Europeisk primærhelsetjeneste er i praksis flerspråklig. En fastlege i Brussel kan dokumentere på nederlandsk mens hen konsulterer med en pasient som snakker marokkansk darija. En allmennlege i Wien veksler mellom standardtysk og wienerdialekt midt i setningen. En praksis i Manchester tar imot pasienter med urdu, polsk eller somali som førstespråk. Når AI-dokumentasjonsverktøy tas i bruk i slike miljøer, møter de en språklig virkelighet de fleste ikke er utviklet for. Ytelseshullene som oppstår, er ikke bare ulemper – de utgjør potensielle pasientsikkerhetsrisikoer.

Hvordan AI-dokumentasjonsverktøy behandler talt språk

For å forstå hvorfor ytelsen varierer mellom språk, er det nyttig å vite hvor behandlingen faktisk skjer. De fleste AI-dokumentasjonsverktøy i primærhelsetjenesten kombinerer to distinkte komponenter: automatisk talegjenkjenning (ASR), som konverterer tale til tekst, og en stor språkmodell (LLM) eller et naturlig språkbehandlingslag (NLP), som omformer den transkriberte teksten til strukturert klinisk dokumentasjon.

Feil forsterkes på tvers av begge lagene. Hvis ASR-laget feiltolker et ord, særlig et klinisk begrep uttalt med regional aksent, mottar NLP-laget feil input og kan generere et plausibelt, men klinisk ukorrekt notat. Forskning på taledokumentasjonssystemer har vist at selv spesialitetstilpassede talegjenkjenningsmotorer har begrenset nøyaktighet for diagnostiske termer innen ett enkelt språk. Dette illustrerer hvordan domenespesifikt vokabular skaper nøyaktighetshull som blir langt mer fremtredende når språkressurser er knappe.

Klinikere som vurderer AI-dokumentasjonsverktøy bør derfor ikke bare spørre «støtter det dette språket?», men «hvor i prosessen svikter det, og hvordan?»

Hvorfor noen europeiske språk er bedre støttet enn andre

Den grunnleggende årsaken til ytelsesforskjeller mellom europeiske språk er ubalanse i treningsdata. Store språkmodeller og ASR-systemer er hovedsakelig trent på engelskspråklige datasett. Når en modell har sett milliarder av engelske kliniske dokumenter, men bare millioner eller hundretusener av tilsvarende tekster på nederlandsk, rumensk eller gresk, vil ytelsen på disse språkene være strukturelt svakere.

Forskning publisert i Scientific Reports i 2025 adresserte utfordringer for grunnleggende LLM-er i domenespesifikke oppgaver som medisinsk oppsummering, inkludert hensyn til morfologisk rikdom, syntaktisk variasjon og diglossi, med særlig innvirkning på underrepresenterte språk.

Språk som har en tendens til å være bedre støttet, inkluderer:

• Engelsk — med betydelig margin, på grunn av dominerende representasjon i treningskorpora

• Spansk, fransk, tysk — rimelig representert, men med hull i klinisk vokabular

• Nederlandsk, portugisisk, italiensk — moderat støtte, med merkbare hull i spesialistterminologi

Språk som typisk er underrepresentert i kliniske AI-treningsdata, inkluderer polsk, rumensk, gresk, tsjekkisk, ungarsk, finsk, katalansk, walisisk og maltesisk. For klinikere som praktiserer på disse språkene, bør grunnleggende nøyaktighet for ethvert AI-dokumentasjonsverktøy verifiseres uavhengig – ikke tas for gitt.

De spesifikke utfordringene med germanske, romanske og slaviske språk i klinisk dokumentasjon

Språkfamiliestruktur skaper forutsigbare feiltyper i AI-basert klinisk dokumentasjon. Å forstå disse hjelper klinikere med å forutse hvor feil mest sannsynlig vil oppstå.

Germanske språk (tysk, nederlandsk)

Tysk og nederlandsk gjør omfattende bruk av sammensatte substantiv – enkeltord bygget ved å sette sammen flere begreper. Et tysk klinisk begrep som Herzinsuffizienz (hjertesvikt) eller Bluthochdruck (høyt blodtrykk) må gjenkjennes som én klinisk enhet, ikke tolkes som separate stavelser. AI-verktøy som ikke er trent på tilstrekkelig tyskspråklig klinisk tekst, segmenterer eller feiltolker ofte slike sammensatte ord. De genererer da notater som utelater eller fordreier diagnosen.

