Kliniske AI-skribent-alternativer for europeisk helsevesen

Kliniske AI-skribenter er verktøy som lytter til konsultasjoner og automatisk genererer strukturerte kliniske notater. De er i ferd med å bli en standard anskaffelsesprioritet for europeiske helseorganisasjoner. Men ikke alle verktøy er likeverdige. Regulatoriske krav i Europa skiller tydelig mellom leverandører som er klare for distribusjon og de som ikke er det.

Hva en klinisk AI-skribent faktisk gjør, og hva som skiller verktøyene

En klinisk AI-skribent bruker ambient stemmeteknologi som fanger opp lyd fra konsultasjoner i sanntid. Verktøyet transkriberer lyden og konverterer innholdet til strukturert klinisk dokumentasjon, vanligvis et SOAP-notat eller et konsultasjonssammendrag i klinikerens journalsystem. Klinikeren gjennomgår og godkjenner resultatet før det lagres.

Den praktiske effekten er godt dokumentert. En longitudinell multisenterstudie publisert i JAMA i april 2026, gjennomført ved fem amerikanske akademiske helseinstitusjoner, fant at innføring av AI-skribent hang sammen med 16,0 færre minutter dokumentasjonstid per åtte planlagte pasienttimer og omtrent et halvt ekstra pasientbesøk per uke. Fordelene var størst for klinikere i primærhelsetjenesten, avanserte praksisklinikere og kvinnelige klinikere.

Markedet deler seg grovt i to kategorier. Dokumentasjonsfokuserte verktøy fanger opp konsultasjonen og produserer et klinisk notat. Fullverdige kliniske arbeidsflytplattformer gjør mer: de genererer henvisningsbrev, pasientbrev, sykmeldinger, epikriser og svar på råd og veiledning, støtter klinisk koding og, i noen tilfeller, klinisk beslutningsstøtte. Et verktøy som sparer fem minutter per konsultasjonsnotat, men som krever manuelt arbeid for hvert etterfølgende dokument, gir mindre samlet verdi enn ett som støtter hele dokumentasjonsprosessen. Forskning fra Great Ormond Street Hospital underbygger dette og fant også redusert kognitiv belastning for klinikere utover rene tidsbesparelser.

Regulatoriske krav europeiske anskaffelsesteam må avklare først

Før man vurderer funksjonalitet, må europeiske anskaffelsesteam fastslå om et produkt oppfyller gjeldende regulatoriske krav. Dette er ufravikelige filtre, ikke sekundære hensyn.

EU MDR og MHRA

Kliniske AI-skribenter som påvirker klinisk beslutningstaking, eller som genererer resultater som går direkte inn i kliniske journaler, vil sannsynligvis bli klassifisert som programvare som medisinsk utstyr under EUs medisinsk utstyrsforordning 2017/745. Avhengig av klinisk risiko kan verktøy klassifiseres som klasse I, IIa eller IIb, der høyere klassifiseringer krever at et godkjent varslet organ er involvert og at leverandøren legger frem mer omfattende klinisk dokumentasjon. En fagfellevurdert analyse i npj Digital Medicine påpekte at EU MDR ennå ikke har gitt fullstendig harmonisert veiledning for ambient AI-skribentverktøy, noe som skaper reell usikkerhet for både leverandører og anskaffelsesteam. Konsekvensen er konkret: anskaffelsesteam bør be om fullstendig teknisk dokumentasjon og samsvarserklæring, ikke bare leverandørens egne påstander om etterlevelse.

I Storbritannia klassifiserer Medicines and Healthcare products Regulatory Agency (MHRA) AI-skribentverktøy som programvare som medisinsk utstyr. NHS England har publisert veiledning spesifikt om ambient skribentprodukter, som det første helsesystemet i verden som har gjort dette.

