10
min lugemisaeg
AI dokumenteerimine munitsipaaltervishoius: hindamisraamistik
Raamistik Euroopa omavalitsustele AI dokumenteerimisabi hindamiseks kogukonna terviseprogrammides. Hõlmab MDR-i, GDPR-i, turvalisust, töövoo sobivust ja juhtimist

Omavalitsuste kogukonnatervise programmid vajavad AI dokumentatsioonitööriistade hindamiseks eraldi raamistikku. Haiglates ja perearstikeskustes valideeritud tööriistad ei pruugi toimida hajutatud, õejuhitud ja katkendliku ühenduvusega keskkonnas, kus personal täidab samaaegselt kliinilisi, koordineerimis- ja juhtumikorralduse rolle.
Miks kogukonnatervise keskkond nõuab kohandatud hindamist
Suurem osa tõendusbaasist AI dokumentatsioonitööriistade kohta pärineb teisesest tervishoiust ja vähemal määral perearstipraktikast. Need on keskkonnad, kus on fikseeritud vastuvõturuumid, spetsiaalne IT-infrastruktuur ja kaitstud dokumenteerimisaeg. Omavalitsuste kogukonnatervise teenused toimivad teisiti: õejuhitud ja hajutatud koolide, koduvisiitide võrgu ja kohalike kliinikute vahel, üles ehitatud lühikeste, sageli mitteametlike kohtumiste ümber. Personal liigub objektide vahel, ühenduvus on katkendlik ja sama inimene täidab korraga kliinilise töötaja, hoolduskoordinaatori ja juhtumikorraldaja rolli.
Euroopa Komisjoni analüüs AI kasutuselevõtu takistustest kliinilises praktikas toob välja neli väljakutsete kategooriat: tehnoloogilised ja andmealased, regulatiivsed, organisatsioonilised ja finantsilised ning sotsiaalsed ja kultuurilised. Omavalitsuste kogukonnatervise programmides esinevad kõik neli eriti teravalt. WHO Euroopa piirkonna hinnang kinnitab, et tööjõu valmisolek ning andmejuhtimise struktuurid erinevad märkimisväärselt nii riikide vahel kui ka riigisiseste osutamistasandite vahel. Haiglatasandil valideeritud tööriist annab piiratud kindluse, kui seda pole testitud tingimustes, kus konsultatsioon toimub koolipõrandal ja ühenduvus katkeb poolel teel.
Mida AI dokumenteerimisassistent tegelikult teeb ja mida mitte
Enne regulatiivset või hankemenetluse hindamist peavad administraatorid täpselt määratlema, mida hinnatav tööriist teeb. Vale klassifikatsioon selles etapis tekitab hilisemaid vastavusprobleeme, mida on keeruline parandada.
AI dokumenteerimisassistent kogukonnatervise kontekstis kuulab kliinilist vestlust, teisendab kõneldu tekstiks kõnest-teksti tehnoloogia abil ning koostab sellest transkriptsioonist struktureeritud kliinilise märkme. See vähendab kliinilise töötaja dokumenteerimiskoormust, automatiseerides märkmete loomist. Tööriist ei tõlgenda kliinilisi leide, ei anna diagnoosisoovitusi ega märgista kliinilisi riske. Need funktsioonid on iseloomulikud kliinilisele otsustustoele, millega kaasnevad erinevad regulatiivsed kohustused.
The Lancet Primary Care raamistik AI rakenduste kategoriseerimiseks esmatasandi arstiabis pakub selleks praktilise testi: kui AI tööriista väljundi eemaldamine konsultatsioonist jätab kliinilise töötaja otsused muutumatuks, toimib tööriist dokumenteerimisassistendina. Kui väljund muudab seda, mida kliiniline töötaja otsustab järgmisena teha, on tegemist kliinilise otsustustoega. See eristus määrab regulatiivse kohustuste mahu.
Regulatiivne klassifikatsioon: meditsiiniseadmete määrus, isikuandmete kaitse üldmäärus ja ELi tehisintellekti seadus
Klassifitseerimine meditsiiniseadmete määruse (MDR, määrus 2017/745) alusel on esimene ametlik samm enne hankeotsust. Tööriist, mis ainult salvestab ja struktureerib kliinilisi vestlusi ilma nende sisu tõlgendamata, jääb üldiselt MDR-i reguleerimisalast välja. Tööriist, mis genereerib kliinilisi soovitusi, riskiskoore või diagnostilisi ettepanekuid, kuulub selle alla.
