Alternativer til klinisk AI Scribe til europæisk sundhedsvæsen

Kliniske AI-skribenter optager konsultationer og genererer automatisk strukturerede journalnotater. De er gået fra eksperimentel kuriositet til aktiv indkøbsbeslutning i National Health Service (NHS)-trusts, europæiske hospitalssystemer og private sundhedsgrupper. At forstå, hvad der adskiller leverandørerne, hvilke krav til regeloverholdelse der gælder, og hvordan man evaluerer grundigt, er ikke længere valgfrit.

Hvad en klinisk AI-skribent faktisk gør, og hvad den ikke gør

En klinisk AI-skribent bruger ambient voice technology (AVT), som optager talt konsultationslyd i realtid og transskriberer den. Derefter konverterer den indholdet til struktureret klinisk dokumentation, typisk et SOAP-notat (Subjektivt, Objektivt, Vurdering, Plan) eller et konsultationssammendrag i klinikerens journalsystem. Klinikeren gennemgår og godkender outputtet, inden det gemmes.

Den praktiske effekt er dokumenteret. En longitudinel undersøgelse på flere lokationer publiceret i JAMA den 1. april 2026 på tværs af fem amerikanske akademiske sundhedsinstitutioner fandt 16,0 færre minutters dokumentationstid pr. otte planlagte patienttimer og cirka et halvt ekstra ugentligt besøg pr. kliniker. Fordelene var mest udtalt for klinikere i primærsektoren, avancerede praksisuddannede klinikere og kvindelige klinikere. Det samme studie fandt dog, at den tid klinikere brugte i journalsystemet uden for planlagte timer ikke ændrede sig væsentligt, hvilket udfordrer antagelsen om, at AVT fjerner dokumentation uden for arbejdstid fuldstændigt.

Markedet deler sig i to kategorier. Dokumentationsfokuserede værktøjer optager konsultationen og producerer et journalnotat. Det er grundkapaciteten, og det er her de fleste leverandører konkurrerer. Fuldskala kliniske arbejdsgangsplatforme rækker ud over notatgenerering: de udarbejder henvisninger, patientbreve, sygemeldinger, epikriser og svar på rådgivnings- og vejledningsforespørgsler, understøtter klinisk kodning og i nogle tilfælde klinisk beslutningsstøtte. Forskning fra Great Ormond Street Hospital fandt, at fordelene strakte sig ud over tidsbesparelser til at omfatte reduceret kognitiv belastning hos klinikere. Et værktøj, der sparer fem minutter pr. konsultationsnotat men kræver manuel indsats for hvert efterfølgende dokument, leverer samlet set mindre værdi end et, der understøtter hele dokumentationsprocessen fra start til slut.

Det europæiske reguleringslandskab: hvad indkøbsteams skal afklare først

Regulatorisk status bør afklares tidligt i evalueringsprocessen, inden man går videre til tekniske og kommercielle vurderinger.

Kliniske AI-skribenter, der påvirker klinisk beslutningstagning, eller som genererer output der direkte indgår i kliniske journaler, vil sandsynligvis blive klassificeret som software som medicinsk udstyr under EU's forordning om medicinsk udstyr (EU MDR) 2017/745. Afhængigt af den kliniske risiko kan værktøjer klassificeres som klasse I, IIa eller IIb, og højere klassifikationer kræver involvering af et bemyndiget organ samt mere stringente kliniske valideringsbeviser. En fagfællebedømt analyse publiceret i npj Digital Medicine bemærkede, at EU MDR endnu ikke har leveret fuldt harmoniseret, kategorispecifik vejledning for AVT-skribentværktøjer, hvilket skaber reel tvetydighed for både leverandører og indkøbsteams. Et værktøj, der selvdeklarerer som klasse I med den begrundelse, at det udelukkende er et transskriptionsværktøj, kan bygge på en snæver fortolkning. Den bør kontrolleres, særligt hvis værktøjet genererer kodede kliniske data eller markerer kliniske bekymringer. Indkøbsteams bør anmode om den fulde tekniske dokumentation og overensstemmelseserklæring, ikke blot leverandørens påstand om regeloverholdelse.