GDPR og datalokalitet

Alle kliniske AI-skribenter som behandler pasientdata for europeiske helseorganisasjoner er underlagt GDPR, som klassifiserer helsedata som en særskilt kategori. Det kreves eksplisitt rettslig grunnlag for behandling, streng dataminimering og robuste databehandlingsavtaler. Datalokalitet er et kritisk anskaffelsesspørsmål: leverandører som sender data gjennom servere i USA kan skape etterlevelsesutfordringer, særlig etter at det europeiske helsedataområdet trådte i kraft i 2025. Utover å sjekke at en databehandlingsavtale finnes, bør anskaffelsesteam verifisere hvor lydopptak lagres og hvor lenge, om data brukes til å trene leverandørens AI-modeller og under hvilket samtykkerammeverk, og hvilke prosedyrer leverandøren har for varsling om databrudd.

ISO 27001-sertifisering bør behandles som et minimumskrav i anskaffelsesprosessen. Sertifiseringen bekrefter at en leverandør har innført og fått revidert et styringssystem for informasjonssikkerhet. Omfanget av sertifiseringen er det avgjørende: det bør dekke de spesifikke systemene som brukes til å håndtere kliniske data, ikke bare leverandørens generelle IT-miljø.

Journalsystemintegrasjon: hva europeiske helseleverandører bør kreve

Overfladisk integrasjon, der en AI-skribent produserer et notat som klinikeren deretter må kopiere og lime inn i sitt journalsystem, fjerner mye av effektivitetsgevinsten. Ekte integrasjon betyr at verktøyet henter relevant pasientinformasjon fra journalsystemet før konsultasjonen, skriver strukturerte data tilbake til de riktige feltene etterpå, og støtter automatisering av klinisk koding uten manuell inngripen.

For europeisk offentlig helsevesen gjøres dette vanskeligere av utbredelsen av eldre journalsystemer på tvers av sykehus- og primærhelsetjeneste. En studie fra november 2025 i Digital Health pekte på integrasjonsbarrierer som en hovedutfordring for å skalere ambient AI-skribenter i ulike helsemiljøer. Forskjellen mellom en direkte, validert integrasjon og en generisk API-tilkobling (et standardisert grensesnitt for datautveksling mellom systemer) er betydelig i praksis, både for hvor raskt man kan ta verktøyet i bruk og for kvaliteten på de strukturerte dataene som produseres. Anskaffelsesteam bør spørre leverandører hvilke journalsystemer som støttes direkte i deres region, om integrasjonen skriver strukturerte data eller kun fritekst, og om den er testet og validert i et europeisk helsesystemmiljø.

Ledende løsninger tilgjengelig i europeiske markeder

Følgende verktøy representerer de viktigste alternativene som for øyeblikket er tilgjengelige for europeiske helseleverandører. Markedet er i utvikling, og listen er ikke uttømmende.

Tandem Health (via Accurx Scribe) er tilgjengelig i Storbritannia gjennom Accurx-plattformen. Tandem Health har MDR klasse IIa-sertifisering og har publisert kliniske bevis fra europeiske settinger. Det støtter arbeidsflyter i primær- og spesialisthelsetjenesten og er integrert i Accurxs eksisterende NHS-infrastruktur. Språkstøtten er foreløpig primært engelsk.

Nabla er en franskutviklet ambient AI-assistent med betydelig tilstedeværelse i europeiske markeder og støtte for flere språk, noe som gjør det til et relevant alternativ for helsesystemer som ikke opererer på engelsk. Nabla støtter primærhelsetjeneste og enkelte spesialistområder. Regulatorisk status under EU MDR og dybden av integrasjoner med journalsystemer i europeiske offentlige helsesystemer bør verifiseres direkte med leverandøren.

Microsoft Dragon Copilot ble lansert til NHS i september 2025. Det bygger på Microsofts eksisterende relasjoner med NHS-truster og Azure-skyinfrastruktur, som inkluderer alternativer for lagring av data i EU, og integreres med Epic og andre store journalsystemer. Siden dette er et amerikansk produkt, bør MDR-sertifiseringsstatus og GDPR-etterlevelse granskes nøye. British Medical Association oppfordret fastleger til å pause innføringen av AI-skribentverktøy inntil databeskyttelses- og sikkerhetskontroller er på plass. Den advarselen gjelder for alle leverandører i denne kategorien, ikke bare Microsoft.

Abridge og Suki er begge USA-baserte verktøy med Epic-integrasjon og dokumenterte kliniske bevis fra amerikanske akademiske medisinske sentre. Europeisk regulatorisk status og ordninger for lagring av data må verifiseres direkte for begge før distribusjon i EU, og publiserte bevis fra europeiske helsesystemer er begrenset.