MDR-i, isikuandmete kaitse üldmääruse (GDPR) ja ELi tehisintellekti (AI) seaduse kokkupuude tähendab, et isegi kui tööriist pole meditsiiniseadmena klassifitseeritud, võivad sellele kehtida AI seaduse kohustused, kui seda peetakse kõrge riskiga AI süsteemiks. ELi AI seaduse mõjude analüüs tervishoiule märgib, et praktiline kitsaskoht on teavitatud asutuste kättesaadavus, sõltumatud organid, kellel on pädevus hinnata AI-põhiseid meditsiiniseadmeid. Administraatorid ei tohiks eeldada, et CE-märgis on peagi tulemas, kui seda pole veel antud.
Administraatorid peaksid igalt tarnijalt küsima kirjalikku avaldust ettenähtud kasutusotstarbe kohta, kinnitust MDR-i klassifikatsiooni ja selle aluse kohta, CE-märgise dokumentatsiooni (või selget selgitust, miks tööriist jääb MDR-i reguleerimisalast välja) ning tõendeid teavitatud asutuse osalemise kohta.
GDPR-i osas töötleb AI dokumenteerimisassistent terviseandmeid tuvastatavate isikute kohta, mis toob kaasa kõige rangemad kohustused. Omavalitsused kui vastutavad töötlejad peavad kinnitama töötlemise õigusliku aluse (tavaliselt artikkel 9(2)(h) koos artikliga 6(1)(e)), sõlmima artikli 28 kohase andmetöötluslepingu enne mis tahes andmete töötlemist ning tagama, et patsiendiandmeid salvestatakse ja töödeldakse ELis või Euroopa Majanduspiirkonnas (EMP). Tarnijad peavad esitama täieliku alltöötlejate loetelu koos asukohtade ja kaitsemeetmetega. ELi andmete residentsuse nõuded tervishoiuandmete jaoks on oluline hankefilter. Euroopa tervishoiuandmete ruum (EHDS), mis jõustus 2025. aastal, lisab täiendava andmejuhtimise kohustuste kihi ja ELi liikmesriikide omavalitsused peavad selle oma hinnangusse arvesse võtma.
Tarnija turvalisuse hindamine
ISO 27001 on baassertifikaat, mida administraatorid peaksid nõudma: see näitab, et tarnija on rakendanud sõltumatult auditeeritud infoturbejuhtimissüsteemi. Lisaks tuleb kirjalikult kinnitada juurdepääsukontrollid (kes tarnija organisatsioonis pääseb patsiendiandmetele ligi ja millise auditijäljega), krüpteerimine nii ülekandel kui puhkeolekus, auditilogide kättesaadavus omavalitsusele, lepinguline kohustus rikkumisest teatada 72 tunni jooksul ning sõltumatu läbitungimistestimise ajakava ja tulemuste kättesaadavus.
Riiklikud tervishoiuandmete turvalisuse raamistikud, näiteks küberturvalisuse agentuuride hallatavad Prantsusmaal, Saksamaal või Madalmaades, võivad kehtestada täiendavaid nõudeid lisaks ISO 27001-le. Omavalitsused peaksid kontrollima, kas nende riiklik raamistik hõlmab omavalitsuste tervishoiuandmete süsteeme.
Töövoo sobivus kogukonnatervise keskkonnaga
E-tervise rakendamise tegurite süstemaatiline ülevaade leidis, et edukas kasutuselevõtt sõltub teguritest, mis toimivad korraga tehnoloogia, välise keskkonna, sisemise osutamiskonteksti ja üksikute spetsialistide tasandil. Omavalitsuste terviseprogrammid hõlmavad kõiki neid tasandeid viisil, mida haiglate kasutuselevõtt tavaliselt ei hõlma. Tööriist, mis toimib hästi haigla ambulatoorses kliinikus, võib kogukonnatervise keskkonnas käituda hoopis teisiti.
Administraatorid peavad hindama mitmeid kogukonnatervise osutamist iseloomustavaid omadusi. Koduvisiidid ja koolitervishoiu kontrollid toimuvad muutuvates akustilistes keskkondades, kus taustamüra ja mikrofoni kvaliteet mõjutavad transkriptsiooni täpsust. Ühenduvus on katkendlik, mis nõuab selgitust, kas tööriist toimib võrguühenduseta ja sünkroniseerib taasühendamisel. Vestlused on lühemad ja vähem struktureeritud kui haigla vastuvõtud. Personal täidab korraga kliinilisi, sotsiaalhoolduse ja rahvatervise ülesandeid ning kasutab sageli jagatud või isiklikke seadmeid, mis toovad kaasa täiendavaid turvalisuse küsimusi.