På databeskyttelsessiden gælder databeskyttelsesforordningen (GDPR) for alle kliniske AI-skribenter, der behandler patientdata for europæiske sundhedsorganisationer. GDPR klassificerer sundhedsdata som en særlig kategori, der kræver eksplicit juridisk grundlag, streng dataminimering og robuste databehandleraftaler. Datalokation er et afgørende indkøbsspørgsmål: leverandører, hvis infrastruktur sender data via USA-baserede servere, kan skabe udfordringer for regeloverholdelse, særligt efter ikrafttrædelsen af det europæiske sundhedsdatarum (EHDS) i 2025. Ud over at kontrollere, at en databehandleraftale findes, bør indkøbsteams verificere tre ting: hvor lydoptagelser opbevares og i hvor lang tid; om data bruges til at træne leverandørens AI-modeller og under hvilken samtykkesramme; og hvilke procedurer og tidslinjer leverandøren har for underretning om databrud.

ISO 27001-certificering bør betragtes som en minimumsforventning for enhver leverandør, der håndterer kliniske data. Certificeringens omfang betyder noget: det bør dække de specifikke systemer og processer, der håndterer kliniske data, ikke kun leverandørens interne it-miljø.

I Storbritannien klassificerer Medicines and Healthcare products Regulatory Agency (MHRA) AI-skribentværktøjer som software som medicinsk udstyr. NHS England har publiceret vejledning specifikt om AVT-produkter og er dermed det første sundhedssystem globalt, der har gjort det.

Integration med journalsystemer: hvad europæiske sundhedsudbydere bør kræve

Overfladisk integration ophæver en stor del af effektivitetsgevinsten. Hvis en AI-skribent producerer et notat, som klinikeren derefter skal kopiere og indsætte i sit journalsystem, er meget af tidsbesparelsen allerede tabt. Ægte integration betyder, at værktøjet henter relevant patientkontekst fra journalsystemet inden konsultationen, skriver strukturerede data tilbage i de relevante felter bagefter og understøtter automatisk klinisk kodning uden manuel indgriben. En undersøgelse fra november 2025 i Digital Health identificerede integrationsbarrierer som en af de primære forhindringer for at skalere AVT-skribenter i sundhedsmiljøer med ældre it-systemer.

Indkøbsteams bør stille leverandørerne konkrete spørgsmål: Hvilke journalsystemer understøtter integrationen direkte i vores region? Skriver integrationen strukturerede data eller kun fritekst ind i journalsystemet? Er integrationen testet og valideret i et europæisk sundhedssystemmiljø? Og hvad er tidslinjen for implementering i vores specifikke opsætning? Forskellen mellem en leverandør med en direkte, valideret integration og en, der tilbyder en generisk API-forbindelse, er betydelig i praksis, både hvad angår implementeringshastighed og kvaliteten af de strukturerede data, der produceres.

Klinisk kodning: en kapacitet med høje krav og store variationer

Automatiseret klinisk kodning genererer standardiserede diagnosekoder som SNOMED CT, ICD-10 eller ICD-11 fra konsultationstransskriptioner. Det er en af de mest konsekvensrige kapaciteter en klinisk AI-skribent kan tilbyde, og den kapacitet der varierer mest i kvalitet på tværs af leverandører. Nøjagtig kodning påvirker planlægning og ressourceallokering, sygdomsovervågning, fakturering i private plejeindstillinger og kvaliteten af forskningsdata. Systematisk fejlkodning kan brede sig gennem administrative og kliniske systemer og skabe fejl i mange led.

Et scoping review publiceret på medRxiv i januar 2025 fandt, at standardiserede rammer for evaluering af AI-assisteret notatgenerering stadig er underudviklede, hvilket gør det vanskeligt at efterprøve nøjagtighedspåstande fra leverandørerne uafhængigt. Enhver leverandør, der hævder at tilbyde automatiseret kodning, bør derfor blive bedt om at fremlægge nøjagtighedsbenchmarks, specificere det understøttede kodningsskema og afklare, hvordan klinikeren gennemgår koderne, inden de gemmes i journalen. Markedsføringsmateriale alene er ikke tilstrækkeligt grundlag for den vurdering.

Førende løsninger på europæiske markeder

Følgende værktøjer repræsenterer de vigtigste muligheder, der i øjeblikket er tilgængelige for europæiske sundhedsudbydere. Dette er ikke en udtømmende liste, og markedet udvikler sig.

Tandem Health (via Accurx Scribe) er tilgængelig i Storbritannien gennem Accurx-platformen og har EU MDR klasse IIa-certificering med publiceret klinisk bevis fra europæiske settings. Den understøtter arbejdsgange i primærsektoren og det specialiserede sundhedsvæsen og er integreret i Accurx's eksisterende NHS-infrastruktur. Sprogunderstøttelsen er primært engelsk i nuværende implementeringer.

