Den europæiske primærsektor er flersproget. En praktiserende læge i Bruxelles kan dokumentere på hollandsk, mens vedkommende konsulterer en patient, der taler marokkansk darija. En familielæge i Wien skifter mellem standardtysk og wienerdialekt midt i en sætning. En praksis i Manchester ser patienter, hvis modersmål er urdu, polsk eller somalisk. Når AI-dokumentationsværktøjer introduceres i disse miljøer, møder de en sproglig virkelighed, som de fleste ikke er designet til. Præstationsgabene er ikke blot små ulemper, men potentielle risici for patientsikkerheden.

Hvordan AI-dokumentationsværktøjer behandler talt sprog

For at forstå, hvorfor præstationen varierer på tværs af sprog, er det nyttigt at vide, hvor behandlingen faktisk foregår. De fleste AI-dokumentationsværktøjer, der anvendes i primærsektoren, kombinerer to forskellige komponenter: automatisk talegenkendelse (ASR), som omdanner talte ord til tekst, og et lag med stor sprogmodel (LLM) eller naturlig sprogbehandling (NLP), som omdanner den transskriberede tekst til struktureret klinisk dokumentation.

Fejl forstærkes på tværs af begge lag. Hvis ASR-laget fejlhører et talt ord, især et klinisk udtryk udtalt med en regional accent, modtager NLP-laget et fejlagtigt input og kan generere et plausibelt klingende, men klinisk ukorrekt notat. Forskning i taledokumentationssystemer har vist, at selv specialespecifikke talegenkendelsesmotorer opnår begrænset nøjagtighed for diagnostiske termer inden for et enkelt sprog. Dette illustrerer, hvordan domænespecifikt ordforråd skaber nøjagtighedsgab, der bliver langt mere udtalte, når sproglige ressourcer er knappe.

Klinikere, der evaluerer AI-dokumentationsværktøjer, bør derfor ikke kun spørge "understøtter det dette sprog?", men også "hvor i processen fejler det, og hvordan?"

Hvorfor nogle europæiske sprog understøttes bedre end andre

Den grundlæggende årsag til præstationsforskelle på tværs af europæiske sprog er ubalance i træningsdata. Store sprogmodeller og ASR-systemer trænes overvejende på engelsksprogede datasæt. Når en model har set milliarder af engelske kliniske dokumenter, men kun millioner eller hundredtusindvis af tilsvarende tekster på hollandsk, rumænsk eller græsk, vil dens præstation på disse sprog være strukturelt svagere.

Forskning publiceret i Scientific Reports i 2025 adresserede udfordringer for grundlæggende LLM'er i domænespecifikke opgaver såsom medicinsk opsummering, herunder overvejelser om morfologisk rigdom, syntaktisk variation og diglossi, med særlig betydning for underrepræsenterede sprog.

Sprog, der har tendens til at være bedre understøttet, omfatter:

• Engelsk med en betydelig margin på grund af dominerende repræsentation i træningskorpora

• Spansk, fransk, tysk er rimeligt repræsenteret, dog med mangler i klinisk ordforråd

• Hollandsk, portugisisk, italiensk har moderat støtte, med bemærkelsesværdige huller i specialistterminologi

Sprog, der typisk er underrepræsenteret i kliniske AI-træningsdata, omfatter polsk, rumænsk, græsk, tjekkisk, ungarsk, finsk, catalansk, walisisk og maltesisk. For klinikere, der arbejder på disse sprog, bør grundlæggende nøjagtighed af ethvert AI-dokumentationsværktøj verificeres uafhængigt og ikke tages for givet.

De specifikke udfordringer ved germanske, romanske og slaviske sprog i klinisk dokumentation

Sprogfamiliestruktur skaber forudsigelige fejlkilder i AI-klinisk dokumentation. At forstå disse hjælper klinikere med at forudse, hvor fejl er mest sandsynlige.

