kontrolleret forsøg, der evaluerer AI-assisteret klinisk kodning i Sverige og Norge, udført af det norske center for e-sundhedsforskning, giver en nyttig metodologisk reference for stringent evalueringsdesign. Vurdering af klinisk kodning adskiller sig ganske vist fra evaluering af dokumentationsværktøjer, der optager møder i realtid, men forsøgets metodologi er en brugbar målestok, når administratorer skal vurdere kvaliteten af den evidens, leverandører præsenterer.

Intern tilpasning: indkøb, juridisk og klinisk ledelse

AI-dokumentationsværktøjer befinder sig i skæringspunktet mellem mindst fire regulatoriske rammer og kræver typisk godkendelse fra mindst tre interne funktioner, der ikke nødvendigvis arbejder tæt sammen til daglig. Den hyppigste fejl er at identificere en foretrukken leverandør og derefter opdage, at den ikke lever op til databeskyttelseskravene. Databeskyttelsesrådgiveren bør inddrages tidligt, før leverandørvalget.

Formuler den kliniske begrundelse i driftsmæssige termer: kliniske ledere engagerer sig langt mere i et forslag om at reducere den tid, der bruges på dokumentation, end i et forslag om at indføre ny teknologi. Giv indkøbsteamet den regulatoriske kontekst om EU AI-loven og forordningen om medicinsk udstyr, de har brug for for at skrive specifikationer og evaluere tilbud korrekt. Dokumentér hver beslutning. I et reguleret udbudsmiljø er revisionssporet vigtigt.

Organisationen for Økonomisk Samarbejde og Udvikling (OECD) har bemærket, at de fleste EU-sundhedssystemer mangler dedikerede finansieringsstrukturer for AI-værktøjer og har fremhævet fælles indkøbsmodeller som en måde at sikre retfærdig implementering på. Kommuner, der overvejer fælles udbud med nabokommuner eller regionale sundhedsorganer, bør vurdere, om denne model kan reducere evalueringsomkostningerne og styrke forhandlingspositionen.

Evalueringsstandarder under udvikling i Europa

Tilgangen til evaluering af AI-dokumentationsværktøjer i folkesundhedsindstillinger er stadig under udvikling. WHO's Europa-rapport fra april 2026, baseret på data fra alle 27 EU-medlemsstater, fandt at 81 procent af medlemsstaterne aktivt inddrager interessenter i styringen af AI, og at flertallet allerede anvender AI-værktøjer i kliniske sammenhænge. Europa-Kommissionens SHAIPED-projekt, lanceret i marts 2025, afprøver udvikling og validering af AI-modeller ved hjælp af HealthData@EU-infrastrukturen og opbygger fælles infrastruktur til evaluering af AI i sundhedsvæsenet i stor skala.

De mest troværdige evalueringstilgange deler flere træk: præregistrering af evalueringsprotokoller, brug af validerede brugbarhedsinstrumenter sammen med tidsbaserede målinger, inddragelse af patientoplevelsesdata, uafhængig gennemgang af leverandørens evidens og gennemsigtig rapportering af negative fund. Det open source Berta-dokumentationsværktøj, som 198 akutlæger anvendte på tværs af 105 by- og landfaciliteter mellem november 2024 og juli 2025, er et eksempel på denne tilgang med offentligt dokumenteret metodologi. Det regulatoriske miljø er i bevægelse. Hvad der er bedste praksis i midten af 2026, kan være afløst af formel vejledning inden for de næste tolv til atten måneder, og administratorer bør følge opdateringer fra nationale sundhedsmyndigheder og databeskyttelsestilsyn, som i stigende grad offentliggør AI-specifik vejledning.

Ofte stillede spørgsmål

▶ Hvad gør AI-assisterede dokumentationsværktøjer faktisk under et kommunalt sundhedsbesøg

Værktøjet lytter, transskriberer og genererer et udkast til et journalnotat. Klinikeren godkender det, før det indgår i journalsystemet. Ingen diagnose, ingen ordination, ingen klinisk anbefaling. Funktionen er rent administrativ.