Nabla er en franskgrundlagt AVT-assistent med en markant tilstedeværelse på europæiske markeder og understøttelse af flere sprog, hvilket gør den relevant for ikke-engelsktalende europæiske sundhedssystemer. Indkøbsteams bør verificere direkte med leverandøren, hvilken regulatorisk status Nabla har under EU MDR, og hvor dybt den er integreret med journalsystemer i europæiske offentlige sundhedssystemer.

Microsoft Dragon Copilot (tidligere Nuance DAX) blev lanceret til NHS i september 2025. Den trækker på Microsofts eksisterende relationer med NHS-trusts og Azure-cloudinfrastruktur med mulighed for EU-datalokation og integrerer med Epic og andre større journalsystemer. Da det er et USA-udviklet produkt, bør indkøbsteams nøje undersøge dets EU MDR-certificeringsstatus og GDPR-regeloverholdelse. Den britiske lægeforening opfordrede praktiserende læger til at sætte indførelsen af AI-skribentværktøjer på pause, indtil de har gennemført tjek af databeskyttelse og sikkerhed, en advarsel der gælder for enhver leverandør i denne kategori.

Abridge og Suki er begge USA-baserede AVT-assistenter. Abridge har stærkt klinisk bevis og Epic-integration; Suki tilbyder stemmestyret notatgenerering. Begge kræver direkte verifikation af europæisk regulatorisk status og datalokationsforhold, inden de implementeres i EU, og der er til dato begrænset publiceret bevis fra europæiske sundhedssystemer for begge.

Heidi og Tortus er begge blevet evalueret i britiske NHS-sammenhænge, hvor Tortus har deltaget i NHS-pilotprogrammer. Indkøbsteams bør anmode om opdateret dokumentation for regulatorisk certificering for begge.

Den gennemgående svaghed for de fleste ikke-europæiske leverandører er manglen på fagfællebedømt klinisk bevis fra implementeringer specifikt i europæiske sundhedssystemer. Offentlige sundhedsorganisationer har reelle beviskrav, og et evidensgrundlag baseret udelukkende på amerikanske data giver et utilstrækkeligt grundlag for en europæisk indkøbsbeslutning.

Nøgleevalueringskriterier og spørgsmål til grundig leverandørvurdering

I hvilken grad praktiserende klinikere har formet et produkts design, er en pålidelig indikator for dets kliniske nytte. Værktøjer bygget primært af softwareingeniører uden væsentlig klinisk medvirken har tendens til at generere notater, der er teknisk sammenhængende, men klinisk akavede. En kvalitativ evaluering publiceret i JMIR Medical Informatics i maj 2026, der undersøgte klinikeroplevelsen med AI-skribenter i NHS-indstillinger, fandt, at klinikernes opfattelse af, om de genererede notater var klinisk relevante, var afgørende for indførelse og vedvarende brug. Det gør klinisk medvirken i produktudvikling til et stærkere evalueringskriterium end tekniske specifikationer alene.

Når man sammenligner leverandører, giver følgende dimensioner en struktureret ramme: EU MDR-certificeringsstatus (klassifikationsniveau, bemyndiget organ og certificeringsdato); GDPR-regeloverholdelse (databehandleraftaler, datalokation og oplysning om underdatabehandlere); ISO 27001-certificering med omfang og aktuel gyldighed; dybden af integration med journalsystemet, herunder om det er direkte tovejsintegration eller API-baserede forbindelser; understøttelse af klinisk kodning; sprog og dialekter; klinikerinvolvering i produktudvikling; og publiceret klinisk bevis, helst fra europæiske settings.

Inden kontraktindgåelse bør indkøbsteams stille konkrete spørgsmål inden for fire områder. Om regulatorisk regeloverholdelse: hvad er EU MDR-klassifikationen, og hvilket bemyndiget organ certificerede produktet? Kan leverandøren fremlægge den fulde overensstemmelseserklæring og tekniske dokumentation? Om data: hvor opbevares patientlyd og transskriptionsdata, og bruger leverandøren patientdata til at træne AI-modeller? Om klinisk ydeevne: hvilke nøjagtighedsbenchmarks offentliggøres for notatkvalitet og klinisk kodning, og er disse uafhængigt valideret i en europæisk klinisk setting? Om kommercielle vilkår: hvad er betingelserne for sletning af data ved kontraktafslutning, og hvordan er prissætningen struktureret?