Germanske sprog (tysk, hollandsk)

Tysk og hollandsk gør omfattende brug af sammensatte substantiver – enkelte ord dannet ved at sammenføje flere begreber. Et tysk klinisk udtryk som Herzinsuffizienz (hjertesvigt) eller Bluthochdruck (forhøjet blodtryk) skal genkendes som en enkelt klinisk enhed, ikke opdeles i separate stavelser. AI-værktøjer, der ikke er trænet på tilstrækkelige tysksprogede kliniske tekster, segmenterer eller fejlgenkender ofte disse sammensætninger. Dette fører til notater, der udelader eller forvansker diagnosen.

Romanske sprog (fransk, spansk, portugisisk, italiensk)

Disse sprog tildeler grammatisk køn til medicinsk terminologi, og klinisk betydning kan ændres ved kongruensfejl. Ud over grammatik er der betydelig regional variation i klinisk ordforråd: den samme tilstand kan beskrives med forskellige foretrukne termer i Frankrig versus Belgien eller i Spanien versus Latinamerika. Et AI-værktøj trænet på castiliansk spansk kliniske data kan underpræstere i catalansktalende regioner, hvilket demonstreres af forskning i tosprogede spanske og catalanske primærsektornotater. Forskningen fandt, at fælles genkendelse og ICD-10-linking af diagnoser i ikke-standardiserede tosprogede notater er et særligt og udfordrende problem, der kræver sprogspecifik finjustering.

Slaviske sprog (polsk, tjekkisk, slovakisk)

Polsk og tjekkisk er morfologisk komplekse med omfattende bøjningssystemer, der ændrer ordendelser baseret på kasus, køn og tal. Et klinisk udtryk for en tilstand kan forekomme i seks eller flere former i løbet af en enkelt konsultation. En AI-model uden tilstrækkelig eksponering for denne bøjningsvariation vil ikke konsekvent genkende det samme kliniske begreb på tværs af dets former. Flersprogede troværdighedsevalueringer af LLM'er i sundhedsvæsenet har identificeret dette som en kritisk barriere for anvendelse i virkelige slavisk-sprogede kliniske miljøer.

Dialekter, regional variation og tale med accent: det lag, de fleste værktøjer ignorerer

Selv inden for et enkelt officielt understøttet sprog kan dialektvariation og tale med accent markant forringe ASR-nøjagtigheden. Et værktøj valideret til standardhollandsk (som talt i Nederlandene) kan stadig underpræstere i en flamsk praksis hos en praktiserende læge i Gent. Schweizertysk adskiller sig så meget fra standardtysk, at mange ASR-systemer trænet på Hochdeutsch ikke pålideligt kan transskribere det. Catalansk, selvom det tales af millioner på tværs af Spanien og Frankrig, behandles ofte som et grænsetilfælde af AI-leverandører, hvis primære marked er castiliansk spansk.

En narrativ gennemgang fra Dublin City University's ADAPT Centre identificerer dette som en af de centrale uløste udfordringer i AI-sprogteknologi til sundhedsvæsenet: flydende output i en standardsprogvariant garanterer ikke acceptabel præstation på tværs af hele dialektkontinuumet for det pågældende sprog. Gennemgangen bemærker, at effektivitetsgevinster fra AI-sprogværktøjer kan skjule fejl, reducere sporbarhed og flytte ansvar mellem klinikere og sundhedssystemer. Disse risici forstærkes, når dialektvariation ikke tages i betragtning ved valideringen.

Tale med accent fra ikke-modersmålstalende udgør en relateret, men særskilt udfordring. En rumænsk-født praktiserende læge, der arbejder i Irland og dokumenterer på engelsk med rumænsk accent, kan opleve, at ASR-nøjagtigheden er markant lavere end for en indfødt engelsktalende, der bruger det samme værktøj. Dette har direkte betydning for praksisser med internationalt uddannede klinikere, som udgør en væsentlig andel af primærsektorens arbejdsstyrker i både EU og Storbritannien.