▶ Hvilken evidens findes der for tidsbesparelser i kommunale folkesundhedsindstillinger

Farsund-pilotprojektet (seks uger, tyve medarbejdere) og Capio/Ramsay Santé-undersøgelsen (375.000 notater, præregistreret, SQUIRE-rapporteret) er de stærkeste publicerede tal. Begge bygger primært på selvrapporterede resultater, så dit eget pilotdesign bør inkludere objektiv tidsmåling for at kunne sammenligne.

▶ Klassificerer EU AI-loven dokumentationsværktøjer som højrisiko

Et rent transskriptions- og struktureringsværktøj uden kliniske anbefalinger klassificeres ikke som højrisiko. Spørg leverandøren, om værktøjet indeholder beslutningsstøttefunktioner, der ikke fremgår af markedsføringsmaterialet, da sådanne funktioner kan ændre klassifikationen.

▶ Hvilke GDPR-forpligtelser gælder, før et pilotprojekt begynder

To ting skal være på plads, inden data deles: en gennemført konsekvensanalyse vedrørende databeskyttelse (artikel 35) og en underskrevet databehandleraftale med leverandøren (artikel 28). Dokumentér det lovlige grundlag for behandlingen, og gem beslutningen i revisionssporet.

▶ Hvordan bekræfter kommuner, at patientdata forbliver inden for EU

Indhent skriftlig bekræftelse fra leverandøren om behandlingssted for lyddata, opbevaringssted og opbevaringstid for notater, navnene på eventuelle underdatabehandlere og om data overføres uden for EU eller EØS til modeltræning eller kvalitetssikring. Leverandører med infrastruktur uden for EØS skal oplyse den konkrete juridiske overførselsmekanisme.

▶ Hvornår gælder EU's forordning om medicinsk udstyr for et AI-dokumentationsværktøj

Forordningen gælder for software med et medicinsk formål. Et rent transskriptionsværktøj falder uden for, men funktioner som markering af kliniske abnormiteter eller diagnoseforslag kan bringe det ind under den. Bed leverandøren om en skriftlig klassifikationsbegrundelse, og verificer CE-mærkets rækkevidde, hvis et sådant hævdes.

▶ Hvilke udbudsregler gælder, når en kommune køber et AI-dokumentationsværktøj

Direktiv 2014/24/EU gælder. Tærsklen for sub-centrale offentlige organer er 215.000 euro ekskl. moms og revideres periodisk, så verificer den aktuelle grænse i den seneste kommissionsdelegerede forordning. Skriv tekniske specifikationer med funktionelle og overensstemmelseskrav, og undgå at pege på et enkelt produkt.

▶ Hvem er ansvarlig, hvis et AI-genereret journalnotat indeholder en fejl

Klinikeren, der godkender notatet, bærer det kliniske og juridiske ansvar. Sørg for, at leverandøraftalen siger dette eksplicit, og bekræft, hvilke logfiler der dokumenterer godkendelse, hvem der godkendte, og hvornår.

▶ Hvordan bør en kommune strukturere et lavrisikopilotprojekt

Begræns omfanget til ét plejeteam, kør seks til tolv uger, og fastlæg succeskriterier på forhånd: dokumentationstid pr. besøg, brugbarhedsscorer, fejlrater og patientfeedback. Indhent skriftlig godkendelse fra databeskyttelsesrådgiver, indkøbsleder og klinisk leder, og dokumenter exitplanen, inden data behandles.

▶ Hvad bør administratorer verificere uafhængigt, når de vurderer en leverandør

Verificer ISO 27001-certifikatets rækkevidde, gennemgå databehandleraftalen mod artikel 28, anmod om EU AI-lovens overensstemmelsesdokumentation, og spørg direkte, om patientdata bruges til modeltræning. Anmod om evidens fra sammenlignelige europæiske offentlige implementeringer, og vurder om den er fagfællebedømt eller præregistreret.