AI-klinisk dokumentation i europæiske tandlægepraksisser

Klinisk dokumentation har altid været en del af tandlægepraksis, men den administrative byrde er vokset betydeligt. Ifølge et brancheestimat bruger tandlæger 10 timer om ugen på dokumentation alene. Den tid går direkte fra patientbehandlingen. Gang blot 15 minutters administration efter hver konsultation med 20 patienter om dagen, og problemets omfang bliver tydeligt. AI-assisterede kliniske dokumentationsværktøjer tiltrækker sig derfor stor opmærksomhed fra tandlægepraksisser i hele Europa som et praktisk svar på dette operationelle pres.

Hvad AI-assisteret klinisk dokumentation gør i en tandlægekontekst

En AI-dokumentationsassistent lytter til samtalen mellem kliniker og patient under eller efter en tandlægekonsultation og bruger denne lyd til at generere et struktureret journalnotat. Tandlægen gennemgår og godkender derefter notatet, før det gemmes i patientjournalsystemet. AI'en udarbejder udkastet. Tandlægen beslutter.

Det er vigtigt at skelne mellem de forskellige niveauer af funktionalitet på markedet:

• Tale-til-tekst-transskription konverterer talte ord til rå tekst, men overlader det til klinikeren at organisere, redigere og strukturere alt manuelt.

• Generelle AI-medicinske assistenter tilføjer struktur til denne tekst, men forstår muligvis ikke tandlægespecifik terminologi, tandnotationssystemer eller den måde, tandlæger diskuterer samtykke og behandlingsplanlægning på.

• Tandlægespecifikke dokumentationsassistenter genererer strukturerede notater ved hjælp af tandlægefagligt vokabular, kan foreslå relevante kliniske koder og understøtter i mere avancerede versioner også skabeloner, behandlingsplaner, patientbreve og henvisninger.

De mest nyttige systemer går ud over selve notatet og understøtter det, der sker omkring det: behandlingsvalg, patientrettede dokumenter, undervisningsmaterialer og klinisk gennemgang. I ansvarligt designede løsninger forbliver kopieringskontroller skjulte, indtil klinikeren har bekræftet, at notatet er nøjagtigt og fuldstændigt.

En undersøgelse evaluerede et modulært large language model-system (LLM, en type kunstig intelligens, der kan forstå og generere menneskelig tekst) til generering af standardiserede journalnotater ud fra lyd optaget ved stolen på tværs af parodontologi, ortodonti og protetik. På tværs af 100 afidentificerede ambulante optagelser demonstrerede det evidensunderbyggede system metodologisk gennemførlighed, hvor AI-genererede scores korrelerede med menneskelige ekspertvurderinger ved r = 0,823.

Hvordan tandlægepraksisser i hele Europa begynder at tage disse værktøjer i brug

Tandlægepraksisser i Europa tager AI-dokumentationsassistenter i brug, men tempoet er ujævnt. Udbredelsen er i øjeblikket praksisdrevet snarere end systemdrevet, med koncentration i private tandlægeklinikker og specialistpraksisser frem for offentlige tandlægetjenester.

I Storbritannien accelererede tandlæge-AI-adoptionen betydeligt i 2025, hvor en betydelig andel af praksisser nu implementerer validerede digitale værktøjer sammen med praksisadministrationssystemer. Velkendte produkter, der opererer i det britiske tandlægedokumentationsområde, omfatter Kiroku, DigitalTCO og Heidi, som hver især har en forskellig tilgang til arbejdsgangsintegration.

På tværs af det kontinentale Europa er billedet mere fragmenteret. Det heterogene praksisadministrationslandskab og det flersprogede kliniske miljø på tværs af EU-medlemsstaterne skaber en kontekst, der adskiller sig markant fra Storbritannien eller USA. De fleste AI-dokumentationsværktøjer blev oprindeligt udviklet på engelsk, og tandlægeterminologi tilføjer endnu et lag af kompleksitet til flersproget implementering. Tandlægefagligt vokabular omfatter meget specifikke notationssystemer, materialenavne og proceduresprog, som generelle værktøjer muligvis ikke håndterer pålideligt.