Kodeskift: hvad sker der, når klinikere og patienter blander sprog midt i konsultationen

Kodeskift – at skifte mellem to eller flere sprog inden for en enkelt samtale – er rutine i flersprogede kliniske miljøer, men det forbliver et af de dårligst håndterede scenarier i AI-dokumentationsværktøjer. En kliniker i Luxembourg kan dokumentere på fransk, mens vedkommende bruger latinske anatomiske termer, engelske lægemiddelnavne og lejlighedsvise tyske fraser. En praktiserende læge i en walisisk-talende praksis kan skifte mellem walisisk og engelsk i samme sætning.

Læger i arabisk-talende miljøer samtaler ofte primært på arabisk, men skriver journalnotater på engelsk. Dette øger den kognitive belastning. Denne tosprogede arbejdsgang understøttes dårligt af eksisterende AI-værktøjer på grund af mangel på arabisk-sprogede træningskorpora. Det samme strukturelle problem gælder for ethvert sprogpar, hvor den ene komponent er underrepræsenteret i træningsdata.

For de fleste nuværende AI-dokumentationsværktøjer fører kodeskift mellem et velressourceret og et underressourceret sprog typisk til én af to fejlkilder: værktøjet skifter helt til det dominerende sprog og udelader indhold talt på minoritetssproget, eller det forsøger at transskribere begge sprog, men introducerer systematiske fejl ved overgangene. Ingen af resultaterne er acceptable i en klinisk dokumentationskontekst, hvor manglende eller forvansket information kan påvirke patientsikkerheden.

Klinisk terminologi på tværs af sprog: mere end et oversættelsesproblem

En udbredt antagelse er, at flersproget klinisk dokumentation primært er en oversættelsesudfordring – at et AI-værktøj blot skal matche talte termer på ét sprog til deres engelske ækvivalenter, før det anvender standard kliniske koder. Denne antagelse er forkert. At handle ud fra den fører til systematiske fejl i strukturerede notater.

Medicinsk ordforråd er ikke ensartet standardiseret på tværs af europæiske sprog. SNOMED CT, det mest anvendte kliniske terminologisystem, har officielle oversættelser på flere europæiske sprog, men dækningen er ujævn. Klinikere bruger ofte uformelle, forkortede eller lokalt foretrukne termer, der ikke matcher direkte til nogen standardiseret kode. Et AI-værktøj trænet på engelske kliniske korpora kan korrekt genkende det talte engelske udtryk "heart failure" og matche det til den relevante SNOMED CT-kode, men undlade at gøre det samme, når udtrykket bruges på polsk, græsk eller finsk – selv hvis værktøjet nominelt "understøtter" disse sprog.

Forskning i ICD-10-kodning i tosprogede spanske og catalanske primærsektornotater fandt, at ikke-standardiserede notatformater og tosprogede blandinger skaber specifikke udfordringer for automatiseret kodning, som ikke kan løses ved at anvende modeller trænet på standard ensprogede korpora. Forfatterne fandt, at parameter-effektiv finjustering på sprogspecifikke kliniske data var nødvendig for at opnå acceptabel præstation. Denne opdagelse har direkte betydning for praksisser, der evaluerer AI-dokumentationsværktøjer på ethvert ikke-engelsk europæisk sprog.

Hvordan man evaluerer et AI-dokumentationsværktøjs sprogpræstation før implementering i praksis

Klinikere og praksischefer, der evaluerer AI-dokumentationsværktøjer til flersprogede miljøer, bør gå ud over leverandørers marketingpåstande og stille specifikke, verificerbare spørgsmål. Følgende ramme afspejler nuværende bedste praksis i klinisk AI-evaluering.

Bed om sprogspecifikke valideringsdata

• På hvilke sprog blev værktøjet valideret, og på hvilket datasæt?

• Blev validering udført på ægte klinisk tale eller på rene studieoptagelser?

• Hvad var ordfehlraten (WER) for ASR på målsproget, og hvordan sammenlignes dette med engelsk præstation på det samme værktøj?

