Europeiska kommunala folkhälsotjänster står inför ett växande administrativt tryck. Personal inom kommunal hälso- och sjukvård, inklusive sjuksköterskor, fysioterapeuter, psykologer och socialarbetare, ägnar en allt större del av sin arbetsdag åt dokumentationsarbete snarare än direkt patientkontakt. Kommuner möter också ökade krav på strukturerad rapportering på befolkningsnivå, personalbrist och politiskt tryck att modernisera offentliga tjänster utan att störa de arbetsflöden som håller kommunala program igång. AI-dokumentationsverktyg har introducerats i denna miljö som ett potentiellt svar på dessa utmaningar. För folkhälsoadministratörer innebär beslutet att utvärdera eller testa ett sådant verktyg att navigera mellan upphandlingslagstiftning, dataskyddsregler, ny AI-lagstiftning, regler för medicintekniska produkter och klinisk styrning, alla med sina egna krav, tidslinjer och interna intressenter. Den här artikeln beskriver vad administratörer behöver förstå innan de sätter igång.

Vad AI-dokumentationsverktyg gör i ett folkhälsosammanhang

AI-dokumentationsverktyg, ibland kallade AI-medicinska assistenter eller ambient dokumentationsverktyg, fångar talade kliniska möten och omvandlar dem till strukturerade journalanteckningar. I praktiken genomför en kommunal hälsoarbetare ett patientbesök som vanligt. Verktyget lyssnar, transkriberar och genererar ett utkast till anteckning som klinikern granskar och godkänner innan den förs in i journalsystemet.

I ett kommunalt folkhälsosammanhang skiljer sig detta på ett meningsfullt sätt från hur liknande verktyg fungerar på vårdcentraler eller sjukhus. Kommunala hälsoprogram är vanligtvis på befolkningsnivå och icke-akuta: de inkluderar hemsjukvårdsbesök, uppföljningar inom psykisk hälsa, rehabiliteringssessioner, BVC-besök och hantering av kroniska sjukdomar i samhället. Dokumentationskraven tenderar att vara höga i volym, repetitiva i struktur och spridda över en utspridd personalstyrka, ofta verksam på flera platser utan konsekvent administrativt stöd.

Det praktiska värdet i denna miljö är tidsbesparing. En sex veckor lång pilot i Farsunds kommun, Norge, där tjugo anställda i tre vårdteam deltog, visade att den totala dagliga dokumentationstiden minskade från cirka tre timmar till tio till femton minuter. Verktyget testades i verkliga patientsamtal i kommunala hälsomiljöer, vilket gör det till en av få publicerade utvärderingar som genomförts specifikt inom ett europeiskt kommunalt folkhälsoprogram.

En separat storskalig observationsstudie vid Capio/Ramsay Santé-anläggningar i Sverige, som utvärderade en AI-medicinsk assistent över 375 000 journalanteckningar, fann konsekventa minskningar i självrapporterad dokumentationstid över flera vårdnivåer. Studien var förregistrerad och följde SQUIRE-rapporteringsriktlinjer, vilket gör den till en av de mer metodologiskt rigorösa verkliga utvärderingarna som finns tillgängliga.

Det är viktigt att vara tydlig med vad dessa verktyg inte gör i ett standarddokumentationssammanhang. De diagnostiserar inte, förskriver inte och genererar inga kliniska rekommendationer. De transkriberar och strukturerar vad en kliniker säger och gör under ett möte. Den distinktionen har direkta regulatoriska konsekvenser, som behandlas nedan.

EU:s AI-förordning: vilken riskklassificering gäller för folkhälsodokumentationsverktyg

EU:s AI-förordning trädde i kraft i augusti 2024 och etablerar ett nivåindelat riskklassificeringssystem för AI-system som används i EU. Att förstå var ett dokumentationsverktyg hamnar inom det ramverket är avgörande, eftersom klassificeringen avgör vilka skyldigheter som gäller, både för leverantören och för den utplacerande organisationen.