Offentligt vs. privat indkøb: forskellige prioriteter

Offentlige sundhedsorganisationer, herunder NHS-trusts og europæiske nationale sundhedssystemer, skal overholde nationale indkøbsrammer som NHS-rammer og G-Cloud i Storbritannien, sikre interoperabilitet med nationalt påbudt journalsysteminfrastruktur og opfylde krav om datasuverænitet, der kan begrænse brugen af cloudleverandører uden for EU. Dertil kommer formelle krav til klinisk styring og sikkerhedsvurderinger i overensstemmelse med standarder som DCB0129/0160. NHS' 10-årige sundhedsplan, publiceret i juli 2025, identificerer eksplicit AI-skribenter som en kernekomponent i overgangen til en digitalt drevet plejemodel.

Private sundhedsorganisationer kan have større fleksibilitet i indkøbstidslinjer og valg af leverandør, men regeloverholdelse er obligatorisk uanset organisationsform. For private indstillinger betyder specialedækning mere, når man understøtter en bred vifte af konsulenter. Integration med faktureringssystemer og private kodningsskemaer, såsom procedurekoder til forsikringsselskaber, kan være relevant. Og overvejelser om patientoplevelsen, særligt omkring samtykke og databrug, er fortsat vigtige.

Sådan kører man en meningsfuld pilot

En proof-of-concept-pilot uden definerede succesmålinger kan skabe entusiasme, men ikke bevis. Definer inden start, hvilke specifikke resultater der vil afgøre, om værktøjet fortsætter til fuld implementering. Det bør som minimum omfatte dokumentationstid sparet pr. konsultation, klinikertilfredshedsscorer (standardiserede, ikke anekdotiske), nøjagtighedsrater for klinisk kodning, notatkvalitetsvurderinger fra kliniske reviewere, reduktion i journalsystemaktivitet uden for arbejdstid og patientoplevelsesdata om samtykke og tilstedeværelsen af AI i konsultationen.

Frontlinjeklinikere, herunder praktiserende læger, hospitalslæger, sygeplejersker og fysioterapeuter, bør være aktive evaluatorer og give struktureret feedback om notaternes relevans, nøjagtighed og tilpasning til arbejdsgangen. Piloter, der udelukkende køres på ledelses- eller it-niveau, producerer data om, hvorvidt implementeringen er praktisk mulig, men ikke om den er klinisk nyttig. Fire til otte uger er typisk minimum for ambulante indstillinger og længere for komplekse specialiserede sundhedsmiljøer.

Piloter bør bevidst inkludere de mest udfordrende scenarier: kompleks multimorbiditet, patienter med accenter eller taleforskelle, fjern- og videokonsultationer og konsultationer på andre sprog end det primære sprog, værktøjet er trænet på. Ydeevne under ideelle forhold fortæller mindre om et værktøjs reelle egnethed end ydeevne i vanskelige situationer, og det er de vanskelige situationer, der afspejler hverdagen i klinisk praksis.

Leverandørvalg i dag har langsigtede konsekvenser

Kliniske AI-skribenter bevæger sig fra selvstændige AVT-værktøjer mod det, som nogle leverandører beskriver som AI-native operativsystemer, platforme der understøtter hele det kliniske møde fra indsamling af kontekst inden konsultationen til dokumentation, kodning, henvisninger og opfølgningskommunikation bagefter. Det hidtil største NHS-forsøg med AVT-teknologi fandt, at teknologien satte akutmodtagelsespersonale i stand til at se cirka 13 procent flere patienter, med nationale besparelser på personaletid der potentielt nærmer sig £1 milliard.

En leverandør med EU MDR klasse IIa-certificering, EU-datalokation og publiceret europæisk klinisk bevis er bedre rustet til at udvide til klinisk beslutningsstøtte og bredere automatisering af arbejdsgange inden for det europæiske regulatoriske miljø end en leverandør, der endnu ikke har etableret det fundament. NHS' 10-årige sundhedsplan, EHDS og nationale digitale sundhedsstrategier på tværs af EU-medlemsstater bevæger sig alle mod AI-understøttede kliniske arbejdsgange som en strukturel del af sundhedsleverancen. De organisationer, der vælger forkert nu, betaler prisen to gange: først for implementeringen, siden for skiftet.

Ofte stillede spørgsmål

▶ Hvad gør en klinisk AI-skribent faktisk?