Administraatorid peaksid tarnijatelt otse küsima, kas tööriista on testitud kogukonnatervise, koduvisiitide või koolitervishoiu kontekstides, ning nõudma jõudlusnäitajaid just nendest keskkondadest. Mitme keskuse rakendamisuuring kliinilise otsustustoe kohta mitmekesistes esmatasandi tervishoiu keskkondades kinnitas, et kasutajakeskne disain ja töövoo integratsioonitestimine olid kasutuselevõtu edu kriitilised tegurid. Tarnija üldine kogemus haiglasektoris ei asenda kontekstiomast testimist.
Personali koolitus, vastutus ja muudatuste juhtimine
Õejuhitud teenustes on peamised kasutajad registreeritud õed, tervishoiutöötajad ja kogukonnatervise töötajad, mitte arstid. Koolitus peab olema kavandatud selle tööjõu jaoks, mitte kohandatud perearstikeskuse materjalidest.
Vastutus on selge: kui AI assistent genereerib kliinilise märkme, jääb täielik kutsealane ja õiguslik vastutus selle täpsuse eest kliinilisele töötajale, kes kohtumise läbi viis. AI genereeritud märge on mustand ülevaatamiseks, mitte lõplik kirje. See tuleb personalile enne kasutuselevõttu ühemõtteliselt edastada ja koolitusmaterjalidesse sisse ehitada. Tervishoiutöötajate läbilõikeuuring AI dokumentatsioonitööriistade kohta leidis, et tutvus AI tööriistadega ja teadlikkus asutuse poliitikatest olid madalad isegi seal, kus tööriistad olid kättesaadavad. Tehniline koolitus on vajalik, kuid personal vajab lisaks toetatud kogemust enesekindluse kujundamiseks ning oskust kriitiliselt hinnata, millal AI genereeritud märge ei kajasta täpselt kliinilist kohtumist.
Muudatuste juhtimine peaks hõlmama eelnevat personali kaasamist, etapilist kasutuselevõttu varajaste kasutuselevõtjatega, jätkuvaid tagasisidemehhanisme ning nimetatud kliinilisi juhte juhtimise ja kvaliteedi tagamise jaoks. WHO Euroopa piirkonna hinnang toob tööjõu valmisoleku välja ühe olulisema takistusena AI kasutuselevõtuks tervishoiusüsteemides üle Euroopa.
Kliiniliste märkmete täpsuse hindamine ja keeleline mitmekesisus
Täpsuse hindamine ei ole midagi, mida administraatorid peaksid täielikult tarnijatele delegeerima. Esmalt tuleb määratleda, mida "täpne" konkreetses keskkonnas tähendab: millised väljad peavad olema olemas, milline kliiniline keel on asjakohane ja millised puudujäägid kujutaksid endast olulist viga. Seejärel tuleb läbi viia ajaliselt piiratud pilootprojekt, mis hõlmab tegelike konsultatsioonide valimit erinevate kohtumiste tüüpide lõikes, AI genereeritud märkmete sõltumatut ülevaatust võrreldes kliinilise töötaja kirjutatud märkmetega, vigade ja hallutsinatsioonide struktureeritud registreerimist (hallutsinatsioon tähendab siin juhtumit, kus AI genereerib sisu, mida tegelikult ei öeldud) ning personali tagasisidet kasutatavuse kohta. Täpsuse vastuvõetavuse künnised tuleb seada enne pilootprojekti algust, mitte hiljem, et vältida halbade tulemuste järelratsionaliseerimist. Jätkuv AI genereeritud märkmete valimi kvaliteedi ülevaatus peab olema algusest peale juhtimisraamistikku sisse ehitatud.
Keeleline mitmekesisus on eraldi juhtimiskohustus ja seda alahindavad omavalitsused kõige sagedamini. Kogukonnatervise programmid teenindavad sageli elanikkondi, kus räägitakse mitmeid keeli ja dialekte, eriti linnades, kus on märkimisväärsed sisserändajate või pagulaste kogukonnad. AI tööriistad, mis toimivad hästi standardses hollandi, saksa või inglise keeles, võivad oluliselt kehvemini hakkama saada aktsendiga kõne, piirkondlike dialektide või tõlgi vahendusel toimuvate konsultatsioonide korral. The Lancet Primary Care toob välja õigluse kui AI integreerimise põhiprintsiibi: tööriistad, mis toimivad erinevates elanikkonnarühmades erinevalt, võivad süvendada olemasolevaid terviseerinevusi. Administraatorid peaksid tarnijatelt küsima valideeritud keelte ja keelevariantide loetelu, dokumenteeritud täpsuse erinevust standardse ja mittestandardse kõne vahel ning tõlgi vahendusel toimuvate konsultatsioonide käsitlemise põhimõtteid. Testimine peab hõlmama töötajaid ja patsiente, kes esindavad omavalitsuse tegelikku elanikkonna mitmekesisust.