Romanske språk (fransk, spansk, portugisisk, italiensk)

Disse språkene tildeler grammatisk kjønn til medisinsk terminologi. Klinisk betydning kan endres ved kongruensfeil. I tillegg er regional variasjon i klinisk vokabular betydelig: den samme tilstanden kan beskrives med ulike foretrukne termer i Frankrike versus Belgia, eller i Spania versus Latin-Amerika.

Et AI-verktøy trent på kastiliansk-spanske kliniske data kan underprestere i katalansktalende regioner. Forskning på tospråklige spanske og katalanske primærhelsenotater fant at felles gjenkjenning og ICD-10-kobling av diagnoser i ikke-standard tospråklige notater er et særskilt og utfordrende problem som krever språkspesifikk finjustering.

Slaviske språk (polsk, tsjekkisk, slovakisk)

Polsk og tsjekkisk er morfologisk komplekse, med omfattende bøyningssystemer som endrer ordendelser basert på kasus, kjønn og tall. Et klinisk begrep for en tilstand kan forekomme i seks eller flere former i løpet av én konsultasjon. En AI-modell uten tilstrekkelig eksponering for denne variasjonen vil ikke konsekvent gjenkjenne det samme kliniske konseptet i alle dets former.

Flerspråklige pålitelighetsevalueringer av LLM-er i helsevesenet har identifisert dette som en kritisk barriere for reell bruk i slavisk-språklige kliniske miljøer.

Dialekter, regional variasjon og aksent: laget de fleste verktøy ignorerer

Selv innenfor ett offisielt støttet språk kan dialektvariasjon og aksent betydelig redusere ASR-nøyaktigheten. Et verktøy validert for standardnederlandsk (som snakkes i Nederland) kan fortsatt underprestere i en flamsk fastlegepraksis i Gent. Sveitsertysk er tilstrekkelig forskjellig fra standardtysk til at mange ASR-systemer trent på Hochdeutsch ikke klarer å transkribere det pålitelig. Katalansk, selv om det snakkes av millioner i Spania og Frankrike, behandles ofte som et grensetilfelle av AI-leverandører hvis primære marked er kastiliansk spansk.

En narrativ gjennomgang fra Dublin City University's ADAPT Centre identifiserer dette som en av de sentrale uløste utfordringene i AI-språkteknologi for helsevesenet: flytende output i en standard språkvariant garanterer ikke akseptabel ytelse på tvers av hele dialektspekteret til språket. Gjennomgangen påpeker at effektivitetsgevinster fra AI-språkverktøy kan skjule feil, redusere sporbarhet og flytte ansvar mellom klinikere og helsesystemer. Disse risikoene forsterkes når dialektvariasjon ikke tas hensyn til i valideringen.

Aksent fra ikke-morsmålstalende utgjør en beslektet, men distinkt utfordring. En rumenskfødt fastlege som praktiserer i Irland og dokumenterer på engelsk med rumensk aksent, kan oppleve at ASR-nøyaktigheten er merkbart lavere enn for en morsmålstalende som bruker samme verktøy. Dette har direkte konsekvenser for praksiser med internasjonalt utdannede klinikere, som utgjør en betydelig andel av arbeidsstyrken i primærhelsetjenesten i EU og Storbritannia.

Kodebytting: hva skjer når klinikere og pasienter blander språk midt i konsultasjonen

Kodebytting – å veksle mellom to eller flere språk i én samtale – er vanlig i flerspråklige kliniske settinger. Likevel er dette et av de dårligst håndterte scenariene for AI-dokumentasjonsverktøy. En kliniker i Luxembourg kan dokumentere på fransk, bruke latinske anatomiske termer, engelske legemiddelnavn og sporadiske tyske fraser. En fastlege i en walisisk praksis kan veksle mellom walisisk og engelsk i én og samme setning.

Leger i arabisk-talende miljøer samtaler ofte hovedsakelig på arabisk, men skriver kliniske notater på engelsk. Dette gir økt kognitiv belastning. Denne tospråklige arbeidsflyten er dårlig støttet av eksisterende AI-verktøy, på grunn av manglende treningsdata på arabisk. Det samme strukturelle problemet gjelder for ethvert språkpar hvor én komponent er underrepresentert i treningsdataene.

For de fleste nåværende AI-dokumentasjonsverktøy fører kodebytting mellom et ressurssterkt og et ressursfattig språk til én av to feiltyper: Enten går verktøyet helt over til det dominerende språket og utelater innhold på minoritetsspråket, eller det forsøker å transkribere begge språkene, men introduserer systematiske feil ved overgangene. Ingen av utfallene er akseptable i klinisk dokumentasjon, hvor manglende eller fordreid informasjon kan påvirke pasientsikkerheten.