En klinisk AI-skribent optager konsultationslyd i realtid, transskriberer den og genererer et struktureret journalnotat til klinikerens godkendelse. Mere avancerede platforme dækker hele dokumentationsforløbet: henvisninger, patientbreve, sygemeldinger, epikriser og klinisk kodning fra samme optagelse.

▶ Hvor meget tid kan en klinisk AI-skribent spare klinikere?

JAMA-studiet fra april 2026 fandt 16 minutters besparelse pr. otte planlagte patienttimer og cirka et halvt ekstra ugentligt besøg pr. kliniker. Bemærk dog, at dokumentationsaktivitet uden for planlagte timer ikke ændrede sig væsentligt, så forventningen om at eliminere arbejde efter vagten bør justeres.

▶ Skal kliniske AI-skribenter overholde EU's forordning om medicinsk udstyr?

Sandsynligvis ja, hvis outputtet indgår direkte i kliniske journaler. Klassifikationen afgør kravene: klasse IIa og IIb kræver et bemyndiget organ og klinisk valideringsbevis. En leverandør, der selvdeklarerer som klasse I med henvisning til at være et rent transskriptionsværktøj, bør fremlægge fuld teknisk dokumentation, ikke blot en erklæring.

▶ Hvilke GDPR-forpligtelser gælder, når man bruger en klinisk AI-skribent i Europa?

Tre forhold bør afklares konkret med leverandøren: opbevaringssted og -periode for lydoptagelser, om patientdata bruges til modeloptræning og på hvilket samtykkegrundlag, samt tidslinjer for brudunderretning. Disse spørgsmål er mere operationelt nyttige end at kontrollere, om en databehandleraftale overhovedet eksisterer.

▶ Hvad er forskellen mellem en AI-skribent, der kun håndterer dokumentation, og en fuld klinisk arbejdsgangsplatform?

Dokumentationsfokuserede værktøjer producerer et journalnotat. Fulde arbejdsgangsplatforme genererer også henvisninger, patientbreve, sygemeldinger og epikriser og understøtter klinisk kodning. Når man sammenligner leverandører, bør den samlede dokumentationsbyrde pr. konsultation opgøres, ikke kun tiden til selve notatet.

▶ Hvorfor betyder journalsystemintegration noget, når man evaluerer AI-skribenter?

En AI-skribent, der kræver kopiering og indsætning i journalsystemet, fjerner kun en del af dokumentationsbyrden. Spørg leverandøren, om integrationen skriver strukturerede data eller fritekst tilbage i journalsystemet, og om den er testet og valideret i et europæisk sundhedssystemmiljø, ikke kun i en generisk API-opsætning.

▶ Hvordan bør indkøbsteams evaluere påstande om automatiseret klinisk kodning?

Bed om nøjagtighedsbenchmarks for det specifikke kodningsskema, SNOMED CT, ICD-10 eller ICD-11, og spørg, om tallene stammer fra uafhængig validering eller fra leverandørens egne data. Spørg også, hvordan klinikeren gennemgår koderne, inden de gemmes, da det er et krav, ikke en valgmulighed.

▶ Hvilke spørgsmål bør du stille en leverandør af klinisk AI-skribent før underskrivelse af kontrakt?

Fire områder bør dækkes: MDR-klassifikation og bemyndiget organ, datalokation og brug af patientdata til modeloptræning, uafhængigt validerede nøjagtighedsbenchmarks fra europæiske settings, samt betingelser for datasletning ved kontraktafslutning. Markedsføringsmateriale er ikke tilstrækkeligt grundlag for nogen af disse vurderinger.

▶ Hvordan bør en sundhedsorganisation køre en meningsfuld pilot af en klinisk AI-skribent?

Definer succesmålinger før start, og inkluder bevidst de sværeste scenarier: kompleks multimorbiditet, patienter med accenter eller taleforskelle og fjernkonsultationer. Ydeevne under ideelle forhold afspejler ikke hverdagen i klinisk praksis, og det er de vanskelige tilfælde, der afslører et værktøjs reelle egnethed.

▶ Hvordan adskiller indkøbsprioriteter sig mellem offentlige og private sundhedsorganisationer?

Offentlige organisationer er bundet af nationale indkøbsrammer, interoperabilitetskrav og datasuverænitetsbegrænsninger. Private organisationer har ofte større fleksibilitet i tidslinjer og leverandørvalg, men bør prioritere integration med private kodningsskemaer til forsikringsselskaber og have en klar samtykkeprocedure for patienter, da disse forhold sjældent er standardiserede på tværs af private indstillinger.