Tehniline integreerimine olemasoleva IT-infrastruktuuriga
Tehniline integreerimine on sageli kõige ajamahukam ettevalmistav etapp. Administraatorid peaksid sellega alustama varakult, mitte käsitlema seda lõppetapi rakendusküsimusena.
Euroopa Komisjoni analüüs toob killustatud andmeinfrastruktuuri ja pärandsüsteemid välja ühe neljast peamisest takistusest AI kasutuselevõtul Euroopa tervishoius. Omavalitsuste rahvatervise IT-keskkondades on see eriti terav, kuna need süsteemid loodi sageli enne kaasaegsete koostalitlusvõime standardite kehtestamist. Administraatorid peavad hankima selge tehnilise hinnangu selle kohta, kas AI tööriist saab toimida olemasoleva infrastruktuuri raames või eeldab süsteemide uuendamist, ning kinnitama, milliste patsiendi andmesüsteemidega tööriist integreerub ja millise mehhanismi kaudu, näiteks rakendusliidese (API), HL7 FHIR koostalitlusvõime standardi või omatarkvara konnektori kaudu.
JMIR-i õpetus AI seaduse vastavuse kohta MyHealth@EU raamistikus kirjeldab kahekordset vastavuse väljakutset: vertikaalsed ohutuse ja eetika kontrollid AI seaduse alusel ning horisontaalsed koostalitlusvõime nõuded FHIR/HL7 standardite kasutamisel. Omavalitsused, kes osalevad piiriülestes tervishoiuandmete vahetusprogrammides, peavad tagama ühilduvuse nende standarditega. Kogukonnatervise keskkondades tuleb lisaks kinnitada, kas tööriist suudab konsultatsioone võrguühenduseta salvestada ja töödelda ning kuidas toimub sünkroniseerimine, kui ühendus taastub. Enne kasutuselevõttu tuleb koostada täielik andmevoo kaart, mille vaatab üle andmekaitsespetsialist.
Sisemise kinnituse ja hanke juhtimine
Administraatorid, kes lähenevad hangele peamiselt tehnoloogia ostuna, mitte juhtimisprotsessina, kogevad tavaliselt viivitusi ja vastuväiteid, mida oleks saanud ette näha. Sidusrühmade kaasamine järgmises järjekorras kajastab head juhtimispraktikat.
Andmekaitsespetsialist tuleb kaasata algusest peale. Ta peab läbi viima andmekaitse mõjuhindamise (DPIA) GDPR artikli 35 alusel, mis on kohustuslik, kui AI töötleb terviseandmeid suures mahus. Kliinilise juhtimise juht määratleb kliinilise kvaliteedi standardid, jälgib pilootprojekti ja vastutab jätkuva täpsuse ülevaatamise eest. IT ja infoturbe meeskond hindab tehnilise integreerimise teostatavust ja infrastruktuuri ühilduvust. Õigusnõustaja vaatab üle tarnija lepingud ja hindab omavalitsuse vastutuspositsiooni MDR-i, AI seaduse ja siseriikliku õiguse alusel. Rahandus ja hange tagavad vastavuse riigihangete eeskirjadele. Kliinilise personali esindajad tuleb kaasata nõuete määratlemisse ja pilootprojekti kavandamisse juba algusest peale.
Kinnituse ärijuhtum peaks käsitlema järgmisi punkte: kvantifitseeritud dokumenteerimiskoormuse vähendamine; personali hoidmine ja läbipõlemise vähendamine tööjõu jätkusuutlikkuse argumendina; regulatiivne vastavus riskijuhtimise kohustusena; kasutuselevõtu kulud, sealhulgas koolitus, integreerimine ja jätkuv juhtimine; ning mittetegutsemise riskid, sealhulgas jätkuv dokumenteerimiskoormus ja sellest tulenev personali voolavus. ELi AICare@EU algatus ja EU4Health rahastus võivad pakkuda kaasrahastamise võimalusi ja administraatorid peaksid kontrollima kehtivaid abikõlblikkuse kriteeriume.