Förordningen skiljer mellan högrisk-AI-system och de som innebär lägre eller minimal risk. Högrisk-system inom hälso- och sjukvård definieras främst som de som används för diagnos, behandlingsbeslut eller kliniskt beslutsstöd som direkt påverkar patientvården. Ett AI-system som genererar kliniska rekommendationer, flaggar diagnoser eller stödjer förskrivningsbeslut kommer sannolikt att klassas som högrisk och måste uppfylla överensstämmelsekrav innan utplacering.

Ett dokumentationsverktyg som fångar och strukturerar kliniska möten utan att generera kliniska rekommendationer har en annan roll. Dess huvudsakliga funktion är administrativ: att omvandla tal till strukturerad text för klinikerns granskning. Administratörer bör be leverantörer om besked om deras verktyg har bedömts enligt EU:s AI-förordning och vilken riskklassificering som gäller, samt begära dokumentation om överensstämmelse med EU:s AI-förordning. Om leverantören hävdar en lägre riskklassificering bör administratörer begära en skriftlig motivering och verifiera att verktyget inte innehåller beslutsstödsfunktioner som skulle ändra dess klassificering.

Förordningen innebär också transparenskrav. Om AI-system interagerar med individer, inklusive patienter, måste dessa informeras. Även i ett rent dokumentationssammanhang påverkar detta hur kommuner informerar patienter om vilken teknik som används under deras besök.

GDPR-skyldigheter som gäller före, under och efter pilotprojekt

Hälsodata är en särskild kategori av data enligt artikel 9 i den allmänna dataskyddsförordningen (GDPR). För att behandla sådan data krävs inte bara en rättslig grund enligt artikel 6, utan även ett ytterligare villkor enligt artikel 9, oftast uttryckligt samtycke eller behandling som är nödvändig för tillhandahållande av hälso- eller sjukvård eller social omsorg enligt artikel 9.2(h). Kommunala folkhälsoorgan behöver fastställa vilken grund som gäller för deras specifika program och dokumentera detta innan något pilotprojekt inleds.

De viktigaste GDPR-skyldigheterna som administratörer bör hantera i varje skede av ett pilotprojekt är:

• Före pilotprojekt: Genomför en konsekvensbedömning avseende dataskydd (DPIA). Enligt artikel 35 i GDPR är en DPIA obligatorisk när behandlingen sannolikt innebär hög risk för individer, och behandling av särskild kategori av hälsodata med ny teknik uppfyller den tröskeln. DPIA:n bör identifiera riskerna, bedöma nödvändigheten och proportionaliteten av behandlingen och dokumentera de åtgärder som vidtas för att minska riskerna.

• Under pilotprojekt: Tillämpa principer om dataminimering. Verktyget bör endast behandla de data som är nödvändiga för dokumentationsfunktionen. Administratörer bör säkerställa att ljudinspelningar inte sparas längre än nödvändigt för transkribering, och att leverantören inte använder patientdata för modellträning utan uttryckligt tillstånd.

• Efter pilotprojekt och vid fortsatt användning: Upprätthåll register över behandlingsaktiviteter enligt artikel 30, säkerställ att registrerades rättigheter kan utövas (inklusive tillgång och radering), och granska databehandlingsavtalet med leverantören för att bekräfta att det speglar faktiska behandlingsrutiner.

Databehandlingsavtalet mellan kommunen och leverantören är ett avtalskrav enligt artikel 28 i GDPR. Det måste specificera ämne, varaktighet, art och syfte med behandlingen, typen av personuppgifter och kategorier av registrerade, samt den personuppgiftsansvariges och personuppgiftsbiträdets skyldigheter och rättigheter. Administratörer bör inte gå vidare till pilotprojekt utan ett undertecknat databehandlingsavtal.

Datalokalisering och suveränitet: vad europeiska kommuner måste bekräfta

För de flesta europeiska folkhälsoorgan är behandling av hälsodata utanför EU/EES inte tillåten enligt deras nationella dataskyddsregler, oavsett vad GDPR tekniskt tillåter genom överföringsmekanismer. Flera EU-medlemsstater har nationell lagstiftning som ställer strängare krav än GDPR:s baslinje, och många kommunala upphandlingspolicyer kräver uttrycklig bekräftelse av EU-datalokalisering.