Undersøg dialekt- og accentdækning

• Er værktøjet blevet testet på den specifikke regionale variant af sproget, der bruges i din praksis (f.eks. flamsk hollandsk, schweizertysk, catalansk)?

• Hvad er den dokumenterede præstationsforskel mellem standard- og regionale varianter?

Test kodeskift-kapacitet

• Håndterer værktøjet konsultationer, hvor klinikeren og patienten bruger forskellige sprog?

• Hvordan opfører det sig, når medicinske termer bruges på latin eller engelsk i en ikke-engelsk konsultation?

Gennemgå klinisk kodningsnøjagtighed separat fra transskriptionsnøjagtighed

• Et værktøj kan opnå acceptabel transskriptionsnøjagtighed, men stadig undlade at generere korrekte SNOMED CT- eller ICD-koder på målsproget

• Bed leverandører om kodningsnøjagtighedsdata, der er specifikke for dit sprog og din kliniske kontekst

2025-kommentaren om AI-skribenter i sundhedsvæsenet bemærker, at de fleste eksisterende evalueringer stammer fra små, kortvarige pilotstudier med deltagere, der er positivt indstillede over for teknologi. Denne begrænsning gælder især for evalueringer af ikke-engelske sprog, hvor evidensgrundlaget er endnu svagere.

Datalokation og regulatoriske overvejelser for flersprogede AI-værktøjer i EU

General Data Protection Regulation (GDPR) gælder for alle persondata behandlet inden for EU, uanset hvilket sprog de blev talt eller optaget på. Lydoptagelser af kliniske konsultationer, herunder dem udført på polsk, rumænsk, arabisk eller ethvert andet sprog, udgør følsomme sundhedsdata i henhold til artikel 9 i GDPR og er underlagt hele rækken af databeskyttelsesforpligtelser.

Et BMJ-policypapir om AI-oversættelse i sundhedsvæsenet identificerer kløften mellem hurtigt accelererende AI-implementering og regulatoriske rammer som en betydelig bekymring. Papiret bemærker, at denne kløft er særligt udtalt i flersprogede sundhedsmiljøer, hvor datastrømme krydser sprog- og jurisdiktionsgrænser.

Praksisser bør verificere:

• Hvor lyddata behandles: Nogle AI-dokumentationsværktøjer sender lyd til cloud-infrastruktur uden for EU til transskription, hvilket kan være i konflikt med GDPR's datalokationskrav

• Hvor data opbevares: EU's datalokationskrav gælder både for lagrede data og for behandling

• Om leverandørens privatlivsdokumentation dækker alle understøttede sprog: Værktøjer, der behandler ikke-engelsk lyd gennem anden infrastruktur end engelsk lyd, kan have inkonsistente datalokationspolitikker

• Medical Device Regulation (MDR)-status: AI-dokumentationsværktøjer, der genererer kliniske output, kan kvalificere som medicinsk udstyr under EU MDR, med betydning for hvilke sprog og kliniske kontekster, der er blevet formelt valideret

Hvordan god flersproget præstation faktisk ser ud: benchmarks og røde flag

Der er ingen universelt aftalte nøjagtighedstærskler for AI-klinisk dokumentation på tværs af europæiske sprog, men følgende benchmarks afspejler nuværende evidens og kliniske risikovurderinger.