Heidi og Tortus er begge blitt evaluert i britiske NHS-kontekster, Heidi på tvers av en rekke kliniske settinger og Tortus som del av NHS-pilotprogrammer. Anskaffelsesteam bør be om oppdatert dokumentasjon på regulatorisk sertifisering for begge.

En gjennomgående svakhet hos de fleste ikke-europeiske leverandører er den relative mangelen på fagfellevurderte kliniske bevis fra distribusjoner i europeiske helsesystemer. For offentlige helseorganisasjoner med formelle krav til dokumentasjon av effekt utgjør dette et grunnleggende hinder for anskaffelse, ikke et marginalt problem.

Klinisk koding og klinikeres involvering

Automatisert klinisk koding, der verktøyet genererer SNOMED CT-, ICD-10- eller ICD-11-koder direkte fra konsultasjonstranskripsjoner, er en av de mest konsekvensrike funksjonene en klinisk AI-skribent kan tilby, og en av de funksjonene der kvaliteten varierer mest mellom leverandører. Nøyaktig koding påvirker ressursplanlegging, sykdomsovervåking, fakturering og kvaliteten på forskningsdata. Systematisk feilkoding kan spre seg gjennom administrative og kliniske systemer med alvorlige følger. En medRxiv-oversikt fra januar 2025 fant at standardiserte rammeverk for å evaluere AI-assistert notatgenerering fortsatt er underutviklet, noe som gjør det vanskelig å etterprøve nøyaktighetspåstander fra leverandørene uavhengig. Anskaffelsesteam bør søke bevis fra uavhengige evalueringer eller pilotdata fremfor markedsføringsmateriell.

I hvilken grad praktiserende klinikere har formet et produkts design er en minst like pålitelig indikator for klinisk nytte og sikkerhet som regulatorisk klassifisering alene. Verktøy som primært er bygget av programvareutviklere uten reell klinisk innflytelse, har en tendens til å generere notater som er teknisk sammenhengende, men klinisk klossete. Anskaffelsesteam bør se etter kliniske rådgivende styrer med navngitte, praktiserende klinikere på tvers av relevante spesialiteter; bevis på samutvikling med NHS-truster eller europeiske sykehus; og dokumentasjon på klinisk styring i tråd med standarder som DCB0129/0160 i NHS-konteksten. En kvalitativ evaluering publisert i JMIR Medical Informatics i mai 2026, som undersøkte klinikererfaringer med AI-skribenter i NHS-settinger, fant at klinikernes opplevelse av at de genererte notatene var klinisk relevante, var avgjørende for om verktøyet faktisk ble tatt i bruk og brukt over tid.

Hva anskaffelsesteam bør spørre leverandører om, og hvordan man kjører en meningsfull pilot

Følgende spørsmål bør stilles til enhver leverandør før man inngår en kontrakt. De dekker fire områder:

• Regulatorisk etterlevelse: Hva er MDR-klassifiseringen, og hvilket varslet organ sertifiserte produktet? Kan du fremlegge fullstendig samsvarserklæring og teknisk dokumentasjon? Hvor lagres pasientlyd og transkripsjonsdata, og brukes pasientdata til å trene AI-modeller?

• Integrasjon og distribusjon: Hvilke journalsystemer integreres direkte i vår region? Skriver integrasjonen strukturerte data eller fritekst? Hva er tidslinjen for implementering i vårt spesifikke journalsystemmiljø?

• Klinisk ytelse: Hvilke nøyaktighetsmål publiseres for notatkvalitet og klinisk koding? Er disse blitt uavhengig validert i en europeisk klinisk setting? Hva skjer når AI-skribenten produserer et klinisk utrygt resultat?

• Kommersielle vilkår: Hva er betingelsene for sletting av data når kontrakten avsluttes? Hvilke servicenivåavtaler gjelder for oppetid og støtterespons? Hvordan er prisingen strukturert?