Integration med eksisterende praksisadministrationssystemer og patientjournalsystemer forbliver en praktisk barriere i mange sammenhænge. Tandlæge- og patientjournalsystemer er fortsat stort set isolerede på tværs af de fleste europæiske sundhedssystemer, hvilket begrænser den interoperabilitet, der ville gøre det muligt for AI-værktøjer at fungere inden for integrerede behandlingsarbejdsgange.

Hvad tidlig evidens viser om tidsbesparelser og notatkvalitet

Den mest stringente europæiske evidens fra den virkelige verden om AI-assisteret klinisk dokumentation kommer fra en storstilet undersøgelse gennemført i det svenske sundhedssystem. Undersøgelsen dækkede over 375.000 journalnotater oprettet af 1.295 klinikere hos Capio, Nordens største private sundhedsudbyder. Den fandt, at den estimerede tid brugt på dokumentation pr. notat faldt fra 6,69 minutter til 4,72 minutter, en reduktion på 29 procent (p<.001). Undersøgelsen inkluderede også en spørgeskemaundersøgelse af 177 fuldt onboardede klinikere, der var ansvarlige for over 60.000 notater, og indfangede praktikerapporterede erfaringer sammen med de kvantitative data.

Denne undersøgelse er signifikant som benchmark, men en vigtig begrænsning gælder: den dækker primær-, sekundær- og hospitalsbehandling på tværs af flere specialer og fokuserer ikke specifikt på tandlægeområdet. Tandlægespecifik, peer-reviewed evidens i sammenlignelig skala er fortsat begrænset. En systematisk gennemgang af AI-anvendelser i tandlægeområdet, der dækker 2019 til 2024, bemærkede, at små stikprøvestørrelser påvirker generaliserbarheden af eksisterende tandlæge-AI-forskning.

Tandlægespecifikke undersøgelser viser, at de tekniske udfordringer er reelle. En 2024 Journal of Dental Research-undersøgelse evaluerede automatisk talegenkendelse (ASR, automatic speech recognition) på tværs af ortodontiske journalnotater. Den bedst præsterende pipeline opnåede en domænespecifik ordfehlrate på 3,5 procent, men klinisk signifikante fejl var til stede på tværs af alle testede systemer og varierede fra 2 procent til 66 procent afhængigt af forholdene. Baggrundsstøj øgede fejlraterne, og alle systemer var mindre nøjagtige med teknisk tandlægevokabular end med almindeligt sprog. Undersøgelsen konkluderede, at verifikation af journalnotater er essentiel, når man bruger nuværende ASR-systemer.

Strukturerede notater og klinisk kodning: hvor AI tilføjer mest værdi

Ud over tidsbesparelser tilbyder AI-dokumentationsassistenter en særlig fordel i forhold til notatkonsekvens og struktur. Manuel notattagning er tilbøjelig til fejl og variation, og ufuldstændige eller unøjagtige journaler medfører compliance- og juridiske risici, herunder implikationer for forsikringskrav og revisionsberedskab.

Strukturerede journalnotater, altså journaler med konsistente felter, der dækker præsenterende klage, undersøgelsesfund, diagnose, leveret behandling og opfølgning, er vigtige af flere årsager:

• Kontinuitet i behandlingen: Konsistente journalformater gør det muligt for enhver kliniker, der dækker en patient, hurtigt og præcist at forstå den kliniske historie.

• Revisionsberedskab: Tilsynsorganer og erstatningsforsikringsselskaber forventer fuldstændige, samtidige journaler. AI-genererede skabeloner hjælper med at opfylde denne standard systematisk.