Rimelige minimumstærskler for klinisk brug

• ASR-ordfehlrate under 10 til 15 procent for det specifikke sprog og dialekt i brug (lavere tærskler gælder for højrisiko kliniske kontekster)

• Klinisk terminologigenkendelsesnøjagtighed over 80 procent for de mest almindelige diagnostiske termer på målsproget

• ICD/SNOMED-kodningsnøjagtighed sammenlignelig med den, der opnås af det samme værktøj på engelsk

Røde flag, der antyder utilstrækkelig flersproget validering

• Leverandøren henviser kun til engelsksprogede valideringsstudier og beskriver anden sprogunderstøttelse som "kommer snart" eller "i beta"

• Nøjagtighedstal præsenteres som et enkelt tal på tværs af alle understøttede sprog uden sprogspecifik opdeling

• Validering blev udført på rene optagelser fremfor ægte klinisk tale

• Værktøjet har ingen dokumenterede præstationsdata for regionale dialekter eller tale med accent

• Kodeskift-kapacitet beskrives kun kvalitativt og ikke med nøjagtighedsdata

EuropeMedQA-benchmark er et nyttigt referencepunkt: det er et omfattende flersproget medicinsk eksamensdatasæt hentet fra officielle regulatoriske eksamener på tværs af europæiske lande. Det giver en struktureret ramme til at sammenligne LLM-præstation på tværs af europæiske kliniske sprog. Klinikere bør dog være opmærksomme på, at præstation på standardiserede eksamensspørgsmål ikke nødvendigvis forudsiger præstation på ægte klinisk tale. De to opgaver involverer forskellige sproglige registre og fejltyper.

Hvad der skal ændres i AI-klinisk dokumentation for det flersprogede Europa

Det flersprogede præstationsgab i AI-klinisk dokumentation er ikke et uløseligt problem, men forskningsmiljøet og kommercielle leverandører adresserer det i øjeblikket utilstrækkeligt. Flere ændringer er nødvendige, før AI-dokumentationsværktøjer kan betragtes som pålideligt sikre til implementering på tværs af den fulde sproglige diversitet i europæisk primærsektor.

Mere forskelligartede træningsdatasæt

Dominansen af engelsksprogede data i AI-træningskorpora afspejler historiske forsknings- og kommercielle prioriteter, ikke den faktiske fordeling af klinisk aktivitet i Europa. Opbygning af klinisk validerede datasæt på polsk, rumænsk, græsk, hollandsk og andre underrepræsenterede sprog kræver investering fra sundhedssystemer, forskningsfinansiører og AI-leverandører. ADAPT Centre's 2026-gennemgang argumenterer for, at dette kræver ikke kun bedre modeller, men også ansvarligt socioteknisk design og stærkere samarbejde på tværs af naturlig sprogbehandling, klinisk praksis og politik.

Dialektbevidst modeludvikling

Standardsprogvarianter er utilstrækkelige som grundlag for klinisk AI-validering. Modeller skal testes og, hvor nødvendigt, finjusteres på de regionale varianter, der faktisk bruges i klinisk praksis. Dette omfatter flamsk hollandsk, schweizertysk, catalansk, regionale franske accenter og de mange andre varianter, der udgør det virkelige sproglige landskab i europæisk primærsektor.

Klinisk validering som et regulatorisk krav

BMJ-policypaperet opfordrer til evidensbaserede politiske rammer, der kræver, at AI-sprogværktøjer i sundhedsvæsenet demonstrerer klinisk sikkerhed på tværs af de sprog og kontekster, hvor de implementeres. Uden regulatorisk pres har leverandører begrænset kommercielt incitament til at investere i validering for mindre sprogmarkeder.

Ærlig repræsentation af nuværende begrænsninger

Evidensen fra flersproget LLM-troværdighedsforskning er klar: nuværende modeller er ikke ensartet pålidelige på tværs af europæiske sprog i kliniske miljøer. Klinikere fortjener præcis information om, hvor disse værktøjer præsterer godt, og hvor de ikke gør. Dette muliggør passende menneskelig overvågning og forebygger overafhængighed af AI-genereret dokumentation på sprog, hvor validering mangler eller er utilstrækkelig.

For klinikere, der arbejder i flersprogede europæiske miljøer i dag, er den praktiske implikation ligetil: sprogunderstøttelse opført på en leverandørs hjemmeside er ikke det samme som valideret klinisk præstation. Spørgsmålene, der skal stilles, benchmarks at anmode om og røde flag at være opmærksom på, er veldefinerede. At anvende dem stringent før implementering er den mest pålidelige beskyttelse mod de sammensatte fejl, som flersprogede AI-dokumentationsværktøjer kan introducere i kliniske journaler.