En proof-of-concept-pilot uten definerte suksessmålinger skaper entusiasme, men ikke bevis. Bli enige om konkrete målinger på forhånd: dokumentasjonstid spart per konsultasjon, klinikertilfredshetsscore, nøyaktighetsrater for klinisk koding, notatkvalitetsvurderinger fra kliniske anmeldere, og pasientopplevelsesdata knyttet til samtykke og tilstedeværelse av AI i konsultasjonen. JAMA-studien fant at tiden klinikere brukte i journalsystemet utenfor planlagte timer ikke endret seg vesentlig etter innføring av AI-skribent, noe som utfordrer antakelsen om at ambient skriving eliminerer dokumentasjon etter arbeidstid.

Førstelinjeklinikere, fastleger, sykehusleger, sykepleiere og fysioterapeuter, bør være aktive evaluatorer som gir strukturert tilbakemelding, ikke bare ledelse og IT. En meningsfull pilot krever fire til åtte uker i polikliniske settinger, og lenger for komplekse spesialisthelsetjenestemiljøer. Piloter bør bevisst teste krevende situasjoner: kompleks multimorbiditet, pasienter med aksent eller taleforskjeller, fjern- og virtuelle konsultasjoner, og konsultasjoner på andre språk enn det primærspråket verktøyet er trent på.

Offentlig vs. privat anskaffelse: ulike prioriteringer

Offentlige helseorganisasjoner, NHS-truster og europeiske nasjonale helsesystemer, må forholde seg til krav som etterlevelse av nasjonale anskaffelsesrammeverk (for eksempel NHS-rammeverk og G-Cloud), krav om at systemet fungerer sammen med nasjonalt pålagte journalsystemer, regler om datasuverenitet som kan begrense bruk av skyleverandører utenfor EU, og formelle krav til klinisk styring og sikkerhetsvurderinger. NHS 10-års helseplan, publisert i juli 2025, peker eksplisitt på AI-skribenter som en kjernekomponent i overgangen til en digitalt drevet omsorgsmodell.

Private helseorganisasjoner kan ha større fleksibilitet i anskaffelsestidslinjer og valg av leverandør, men regulatorisk etterlevelse er like obligatorisk som i offentlig sektor. Bredde i spesialitetsdekning veier tyngre i private settinger som støtter et mangfoldig spekter av konsulenter, og integrasjon med private kodingsordninger, som prosedyrekoder for forsikringsselskaper, kan også være relevant. Hensynet til pasientopplevelsen rundt samtykke og databruk er like viktig uavhengig av sektor.

Leverandørvalg nå former hva som er mulig senere

Kliniske AI-skribenter utvikler seg fra frittstående ambient stemmeteknologiverktøy til plattformer som støtter hele det kliniske møtet: fra innsamling av kontekst før konsultasjonen til dokumentasjon, koding, henvisninger og oppfølgingskommunikasjon etterpå. Den største NHS-studien av ambient skribentteknologi til dags dato fant at teknologien kunne gjøre det mulig for akuttmottakspersonell å se omtrent 13 prosent flere pasienter, og at de nasjonale tidsbesparelsene for personalet potensielt nærmer seg én milliard pund. En npj Digital Medicine-analyse bemerket at regulatorisk klassifisering av ambient skribentverktøy fortsatt er et område under aktiv utvikling, noe som skaper reell risiko for organisasjoner som utelukkende stoler på leverandørens egne vurderinger av etterlevelse.

MDR klasse IIa-sertifisering, lagring av data i EU og publiserte europeiske kliniske bevis er grunnlaget som avgjør om en leverandør kan utvide seg til klinisk beslutningsstøtte og bredere arbeidsflytautomatisering innenfor det europeiske regulatoriske miljøet. NHS 10-års helseplan, det europeiske helsedataområdet og nasjonale digitale helsestrategier på tvers av EU-medlemsstater peker alle i samme retning. Organisasjoner som velger en leverandør uten dette grunnlaget på plass, vil bære kostnadene ved å bytte plattform når kravene innhenter dem.

Ofte stilte spørsmål

▶ Hva gjør en klinisk AI-skribent faktisk?

Verktøyet lytter til konsultasjonen, transkriberer den og skriver et strukturert notat i journalsystemet. Klinikeren godkjenner resultatet før det lagres. Mer avanserte plattformer genererer i tillegg henvisninger, pasientbrev og epikriser, slik at tidsbesparelsen strekker seg utover selve konsultasjonsnotatet.