• Henvisningskvalitet: Strukturerede notater kan lettere omsættes til henvisningsbreve og Advice and Guidance-anmodninger, hvilket reducerer tiden brugt på at omformatere information.

• Klinisk kodningsnøjagtighed: AI-værktøjer, der foreslår relevante SNOMED CT- eller ICD-koder baseret på konsultationsindholdet, reducerer risikoen for kodningsfejl og udeladelser.

Evidensbasen for AI-understøttet kodning i tandlægeområdet er stadig under udvikling, men datakvalitets- og standardiseringsmanglerne i eksisterende tandlægepatientjournalsystemer er veldokumenterede. En undersøgelse fra 2025, der vurderede tandlægepatientjournalsystemers parathed til maskinlæring (machine learning, en type kunstig intelligens, der lærer af data), fandt, at mangler i diagnostisk kodning og datastandardisering direkte begrænsede prædiktiv modelleringsnøjagtighed. Undersøgelsen konkluderede, at forbedring af diagnostisk kodning og datastandardisering ville styrke AI-drevne kliniske værktøjer generelt. AI-dokumentationsassistenter, der genererer strukturerede, kodede journaler fra starten af konsultationen, bidrager direkte til at løse dette problem.

Medicinsk udstyrsregulering: hvad klassificering betyder for tandlæge-AI-værktøjer

Hvorvidt et AI-dokumentationsværktøj kvalificerer som medicinsk udstyr afhænger af dets tilsigtede formål. EU's forordning om medicinsk udstyr (MDR, Medical Device Regulation) klassificerer AI-værktøjer, der påvirker kliniske beslutninger, som medicinsk udstyr, hvilket kræver overensstemmelsesvurdering og CE-mærkning før implementering i kliniske sammenhænge.

For tandlæger, der evaluerer AI-dokumentationsværktøjer, er de praktiske implikationer som følger:

• Et værktøj, der udelukkende transskriberer tale til tekst uden at påvirke kliniske beslutninger, kan falde uden for MDR's anvendelsesområde.

• Et værktøj, der genererer journalnotater, foreslår diagnoser eller anbefaler behandlingsmuligheder, er mere tilbøjeligt til at blive klassificeret som medicinsk udstyr og skal bære et CE-mærke for lovligt at kunne implementeres i EU.

• Leverandøren bør kunne levere dokumentation for værktøjets MDR-klassificering, dets tilsigtede formål som defineret i den regulatoriske indsendelse og dets CE-mærkningsstatus.

I Storbritannien regulerer Medicines and Healthcare products Regulatory Agency (MHRA) software som medicinsk udstyr. UK-registrerede tjenester, der opererer i tandlægeområdet, bærer UK MDR Class I-registrering sammen med NHS Data Security and Protection Toolkit Standards Met-status og Cyber Essentials-certificering. MHRA lancerede en Call for Evidence om regulering af AI i sundhedsvæsenet i december 2025.

EU AI-loven, der trådte i kraft i august 2024, tilføjer et yderligere lag: AI-systemer, der bruges i medicinske sammenhænge, klassificeres som højrisiko, hvilket kræver gennemsigtighed, menneskeligt tilsyn og løbende overvågning. Tandlæger behøver ikke at være regulatoriske eksperter, men de skal stille leverandørerne de rigtige spørgsmål før implementering.

GDPR-forpligtelser ved brug af AI-dokumentationsværktøjer i en tandlægepraksis

Patientdata genereret under tandlægekonsultationer er særlige kategorier af data i henhold til den generelle databeskyttelsesforordning (GDPR, General Data Protection Regulation). Når et AI-dokumentationsværktøj behandler disse data ved at lytte til en konsultation, generere et notat eller gemme en transskription, fungerer tandlægepraksis som dataansvarlig, og leverandøren fungerer som databehandler. Nøgleforpligtelserne er:

• Lovligt grundlag: Behandling af særlige kategorier af sundhedsdata kræver eksplicit patientsamtykke eller et andet lovligt grundlag i henhold til artikel 9 i GDPR. Tandlæger bør sikre, at deres patientsamtykkeproces eksplicit dækker AI-assisteret dokumentation.