Ofte stillede spørgsmål

▶ Hvorfor præsterer AI-dokumentationsværktøjer forskelligt på tværs af europæiske sprog?

Kerneårsagen er ubalance i træningsdata. Store sprogmodeller og automatiske talegenkendelsessystemer trænes overvejende på engelsksprogede datasæt. En model trænet på milliarder af engelske kliniske dokumenter, men kun hundredtusindvis af tilsvarende tekster på rumænsk eller græsk, vil være strukturelt svagere på disse sprog. Dette påvirker både transskriptionslaget og det lag, der konverterer transskriberet tekst til strukturerede journalnotater.

▶ Hvilke europæiske sprog understøttes bedst og mindst af kliniske AI-dokumentationsværktøjer?

Engelsk er det bedst understøttede sprog med en betydelig margin. Spansk, fransk og tysk er rimeligt repræsenteret, dog med mangler i klinisk ordforråd. Hollandsk, portugisisk og italiensk har moderat støtte. Sprog, der typisk er underrepræsenteret, omfatter polsk, rumænsk, græsk, tjekkisk, ungarsk, finsk, catalansk, walisisk og maltesisk. Klinikere, der arbejder på disse sprog, bør uafhængigt verificere grundlæggende nøjagtighed frem for blot at antage den.

▶ Hvilke specifikke dokumentationsfejl bør klinikere forvente med germanske og slaviske sprog?

På tysk og hollandsk fejlgenkender AI-værktøjer ofte sammensatte substantiver som Herzinsuffizienz (hjertesvigt), enten ved at opdele eller udelade dem helt. På polsk og tjekkisk betyder omfattende bøjningssystemer, at det samme kliniske udtryk kan forekomme i seks eller flere former i løbet af en enkelt konsultation. Værktøjer uden tilstrækkelig eksponering for denne variation vil ikke konsekvent genkende det samme kliniske begreb på tværs af dets forskellige former. Flersprogede troværdighedsevalueringer af store sprogmodeller i sundhedsvæsenet har identificeret dette som en kritisk barriere for anvendelse i praksis.

▶ Påvirker dialekt og tale med accent AI-dokumentationsnøjagtigheden?

Ja, betydeligt. Et værktøj valideret til standardhollandsk kan stadig underpræstere i en flamsk praksis. Schweizertysk adskiller sig så meget fra standardtysk, at mange talegenkendelsessystemer trænet på Hochdeutsch ikke pålideligt kan transskribere det. Tale med accent fra ikke-modersmålstalende udgør en relateret udfordring: en rumænsk-født praktiserende læge, der dokumenterer på engelsk, kan opleve, at transskriptionsnøjagtigheden er markant lavere end for en indfødt engelsktalende, der bruger det samme værktøj. Forskning fra Dublin City University's ADAPT Centre identificerer dialektvariation som en af de centrale uløste udfordringer i AI-sprogteknologi til sundhedsvæsenet.

▶ Hvordan håndterer AI-dokumentationsværktøjer kodeskift, hvor klinikere blander sprog midt i konsultationen?

De fleste nuværende værktøjer håndterer kodeskift dårligt. Når en kliniker skifter mellem et velressourceret og et underressourceret sprog, går værktøjer typisk enten helt over til det dominerende sprog og udelader indhold talt på minoritetssproget, eller forsøger at transskribere begge, men introducerer systematiske fejl ved overgangene. Ingen af resultaterne er acceptable i klinisk dokumentation, hvor manglende eller forvansket information kan påvirke patientsikkerheden.

▶ Er flersproget klinisk dokumentation bare et oversættelsesproblem?