Klinisk terminologi på tvers av språk: mer enn et oversettelsesproblem

En vanlig antakelse er at flerspråklig klinisk dokumentasjon primært er et oversettelsesproblem – at et AI-verktøy ganske enkelt trenger å matche talte termer på ett språk til deres engelske ekvivalenter før standard klinisk koding brukes. Denne antakelsen er feil. Å handle ut fra den fører til systematiske feil i strukturerte notater.

Medisinsk vokabular er ikke enhetlig standardisert på tvers av europeiske språk. SNOMED CT, det mest brukte kliniske terminologisystemet, har offisielle oversettelser på flere europeiske språk, men dekningen er ujevn. Klinikere bruker ofte uformelle, forkortede eller lokalt foretrukne termer som ikke har direkte kobling til noen standardisert kode.

Et AI-verktøy trent på engelske kliniske korpora kan korrekt gjenkjenne det talte engelske begrepet «heart failure» og koble det til riktig SNOMED CT-kode, men mislykkes i å gjøre det samme når begrepet uttales på polsk, gresk eller finsk, selv om verktøyet nominelt «støtter» disse språkene.

Forskning på ICD-10-koding i tospråklige spanske og katalanske primærhelsenotater fant at ikke-standard notatformater og tospråklig blanding skaper spesifikke utfordringer for automatisert koding, som ikke kan løses ved å bruke modeller trent på standard enspråklige datasett. Forfatterne fant at parametereffektiv finjustering på språkspesifikke kliniske data var nødvendig for å oppnå akseptabel ytelse. Dette funnet har direkte betydning for praksiser som vurderer AI-dokumentasjonsverktøy på ethvert ikke-engelsk europeisk språk.

Hvordan evaluere et AI-dokumentasjonsverktøys språkytelse før utrulling i praksis

Klinikere og praksisadministratorer som vurderer AI-dokumentasjonsverktøy for flerspråklige miljøer, bør gå utover leverandørers markedsføringspåstander og stille konkrete, verifiserbare spørsmål. Følgende rammeverk reflekterer nåværende beste praksis i klinisk AI-evaluering.

Be om språkspesifikke valideringsdata

• På hvilke språk er verktøyet validert, og på hvilket datasett?

• Er valideringen utført på ekte klinisk tale eller kun på studioopptak?

• Hva var ordfeilraten (WER) for ASR på målspråket, og hvordan sammenlignes dette med ytelsen på engelsk i samme verktøy?

Undersøk dialekt- og aksentdekning

• Er verktøyet testet på den spesifikke regionale varianten av språket som brukes i din praksis (f.eks. flamsk nederlandsk, sveitsertysk, katalansk)?

• Hva er den dokumenterte ytelsesforskjellen mellom standard og regionale varianter?

Test kodebyttingsevne

• Håndterer verktøyet konsultasjoner der kliniker og pasient bruker ulike språk?

• Hvordan håndteres medisinske termer på latin eller engelsk i en ikke-engelsk konsultasjon?

Gjennomgå klinisk kodingsnøyaktighet separat fra transkripsjonsnøyaktighet

• Et verktøy kan ha akseptabel transkripsjonsnøyaktighet, men likevel feile i å generere korrekte SNOMED CT- eller ICD-koder på målspråket

• Be leverandører om kodingsnøyaktighetsdata spesifikke for ditt språk og kliniske kontekst

2025-kommentaren om AI-skribenter i helsevesenet påpeker at de fleste eksisterende evalueringer stammer fra småskala, kortvarige pilotstudier med deltakere som er positivt innstilt til teknologi. Denne begrensningen gjelder spesielt for ikke-engelske språkevalueringer, hvor evidensgrunnlaget er enda svakere.

Dataresidens og regulatoriske hensyn for flerspråklige AI-verktøy i EU

Personvernforordningen (GDPR) gjelder for alle personopplysninger behandlet innenfor EU, uavhengig av hvilket språk de ble snakket eller registrert på. Lydopptak av kliniske konsultasjoner, inkludert de som foregår på polsk, rumensk, arabisk eller andre språk, utgjør sensitive helsedata etter artikkel 9 i GDPR og er underlagt alle databeskyttelsesforpliktelser.