• Databehandleraftaler: En skriftlig databehandleraftale skal være på plads med enhver AI-leverandør, der behandler patientdata på praksisens vegne.

• Datalokation: Patientdata skal behandles og opbevares inden for EU (eller Storbritannien efter Brexit i henhold til UK GDPR), medmindre der er tilstrækkelige sikkerhedsforanstaltninger på plads. Tandlæger bør eksplicit spørge leverandører, hvor data opbevares og behandles. Datalokation i EU er et ikke-forhandlingsbart krav for EU-baserede praksisser.

• Patientgennemsigtighed: Patienter har ret til at blive informeret om, hvordan deres data behandles, herunder af AI-systemer. Fortrolighedserklæringer bør opdateres i overensstemmelse hermed.

• Det europæiske sundhedsdataområde (EHDS, European Health Data Space), som trådte i kraft i 2025, regulerer, hvordan sundhedsdata deles på tværs af EU-medlemsstater og vil i stigende grad forme, hvordan tandlægejournaler kan tilgås og overføres.

En 2025 narrativ gennemgang i Journal of Dentistry, der dækker juridiske rammer og privatlivsbevarende teknikker til AI i tandlægeområdet, bekræftede, at tandlægepatientdata, herunder journaler, røntgenbilleder og intraorale scanninger, er underlagt GDPR, EU AI-loven og EHDS. Ansvarlig implementering kræver både tekniske sikkerhedsforanstaltninger og overholdelse af reglerne. Gennemgangen understregede, at afidentificering og privatlivsbevarende teknikker er essentielle for compliant multi-institutionel databrug.

Hvad man skal kigge efter, når man evaluerer en AI-dokumentationsassistent som tandlæge

Før man tager et AI-dokumentationsværktøj i brug, bør tandlæger gennemføre en struktureret due diligence. Følgende spørgsmål giver en praktisk ramme.

Regulatorisk status

• Hvad er værktøjets MDR-klassificering, og bærer det CE-mærkning (EU) eller UK MDR-registrering?

• Kan leverandøren levere sin overensstemmelseserklæring?

• Opfylder værktøjet EU AI-lovens højrisikosystemkrav, herunder menneskeligt tilsyn og gennemsigtighed?

Datasikkerhed og databeskyttelse

• Hvor opbevares og behandles patientdata? Er det inden for EU eller Storbritannien?

• Er en databehandleraftale tilgængelig?

• Hvilke certificeringer har leverandøren, såsom ISO 27001, NHS Data Security and Protection Toolkit eller Cyber Essentials?

Klinisk nøjagtighed og tandlægeterminologi

• Hvordan præsterer værktøjet på tandlægespecifikt vokabular, herunder tandnotation, materialenavne og procedurebegreber?

• Hvad er leverandørens publicerede eller uafhængigt verificerede ordfehlrate for tandlægeindhold?

• Markerer systemet usikkerhed eller output med lav tillid til klinisk gennemgang?

Arbejdsgangsintegration

• Integrerer værktøjet med det praksisadministrationssystem, der allerede er i brug?

• Understøtter det journalnotatformaterne og kodningsstandarderne, der kræves i det relevante land eller sundhedssystem?

• Kan det generere patientbreve, henvisninger og behandlingsplaner eller kun konsultationsnotater?

Klinisk tilsyn

• Kræver værktøjet eksplicit klinisk gennemgang og godkendelse, før et notat gemmes?

• Er der et klart revisionsspor, der viser, hvem der gennemgik og godkendte hver journal?