Nej. Medicinsk ordforråd er ikke ensartet standardiseret på tværs af europæiske sprog. SNOMED CT, det mest anvendte kliniske terminologisystem, har officielle oversættelser på flere europæiske sprog, men dækningen er ujævn. Klinikere bruger ofte uformelle eller lokalt foretrukne termer, der ikke matcher direkte til nogen standardiseret kode. Forskning i ICD-10-kodning i tosprogede spanske og catalanske primærsektornotater fandt, at ikke-standardiserede notatformater og tosprogede blandinger skaber udfordringer, der ikke kan løses ved at anvende modeller trænet på standard ensprogede korpora.

▶ Hvilke spørgsmål bør klinikere stille leverandører, når de evaluerer et AI-dokumentationsværktøj til en flersproget praksis?

Klinikere bør bede om sprogspecifikke valideringsdata, herunder ordfehlrate for automatisk talegenkendelse på målsproget sammenlignet med engelsk. De bør spørge, om værktøjet er blevet testet på den specifikke regionale variant, der bruges i deres praksis, såsom flamsk hollandsk eller schweizertysk. De bør også undersøge, hvordan værktøjet håndterer kodeskift, og anmode om kliniske kodningsnøjagtighedsdata, der er specifikke for deres sprog og kontekst. Et værktøj kan opnå acceptabel transskriptionsnøjagtighed, men stadig undlade at generere korrekte SNOMED CT- eller ICD-koder på målsproget.

▶ Hvad er GDPR-implikationerne ved at bruge AI-dokumentationsværktøjer, der behandler ikke-engelsk lyd?

Lydoptagelser af kliniske konsultationer på ethvert sprog udgør følsomme sundhedsdata i henhold til artikel 9 i General Data Protection Regulation og er omfattet af alle databeskyttelsesforpligtelser. Praksisser bør verificere, hvor lyddata behandles og opbevares, da nogle værktøjer sender lyd til cloud-infrastruktur uden for EU til transskription. Værktøjer, der behandler ikke-engelsk lyd gennem anden infrastruktur end engelsk lyd, kan have inkonsistente datalokationspolitikker. Medical Device Regulation-status er også relevant, da AI-dokumentationsværktøjer, der genererer kliniske output, kan kvalificere som medicinsk udstyr med betydning for hvilke sprog og kliniske kontekster, der er blevet formelt valideret.

▶ Hvilke nøjagtighedsbenchmarks indikerer, at et AI-dokumentationsværktøj er egnet til klinisk brug på et ikke-engelsk sprog?

Artiklen opstiller følgende minimumstærskler baseret på nuværende evidens: en automatisk talegenkendelses-ordfehlrate under 10 til 15 procent for det specifikke sprog og dialekt i brug, klinisk terminologigenkendelsesnøjagtighed over 80 procent for de mest almindelige diagnostiske termer på målsproget, og ICD- eller SNOMED-kodningsnøjagtighed sammenlignelig med den, der opnås af det samme værktøj på engelsk. Røde flag omfatter leverandører, der kun henviser til engelsksprogede valideringsstudier, præsenterer nøjagtighed som et enkelt tal på tværs af alle understøttede sprog, og beskriver dialekt- eller kodeskiftpræstation kun kvalitativt frem for med nøjagtighedsdata.

▶ Hvilke ændringer er nødvendige, før AI-dokumentationsværktøjer kan betragtes som pålideligt sikre på tværs af flersproget europæisk primærsektor?

Artiklen identificerer tre hovedkrav. For det første mere forskelligartede træningsdatasæt på underrepræsenterede sprog som polsk, rumænsk og græsk. For det andet dialektbevidst modeludvikling, der går ud over standardsprogvarianter til at dække regionale varianter, der faktisk bruges i klinisk praksis. For det tredje klinisk validering som et regulatorisk krav, så leverandører skal demonstrere sikkerhed på tværs af de sprog og kontekster, hvor deres værktøjer implementeres. Uden regulatorisk pres har leverandører begrænset kommercielt incitament til at investere i validering for mindre sprogmarkeder.