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

JAMA-studien fra april 2026 fant 16,0 færre minutter dokumentasjonstid per åtte planlagte pasienttimer. Tid brukt i journalsystemet utenfor planlagte timer endret seg derimot ikke vesentlig, noe som tyder på at ambient skriving reduserer, men ikke eliminerer, dokumentasjon etter arbeidstid.

▶ Må kliniske AI-skribenter overholde EUs medisinsk utstyrsforordning?

Verktøy som påvirker klinisk beslutningstaking eller skriver direkte til journalen klassifiseres trolig som programvare som medisinsk utstyr under forordning 2017/745. Be leverandøren oppgi eksakt klassifisering, navn på varslet organ og hvilken klinisk dokumentasjon som ble fremlagt ved samsvarsvurderingen.

▶ Hvilke GDPR-forpliktelser gjelder når man bruker en klinisk AI-skribent i Europa?

Helsedata er en særskilt kategori under GDPR og krever eksplisitt rettslig grunnlag. Det viktigste å avklare er om leverandøren bruker pasientdata til å trene AI-modeller, og under hvilket samtykkerammeverk dette i så fall skjer. Det er et spørsmål mange leverandører besvarer uklart i standarddokumentasjonen.

▶ Hva er forskjellen mellom en AI-skribent som kun håndterer dokumentasjon og en fullverdig klinisk arbeidsflytplattform?

Et dokumentasjonsfokusert verktøy produserer konsultasjonsnotatet. En arbeidsflytplattform dekker hele møtet: kontekstinnhenting før konsultasjonen, notat, koding, henvisninger og oppfølgingskommunikasjon etterpå. Forskjellen i samlet tidsbesparelse over en arbeidsdag kan være betydelig.

▶ Hvorfor betyr journalsystemintegrasjon noe når man evaluerer AI-skribenter?

Et notat som klinikeren må kopiere og lime inn manuelt, flytter arbeidet fremfor å fjerne det. Spør leverandøren konkret om integrasjonen skriver strukturerte data til de riktige feltene, eller bare fritekst til et generisk notatfelt. Det siste gir langt dårligere datakvalitet for koding og rapportering.

▶ Hvordan bør anskaffelsesteam evaluere påstander om automatisert klinisk koding?

Feilkoding sprer seg gjennom administrative og kliniske systemer og kan få alvorlige følger for ressursplanlegging og fakturering. En medRxiv-oversikt fra januar 2025 fant at standardiserte evalueringsrammeverk for AI-assistert notatgenerering fortsatt er underutviklet. Krev uavhengig validerte nøyaktighetstall fra en europeisk klinisk setting, ikke leverandørens egne målinger.

▶ Hvilke spørsmål bør du stille en leverandør av kliniske AI-skribenter før du signerer en kontrakt?

Fire områder er kritiske: regulatorisk etterlevelse (MDR-klassifisering, varslet organ, datalagringssted), integrasjon (hvilke journalsystemer støttes direkte, strukturerte data eller fritekst), klinisk ytelse (uavhengig validerte nøyaktighetstall fra europeiske settinger) og kommersielle vilkår (datasletting ved kontraktslutt, prismodell).

▶ Hvordan bør en helseorganisasjon kjøre en meningsfull pilot av en klinisk AI-skribent?

Avtal målinger før piloten starter. Test bevisst krevende situasjoner: kompleks multimorbiditet, pasienter med aksent eller taleforskjeller, og konsultasjoner på andre språk enn det verktøyet primært er trent på. Disse scenariene avdekker svakheter som ikke synes i en kontrollert demonstrasjon.

▶ Hvordan skiller anskaffelsesprioriteringer seg mellom offentlige og private helseorganisasjoner?

Offentlige organisasjoner må forholde seg til nasjonale anskaffelsesrammeverk, datasuverenitetskrav og formelle styringskrav. Private organisasjoner har gjerne mer fleksibilitet i tidslinjer, men bør i tillegg vurdere integrasjon med private kodingsordninger for forsikringsselskaper, noe som sjelden er relevant i offentlig sektor.