Tandlægeorganisationer, herunder American Dental Association, World Dental Federation og ISO TC106, udvikler valideringsbenchmarks for AI i tandlægeområdet, som til sidst vil give et mere standardiseret grundlag for at sammenligne værktøjer. Disse benchmarks er endnu ikke færdiggjort.

De realistiske udsigter: hvor AI-klinisk dokumentation i tandlægeområdet er på vej hen

Det globale tandlæge-AI-marked blev vurderet til 459,6 millioner dollars i 2024 og forventes at nå 3,26 milliarder dollars i 2034, hvilket svarer til en årlig vækstrate på 21,78 procent ifølge tredjepartsmarkedsforskningsestimater. Denne vækst afspejler en kombination af reel klinisk nytte, stigende regulatorisk klarhed og øgede krav fra klinikere til værktøjer, der reducerer den administrative byrde uden at gå på kompromis med journalkvaliteten.

For klinisk dokumentation specifikt går udviklingen mod dybere træning i tandlægefagligt vokabular, tættere integration med praksisadministrationssystemer og en stærkere evidensbase fra tandlægespecifikke undersøgelser. Interoperabilitetsudfordringen mellem tandlæge- og medicinske patientjournalsystemer bliver også aktivt adresseret. Forskning i algoritmiske rammer til at forbinde patientjournalsystemer og elektroniske tandlægejournaler har demonstreret højfidelitetsforbindelse i stor skala, hvilket giver et grundlag for fremtidige kliniske beslutningsstøttesystemer, der opererer på tværs af begge domæner.

Teknologiens nuværende position berettiger en klar vurdering. Evidens for tidsbesparelser og forbedringer i notatkvalitet er opmuntrende, men de stærkeste data kommer fra multi-specialeundersøgelser snarere end tandlægespecifikke forsøg. Automatisk talegenkendelsesnøjagtighed på tandlægeterminologi, selvom den forbedres, producerer stadig klinisk signifikante fejl, der kræver menneskelig verifikation. Det regulatoriske miljø, der spænder over MDR, EU AI-loven, GDPR og EHDS, er stadig under udvikling, hvilket betyder, at leverandørers compliance-positioner vil kræve revurdering, efterhånden som kravene præciseres.

Praksisser, der allerede nu begynder at evaluere værktøjer struktureret, tester dem op mod deres egne arbejdsgange, stiller de rigtige regulatoriske spørgsmål og etablerer robuste samtykke- og tilsynsprocesser, vil være bedre positioneret, efterhånden som teknologien modnes, og evidensbasen uddybes.

Et praktisk udgangspunkt for tandlæger, der overvejer AI-dokumentation

AI-assisteret klinisk dokumentation er en troværdig og praktisk mulighed for at reducere dokumentationsbyrden i tandlægepraksis. Fundamentet for ansvarlig adoption er veldefineret: forstå MDR-status for ethvert værktøj under evaluering, bekræft GDPR-compliance og datalokation i EU, verificer nøjagtighed på tandlægespecifik terminologi, og sikr, at klinisk gennemgang forbliver det sidste trin, før noget notat gemmes i patientjournalen.

Evidensbasen er endnu ikke så dyb for tandlægeområdet, som den er for primær- eller specialiseret sundhedsvæsen, og det regulatoriske landskab fortsætter med at udvikle sig. Kerneproblemet, at dokumentation tager for meget tid og introducerer for meget variation, er reelt og veldokumenteret. AI-assisteret dokumentation er et af de mest direkte svar, der findes på dette problem i dag.

Ofte stillede spørgsmål

▶ Hvor meget tid kan AI-assisteret klinisk dokumentation spare en tandlæge

Et brancheestimat antyder, at tandlæger bruger omkring 10 timer om ugen på dokumentation alene. Den stærkeste evidens fra den virkelige verden kommer fra en storstilet undersøgelse i det svenske sundhedssystem, der dækker over 375.000 journalnotater oprettet af 1.295 klinikere. Denne undersøgelse fandt, at estimeret tid brugt på dokumentation pr. notat faldt fra 6,69 minutter til 4,72 minutter, en reduktion på 29 procent. Undersøgelsen dækkede flere specialer snarere end tandlægeområdet specifikt, så tandlægespecifik evidens i sammenlignelig skala er fortsat begrænset.