Kasutuselevõtu-eelne kontrollnimekiri
Järgnev kontrollnimekiri koondab põhilised hindamisküsimused igast jaotisest praktiliseks viiteks administraatoritele, kes liiguvad hindamisest hankeotsuseni.
Regulatiivne klassifikatsioon
Kas tarnija on esitanud kirjaliku avalduse kavandatud eesmärgi kohta?
Kas MDR-i klassifikatsioon on määratud ja dokumenteeritud?
Kui on CE-märgis, kas praegune sertifikaat on kättesaadav ja kehtiv?
Kas tööriista klassifikatsioon ELi AI seaduse alusel on hinnatud?
GDPR ja andmete juhtimine
Kas DPIA on algatatud ja määratud andmekaitsespetsialistile?
Kas nõuetele vastav andmetöötlusleping on olemas enne käivitamist?
Kas tarnija on kinnitanud EL/EMP andmete residentsuse?
Kas täielik alltöötlejate nimekiri on saadud ja üle vaadatud?
Kas andmevoo kaart on täielik ja üle vaadatud?
Turvalisus
Kas tarnijal on kehtiv ISO 27001 sertifikaat asjakohase ulatusega?
Kas juurdepääsukontrollid, auditilogide kättesaadavus ja rikkumisest teavitamise tähtajad on kirjalikult kinnitatud?
Kas läbitungimistestide ajakava ja tulemused on kättesaadavad?
Kas riiklikud tervishoiuandmete turvalisuse raamistiku nõuded on hinnatud?
Töövoo sobivus
Kas tööriista on testitud kogukonnatervise, kodukülastuste või koolitervishoiu keskkondades?
Kas tööriist toimib madala ühenduvuse või võrguühenduseta tingimustes?
Kas märkmete mallid sobivad omavalitsuse kohtumiste tüüpidele?
Personali valmisolek ja kliiniliste märkmete kvaliteet
Kas on olemas koolitusprogramm konkreetsele tööjõule (õed, tervishoiuõed, kogukonnatervise töötajad)?
Kas vastutus märkmete täpsuse eest on selgelt edastatud ja dokumenteeritud?
Kas täpsuse vastuvõetavuse künnised on määratletud enne pilootprojekti algust?
Kas jätkuv kvaliteedi ülevaatamise protsess on juhtimisraamistikku sisse ehitatud?
Keel ja elanikkonna mitmekesisus
Kas tööriista on valideeritud keeltes ja dialektides, mis on esindatud omavalitsuse elanikkonnas?
Kas täpsust on testitud töötajate ja patsientidega, kes esindavad tegelikku elanikkonda?
Kas tõlgi vahendusel toimuvate konsultatsioonide käsitlemine on dokumenteeritud?
IT integreerimine ja sisemine juhtimine
Kas patsiendi andmesüsteemi ühilduvus on kinnitatud ja integreerimise mehhanism dokumenteeritud?
Kas pärandsüsteemide piirangute tehniline hinnang on lõpule viidud?
Kas kõik nõutavad sisemised sidusrühmad on kaasatud ja hankeprotsess vastab riigihangete eeskirjadele?
MDR-i, GDPR-i ja ELi AI seaduse moodustatud regulatiivne keskkond on tõeliselt nõudlik ja tõendid kogu WHO Euroopa piirkonnast näitavad, et tervishoiusüsteemid igal tasandil arendavad endiselt juhtimise suutlikkust selles navigeerimiseks. Selge raamistikuga alustamine, kus regulatiivne klassifikatsioon, andmekaitse, töövoo sobivus ja personali valmisolek hinnatakse koos enne hankeotsust, on kõige usaldusväärsem tee kasutuselevõtuni, mis on nii õiguslikult korrektne kui ka tõeliselt kasulik personalile ja kogukondadele, keda see on mõeldud teenindama.
Korduma kippuvad küsimused
▶ Miks vajavad omavalitsuste kogukonnatervise programmid eraldi hindamisraamistikku AI dokumentatsioonitööriistade jaoks
Olemasolevad tõendid pärinevad keskkondadest, kus konsultatsioonitingimused on stabiilsed ja IT-tugi kohapeal. Kogukonnatervise kontekstis puuduvad need eeldused täielikult, mistõttu tarnija esitatud valideerimisandmed ei anna piisavat kindlust ilma kontekstiomase hindamiseta.