En BMJ-policyartikkel om AI-oversettelse i helsevesenet identifiserer gapet mellom rask AI-utrulling og regulatoriske rammeverk som en betydelig bekymring. Artikkelen påpeker at dette gapet er særlig tydelig i flerspråklige helseinnstillinger hvor dataflyt krysser språk- og jurisdiksjonsgrenser.

Praksiser bør verifisere:

• Hvor lyddata behandles: Noen AI-dokumentasjonsverktøy sender lyd til skyinfrastruktur utenfor EU for transkripsjon, noe som kan stride mot GDPRs krav til dataresidens

• Hvor data lagres: EUs krav til dataresidens gjelder både for lagring og behandling

• Om leverandørens personverndokumentasjon dekker alle støttede språk: Verktøy som behandler ikke-engelsk lyd gjennom annen infrastruktur enn engelsk lyd kan ha inkonsistente dataresidensposisjoner

• Medisinsk utstyrsforordning (MDR)-status: AI-dokumentasjonsverktøy som genererer kliniske output kan klassifiseres som medisinsk utstyr under EU MDR, med betydning for hvilke språk og kliniske kontekster som er formelt validert

Hva god flerspråklig ytelse faktisk innebærer: referanseverdier og røde flagg

Det finnes ingen universelt aksepterte nøyaktighetsterskler for AI-basert klinisk dokumentasjon på tvers av europeiske språk, men følgende referanseverdier reflekterer nåværende evidens og kliniske risikohensyn.

Rimelige minimumsterskler for klinisk bruk

• ASR-ordfeilrate under 10 til 15 prosent for det aktuelle språket og dialekten (lavere terskler for høyrisiko kliniske kontekster)

• Klinisk terminologigjenkjenningsnøyaktighet over 80 prosent for de vanligste diagnostiske termene på målspråket

• ICD- eller SNOMED-kodingsnøyaktighet sammenlignbar med det som oppnås på engelsk i samme verktøy

Røde flagg som tyder på utilstrekkelig flerspråklig validering

• Leverandøren viser kun til engelskspråklige valideringsstudier og omtaler annen språkstøtte som «kommer snart» eller «i beta»

• Nøyaktighet presenteres som ett tall for alle støttede språk, uten språkspesifikk oppdeling

• Validering er utført på rene opptak, ikke på ekte klinisk tale

• Verktøyet har ingen dokumenterte ytelsesdata for regionale dialekter eller aksenter

• Kodebyttingsevne beskrives kun kvalitativt, ikke støttet av nøyaktighetsdata

EuropeMedQA-referanseverdien er et nyttig sammenligningsgrunnlag: det er et omfattende flerspråklig medisinsk eksamensdatasett hentet fra offisielle regulatoriske eksamener i europeiske land, og gir et strukturert rammeverk for å sammenligne LLM-ytelse på tvers av europeiske kliniske språk. Klinikere bør imidlertid være klar over at ytelse på standardiserte eksamensspørsmål ikke nødvendigvis forutsier ytelse på ekte klinisk tale. De to oppgavene innebærer ulike språklige registre og feiltyper.

Hva som må endres i AI-klinisk dokumentasjon for et flerspråklig Europa

Det flerspråklige ytelseshullet i AI-klinisk dokumentasjon er ikke et uløselig problem, men forskningsmiljøet og kommersielle leverandører håndterer det for tiden utilstrekkelig. Flere endringer er nødvendige før AI-dokumentasjonsverktøy kan anses som pålitelig sikre for utrulling på tvers av det språklige mangfoldet i europeisk primærhelsetjeneste.

Mer mangfoldige treningsdatasett

Dominansen av engelskspråklige data i AI-treningskorpora reflekterer historiske forsknings- og kommersielle prioriteringer – ikke den faktiske fordelingen av klinisk aktivitet i Europa. Å bygge klinisk validerte datasett på polsk, rumensk, gresk, nederlandsk og andre underrepresenterte språk krever investering fra helsesystemer, forskningsfinansiører og AI-leverandører. ADAPT Centres 2026-gjennomgang argumenterer for at dette krever ikke bare bedre modeller, men ansvarlig sosioteknisk design og tettere samarbeid mellom naturlig språkbehandling, klinisk praksis og politikk.

Dialektbevisst modellutvikling

Standard språkvarianter er utilstrekkelige som grunnlag for klinisk AI-validering. Modeller må testes og, der det er nødvendig, finjusteres på de regionale variantene som faktisk brukes i klinisk praksis, inkludert flamsk nederlandsk, sveitsertysk, katalansk, regionale franske aksenter og de mange andre variantene som utgjør det reelle språklige landskapet i europeisk primærhelsetjeneste.