▶ Hvad er forskellen mellem tale-til-tekst og en tandlægespecifik AI-dokumentationsassistent

Tale-til-tekst-transskription konverterer talte ord til rå tekst, men overlader det til klinikeren at organisere, redigere og strukturere alt manuelt. Generelle AI-medicinske assistenter tilføjer struktur til denne tekst, men forstår muligvis ikke tandlægespecifik terminologi, tandnotationssystemer eller hvordan tandlæger diskuterer samtykke og behandlingsplanlægning. Tandlægespecifikke dokumentationsassistenter genererer strukturerede notater ved hjælp af tandlægefagligt vokabular, kan foreslå relevante kliniske koder og understøtter i mere avancerede versioner også skabeloner, behandlingsplaner, patientbreve og henvisninger.

▶ Hvor nøjagtig er AI-talegenkendelse på tandlægeterminologi

En 2024 Journal of Dental Research-undersøgelse evaluerede automatisk talegenkendelsesnøjagtighed på tværs af ortodontiske journalnotater. Den bedst præsterende pipeline opnåede en domænespecifik ordfehlrate på 3,5 procent, men klinisk signifikante fejl var til stede på tværs af alle testede systemer og varierede fra 2 procent til 66 procent afhængigt af forholdene. Baggrundsstøj øgede fejlraterne, og alle systemer var mindre nøjagtige med teknisk tandlægevokabular end med almindeligt sprog. Undersøgelsen konkluderede, at verifikation af journalnotater er essentiel, når man bruger nuværende talegenkendelsessystemer.

▶ Skal et AI-dokumentationsværktøj, der bruges i en tandlægepraksis, være certificeret medicinsk udstyr

Det afhænger af, hvad værktøjet gør. I henhold til EU's forordning om medicinsk udstyr klassificeres AI-værktøjer, der påvirker kliniske beslutninger, som medicinsk udstyr og kræver overensstemmelsesvurdering og CE-mærkning før implementering. Et værktøj, der udelukkende transskriberer tale til tekst uden at påvirke kliniske beslutninger, kan falde uden for dette anvendelsesområde. Et værktøj, der genererer journalnotater, foreslår diagnoser eller anbefaler behandlingsmuligheder, er mere tilbøjeligt til at kræve CE-mærkning. I Storbritannien regulerer Medicines and Healthcare products Regulatory Agency software som medicinsk udstyr, og UK-registrerede tandlæge-AI-tjenester bærer UK MDR Class I-registrering.

▶ Hvad er en tandlægepraksis' GDPR-forpligtelser ved brug af et AI-dokumentationsværktøj

Patientdata genereret under tandlægekonsultationer er særlige kategorier af data i henhold til den generelle databeskyttelsesforordning. Når et AI-dokumentationsværktøj behandler disse data, fungerer tandlægepraksis som dataansvarlig, og leverandøren fungerer som databehandler. Praksis skal have et lovligt grundlag for behandling, såsom eksplicit patientsamtykke. En skriftlig databehandleraftale skal være på plads med leverandøren. Patientdata skal opbevares og behandles inden for EU eller Storbritannien, medmindre der findes tilstrækkelige sikkerhedsforanstaltninger. Fortrolighedserklæringer bør opdateres for at informere patienter om, at AI-systemer er involveret i behandlingen af deres data.