▶ Mida AI dokumenteerimisassistent tegelikult teeb kogukonnatervise keskkonnas
Tööriist salvestab vestluse, teisendab selle tekstiks ja koostab struktureeritud märkme. Praktiline eristusküsimus on järgmine: kas kliiniline töötaja teeks sama otsuse ka ilma tööriista väljundita? Jaatava vastuse korral on tegemist dokumenteerimisabiga, eitava korral kliinilise otsustustoega, millele kehtivad erinevad regulatiivsed nõuded.
▶ Kuidas ELi meditsiiniseadmete määrus (MDR) kehtib AI dokumentatsioonitööriistadele omavalitsuste tervishoius
Administraatorid peaksid arvestama, et MDR-i klassifikatsioon võib muutuda, kui tarnija lisab tööriistale uusi funktsioone versiooniuuenduste käigus. Lepingusse tasub lisada kohustus teavitada omavalitsust enne mis tahes muudatust, mis võib mõjutada tööriista regulatiivset staatust.
▶ Millised GDPR kohustused kehtivad, kui omavalitsus kasutab AI dokumenteerimisassistenti patsiendiandmete töötlemiseks
Andmetöötlusleping peab olema allkirjastatud enne esimestki testkohtumist, mitte alles enne ametlikku kasutuselevõttu. Paljud omavalitsused alustavad pilootprojekti ilma lepinguta, mis loob tagasiulatuva vastavusprobleemi, mida on hiljem keeruline lahendada.
▶ Milliseid turvalisuse sertifikaate ja kontrolle peaksid administraatorid AI dokumenteerimise tarnijatelt nõudma
ISO 27001 on lähtepunkt. Lisaks tuleb kirjalikult kinnitada juurdepääsukontrollid auditijäljega, krüpteerimine ülekandel ja puhkeolekus, rikkumisest teavitamine 72 tunni jooksul ning sõltumatu läbitungimistestimise ajakava. Riiklikud küberturvalisuse agentuurid võivad kehtestada täiendavaid nõudeid.
▶ Miks võib haiglas valideeritud AI dokumentatsioonitööriist toimida erinevalt kogukonnatervise keskkondades
Transkriptsiooni täpsus sõltub mikrofoni kvaliteedist ja taustamürast. Kodukülastustel ja koolides varieeruvad need tegurid pidevalt, haigla vastuvõturuumis mitte. Administraatorid peaksid küsima tarnijalt jõudlusnäitajaid just nendes tingimustes, mitte üldist täpsusprotsenti.
▶ Kes vastutab AI genereeritud kliiniliste märkmete täpsuse eest õendajate juhitud kogukonnatervise teenuses
Täielik kutsealane ja õiguslik vastutus jääb kohtumise läbi viinud kliinilisele töötajale. AI genereeritud märge on mustand ülevaatamiseks. Uuringud näitavad, et teadlikkus sellest põhimõttest on madal isegi seal, kus tööriistad on kasutusel, seega peab see olema koolitusmaterjalides selgelt kirjas.
▶ Kuidas peaksid administraatorid hindama AI dokumentatsioonitööriista täpsust enne kogukonnatervise programmis laiaulatuslikku kasutuselevõttu
Täpsuse vastuvõetavuse künnised tuleb määratleda enne pilootprojekti algust, mitte pärast tulemuste saamist. Tagantjärele seatud künnised kohanduvad paratamatult tegelike tulemustega, mis muudab hindamise sisutühjaks.
▶ Kuidas peaksid administraatorid hindama, kas AI dokumentatsioonitööriist suudab teenindada keeleliselt mitmekesiseid kogukonnatervise elanikkondi
Tarnijalt tuleb küsida dokumenteeritud täpsuse erinevust standardse ja aktsendiga kõne vahel ning tõlgi vahendusel toimuvate konsultatsioonide käsitlemise põhimõtteid. Pilootprojekti valim peab hõlmama töötajaid ja patsiente, kes esindavad omavalitsuse tegelikku keelelist mitmekesisust.
▶ Milliseid sisemisi sidusrühmi tuleb kaasata AI dokumenteerimisassistendi hankimisel omavalitsuse tervishoiuprogrammi jaoks
Kõige sagedasem viga on andmekaitsespetsialisti kaasamine alles lepingufaasis. Andmekaitse mõjuhindamine GDPR artikli 35 alusel on kohustuslik ja aeganõudev ning selle alustamine hilja lükkab kogu kasutuselevõtu ajakava edasi. Spetsialist tuleb kaasata juba tarnijate hindamise alguses.