Klinisk validering som regulatorisk krav

BMJ-policyartikkelen etterlyser evidensbaserte politiske rammeverk som krever at AI-språkverktøy i helsevesenet demonstrerer klinisk sikkerhet på tvers av språkene og kontekstene de tas i bruk. Uten regulatorisk press har leverandører begrenset kommersiell insentiv til å investere i validering for mindre språkmarkeder.

Ærlig representasjon av nåværende begrensninger

Evidensen fra flerspråklig LLM-pålitelighetsforskning er tydelig: dagens modeller er ikke jevnt pålitelige på tvers av europeiske språk i kliniske settinger. Klinikere fortjener nøyaktig informasjon om hvor disse verktøyene presterer godt og hvor de ikke gjør det, slik at de kan bruke hensiktsmessig menneskelig tilsyn og unngå overavhengighet av AI-generert dokumentasjon på språk hvor validering mangler eller er utilstrekkelig.

For klinikere som praktiserer i flerspråklige europeiske miljøer i dag, er den praktiske implikasjonen enkel: språkstøtte oppført på en leverandørs nettside er ikke det samme som validert klinisk ytelse. Spørsmålene som bør stilles, referanseverdiene som bør etterspørres, og de røde flaggene som bør identifiseres, er veldefinerte. Å følge disse strengt før utrulling er den mest pålitelige beskyttelsen mot de sammensatte feilene flerspråklige AI-dokumentasjonsverktøy kan introdusere i kliniske journaler.

Ofte stilte spørsmål

▶ Hvorfor presterer AI-dokumentasjonsverktøy forskjellig på tvers av europeiske språk?

Kjerneårsaken er ubalanse i treningsdata. Store språkmodeller og automatiske talegjenkjenningssystemer er hovedsakelig trent på engelskspråklige datasett. En modell trent på milliarder av engelske kliniske dokumenter, men bare hundretusener av tilsvarende tekster på rumensk eller gresk, vil være strukturelt svakere på disse språkene. Dette påvirker både transkripsjonslaget og laget som konverterer transkribert tekst til strukturerte kliniske notater.

▶ Hvilke europeiske språk er best og minst støttet av kliniske AI-dokumentasjonsverktøy?

Engelsk er det best støttede språket med god margin. Spansk, fransk og tysk er rimelig representert, men har hull i klinisk vokabular. Nederlandsk, portugisisk og italiensk har moderat støtte. Språk som typisk er underrepresentert, inkluderer polsk, rumensk, gresk, tsjekkisk, ungarsk, finsk, katalansk, walisisk og maltesisk. Klinikere som praktiserer på disse språkene, bør verifisere grunnleggende nøyaktighet uavhengig, ikke ta den for gitt.

▶ Hvilke spesifikke dokumentasjonsfeil bør klinikere forvente med germanske og slaviske språk?

På tysk og nederlandsk feiltolker AI-verktøy ofte sammensatte substantiv som Herzinsuffizienz (hjertesvikt), enten ved å segmentere eller utelate dem helt. På polsk og tsjekkisk gjør omfattende bøyningssystemer at det samme kliniske begrepet kan forekomme i seks eller flere former i løpet av én konsultasjon. Verktøy uten tilstrekkelig eksponering for denne variasjonen vil ikke konsekvent gjenkjenne det samme kliniske konseptet i ulike former. Flerspråklige pålitelighetsevalueringer av store språkmodeller i helsevesenet har identifisert dette som en kritisk barriere for praktisk bruk.

▶ Påvirker dialekt og aksent AI-dokumentasjonsnøyaktigheten?

Ja, betydelig. Et verktøy validert for standardnederlandsk kan fortsatt underprestere i en flamsk praksis. Sveitsertysk er tilstrekkelig forskjellig fra standardtysk til at mange talegjenkjenningssystemer trent på Hochdeutsch ikke klarer å transkribere det pålitelig. Aksent fra ikke-morsmålstalende utgjør en beslektet utfordring: En rumenskfødt fastlege som dokumenterer på engelsk, kan oppleve at transkripsjonsnøyaktigheten er merkbart lavere enn for en morsmålstalende som bruker samme verktøy. Forskning fra Dublin City University's ADAPT Centre identifiserer dialektvariasjon som en av de sentrale uløste utfordringene i AI-språkteknologi for helsevesenet.

▶ Hvordan håndterer AI-dokumentasjonsverktøy kodebytting, der klinikere blander språk midt i konsultasjonen?