▶ Hvor opbevares patientdata, når man bruger et AI-tandlægedokumentationsværktøj, og betyder det noget

Ja, det betyder noget. Datalokation i EU er et ikke-forhandlingsbart krav for EU-baserede tandlægepraksisser i henhold til GDPR. Patientdata skal behandles og opbevares inden for EU eller inden for Storbritannien i henhold til UK GDPR, medmindre der er tilstrækkelige sikkerhedsforanstaltninger på plads for overførsler uden for disse jurisdiktioner. Tandlæger bør eksplicit spørge leverandører, hvor data opbevares og behandles, før de implementerer noget værktøj. Det europæiske sundhedsdataområde, som trådte i kraft i 2025, vil i stigende grad forme, hvordan tandlægejournaler kan tilgås og overføres på tværs af EU-medlemsstater.

▶ Hvorfor er strukturerede journalnotater vigtige for tandlægepraksisser

Strukturerede journalnotater, altså journaler med konsistente felter, der dækker præsenterende klage, undersøgelsesfund, diagnose, leveret behandling og opfølgning, understøtter kontinuitet i behandlingen, revisionsberedskab, henvisningskvalitet og klinisk kodningsnøjagtighed. Manuel notattagning er tilbøjelig til fejl og variation, og ufuldstændige eller unøjagtige journaler medfører compliance- og juridiske risici, herunder implikationer for forsikringskrav og revisionsberedskab. AI-dokumentationsassistenter, der genererer strukturerede, kodede journaler fra starten af konsultationen, hjælper også med at løse de datakvalitets- og standardiseringsmangler, som en undersøgelse fra 2025 fandt begrænsede AI-drevne kliniske værktøjer i tandlægeområdet.

▶ Hvad skal en tandlæge tjekke, før han tager en AI-dokumentationsassistent i brug

Tandlæger bør bekræfte værktøjets klassificering i henhold til forordningen om medicinsk udstyr og CE-mærkningsstatus eller UK MDR-registrering. De bør verificere, hvor patientdata opbevares og behandles, og at en databehandleraftale er tilgængelig. De bør spørge om værktøjets nøjagtighed på tandlægespecifikt vokabular, herunder tandnotation og procedurebegreber, og om systemet markerer output med lav tillid til gennemgang. De bør også tjekke, om værktøjet integrerer med deres eksisterende praksisadministrationssystem, og om det kræver eksplicit klinisk gennemgang og godkendelse, før noget notat gemmes i patientjournalen.

▶ Hvordan reguleres AI-dokumentationsværktøjer til tandlæger i henhold til EU AI-loven

EU AI-loven, som trådte i kraft i august 2024, klassificerer AI-systemer, der bruges i medicinske sammenhænge, som højrisiko. Denne klassificering kræver gennemsigtighed, menneskeligt tilsyn og løbende overvågning fra leverandører. Tandlæger behøver ikke at være regulatoriske eksperter, men de skal spørge leverandører, om deres værktøj opfylder EU AI-lovens højrisikosystemkrav før implementering. Det regulatoriske miljø, der spænder over forordningen om medicinsk udstyr, EU AI-loven, GDPR og det europæiske sundhedsdataområde, er stadig under udvikling, hvilket betyder, at leverandørers compliance-positioner vil kræve revurdering, efterhånden som kravene præciseres.

▶ Er AI-klinisk dokumentationsadoption udbredt i europæiske tandlægepraksisser

Adoptionen er reel, men ujævn. Den er i øjeblikket praksisdrevet snarere end systemdrevet, med udbredelse koncentreret i private tandlægeklinikker og specialistpraksisser frem for offentlige tandlægetjenester. I Storbritannien accelererede tandlæge-AI-adoptionen betydeligt i 2025. På tværs af det kontinentale Europa er billedet mere fragmenteret. Det heterogene praksisadministrationslandskab og det flersprogede kliniske miljø på tværs af EU-medlemsstaterne skaber en kontekst, der adskiller sig markant fra Storbritannien eller USA. De fleste AI-dokumentationsværktøjer blev oprindeligt udviklet på engelsk, og tandlægeterminologi tilføjer endnu et lag af kompleksitet til flersproget implementering.