De fleste nåværende verktøy håndterer kodebytting dårlig. Når en kliniker veksler mellom et ressurssterkt og et ressursfattig språk, går verktøyene typisk enten helt over til det dominerende språket og utelater innhold på minoritetsspråket, eller forsøker å transkribere begge, men introduserer systematiske feil ved overgangene. Ingen av utfallene er akseptable i klinisk dokumentasjon, hvor manglende eller fordreid informasjon kan påvirke pasientsikkerheten.

▶ Er flerspråklig klinisk dokumentasjon bare et oversettelsesproblem?

Nei. Medisinsk vokabular er ikke enhetlig standardisert på tvers av europeiske språk. SNOMED CT, det mest brukte kliniske terminologisystemet, har offisielle oversettelser på flere europeiske språk, men dekningen er ujevn. Klinikere bruker ofte uformelle eller lokalt foretrukne termer som ikke har direkte kobling til noen standardisert kode. Forskning på ICD-10-koding i tospråklige spanske og katalanske primærhelsenotater fant at ikke-standard notatformater og tospråklig blanding skaper spesifikke utfordringer som ikke kan løses ved å bruke modeller trent på standard enspråklige datasett.

▶ Hvilke spørsmål bør klinikere stille leverandører når de evaluerer et AI-dokumentasjonsverktøy for en flerspråklig praksis?

Klinikere bør be om språkspesifikke valideringsdata, inkludert ordfeilrate for automatisk talegjenkjenning på målspråket sammenlignet med engelsk. De bør spørre om verktøyet er testet på den spesifikke regionale varianten som brukes i deres praksis, som flamsk nederlandsk eller sveitsertysk. De bør også undersøke hvordan verktøyet håndterer kodebytting, og be om kliniske kodingsnøyaktighetsdata spesifikke for deres språk og kontekst, siden et verktøy kan ha akseptabel transkripsjonsnøyaktighet, men likevel feile i å generere korrekte SNOMED CT- eller ICD-koder på målspråket.

▶ Hva er GDPR-implikasjonene av å bruke AI-dokumentasjonsverktøy som behandler ikke-engelsk lyd?

Lydopptak av kliniske konsultasjoner på ethvert språk utgjør sensitive helsedata etter artikkel 9 i personvernforordningen og omfattes av alle databeskyttelsesforpliktelser. Praksiser bør verifisere hvor lyddata behandles og lagres, siden noen verktøy sender lyd til skyinfrastruktur utenfor EU for transkripsjon. Verktøy som behandler ikke-engelsk lyd gjennom annen infrastruktur enn engelsk lyd kan ha inkonsistente dataresidensposisjoner. Medisinsk utstyrsforordning-status er også relevant, siden AI-dokumentasjonsverktøy som genererer kliniske output kan klassifiseres som medisinsk utstyr, med betydning for hvilke språk og kliniske kontekster som er formelt validert.

▶ Hvilke nøyaktighetsreferanseverdier indikerer at et AI-dokumentasjonsverktøy er egnet for klinisk bruk på et ikke-engelsk språk?

Artikkelen angir følgende minimumsterskler basert på nåværende evidens: en automatisk talegjenkjennings-ordfeilrate under 10 til 15 prosent for det aktuelle språket og dialekten, klinisk terminologigjenkjenningsnøyaktighet over 80 prosent for de vanligste diagnostiske termene på målspråket, og ICD- eller SNOMED-kodingsnøyaktighet sammenlignbar med det som oppnås på engelsk i samme verktøy. Røde flagg inkluderer leverandører som kun viser til engelskspråklige valideringsstudier, presenterer nøyaktighet som ett tall for alle støttede språk, og beskriver dialekt- eller kodebyttingsytelse kun kvalitativt, ikke med nøyaktighetsdata.

▶ Hvilke endringer er nødvendige før AI-dokumentasjonsverktøy kan anses som pålitelig sikre på tvers av flerspråklig europeisk primærhelsetjeneste?

Artikkelen identifiserer tre hovedkrav: For det første, mer mangfoldige treningsdatasett på underrepresenterte språk som polsk, rumensk og gresk. For det andre, dialektbevisst modellutvikling som går utover standard språkvarianter for å dekke regionale varianter som faktisk brukes i klinisk praksis. For det tredje, klinisk validering som regulatorisk krav, slik at leverandører må dokumentere sikkerhet på tvers av språkene og kontekstene verktøyene deres brukes i. Uten regulatorisk press har leverandører begrenset kommersiell insentiv til å investere i validering for mindre språkmarkeder.