Före pilotprojekt bör administratörer inhämta skriftlig bekräftelse från leverantören om följande:

• Var ljuddata behandlas (serverplats vid tidpunkten för transkribering)

• Var strukturerade anteckningar lagras och hur länge

• Om några underbiträden är involverade och var dessa är belägna

• Om någon data överförs utanför EU/EES i något skede av behandlingskedjan, inklusive för modellträning eller kvalitetssäkring

Det europeiska hälsodatarummet (EHDS), som trädde i kraft 2025, introducerar ytterligare infrastruktur för gränsöverskridande användning av hälsodata inom EU. Administratörer bör följa hur EHDS samverkar med nationella krav på datalokalisering när dess implementering fortskrider, särskilt för kommuner som driver gränsöverskridande hälsoprogram.

Leverantörer baserade i eller som använder infrastruktur i USA, Storbritannien eller andra icke-EES-länder bör specificera den rättsliga överföringsmekanism som används (till exempel standardavtalsklausuler) och bekräfta att ingen hälsodata behandlas på servrar utanför EES som en del av normal drift.

Förordning om medicintekniska produkter: när gäller den för dokumentationsverktyg

EU:s förordning om medicintekniska produkter (MDR) gäller för programvara avsedd för medicinskt syfte, inklusive diagnos, förebyggande, övervakning, förutsägelse, prognos, behandling eller lindring av sjukdom. Om ett AI-dokumentationsverktyg omfattas av MDR beror på vad programvaran faktiskt gör, inte på hur den marknadsförs.

Ett verktyg vars enda funktion är att transkribera och strukturera kliniska möten, utan att generera någon output som påverkar kliniska beslut, anses i allmänhet inte vara en medicinteknisk produkt enligt MDR. Men om ett verktyg inkluderar funktioner som att flagga kliniska avvikelser, föreslå diagnoser eller uppmana till behandlingsöverväganden, kan dessa funktioner föra det inom tillämpningsområdet.

Administratörer bör:

• Be leverantören tillhandahålla en skriftlig MDR-klassificeringsmotivering

• Verifiera om verktyget har en CE-märkning som medicinteknisk produkt, och i så fall under vilken klassificering

• Bekräfta att eventuell CE-märkning gäller för den version av verktyget som testas, inte en tidigare version

• Kontrollera om leverantören har ett kvalitetsledningssystem certifierat enligt ISO 13485, vilket krävs för tillverkare av medicintekniska produkter

MedRxiv-studien som utvärderade Tandem AI-medicinsk assistent på svenska vårdanläggningar är anmärkningsvärd eftersom det utvärderade verktyget var CE-märkt, vilket är relevant för administratörer som bedömer hur leverantörscertifiering ser ut i praktiken för denna typ av verktyg.

Offentliga upphandlingsregler och hur de formar utvärderingsprocessen

AI-dokumentationsverktyg som upphandlas av europeiska kommunala folkhälsoorgan omfattas av EU:s ramverk för offentlig upphandling enligt direktiv 2014/24/EU. Direktivet gäller över definierade ekonomiska tröskelvärden. För offentliga organ på sub-central nivå är det nuvarande tröskelvärdet för tjänstekontrakt 215 000 € (exklusive moms), även om denna siffra revideras vartannat år av Europeiska kommissionen och bör verifieras mot den senaste delegerade förordningen för att säkerställa att den är aktuell. Kontrakt över detta tröskelvärde kräver ett formellt anbudsförfarande publicerat i Europeiska unionens officiella tidning.

Under tröskelvärdet har kommuner större flexibilitet, men nationella upphandlingsregler gäller fortfarande och varierar mellan medlemsstater. I praktiken bör även upphandling under tröskelvärdet av AI-verktyg följa en dokumenterad konkurrensutsatt process för att uppfylla revisionskrav och visa att man får valuta för pengarna.

När man skriver tekniska specifikationer för ett AI-dokumentationsverktyg bör administratörer undvika så snäva krav att de i praktiken beskriver en enskild leverantörs produkt, eftersom detta är förbjudet enligt direktivet. Istället bör specifikationerna beskriva funktionella krav (till exempel realtidstranskribering på relevant språk, strukturerad output kompatibel med det befintliga journalsystemet, EU-datalokalisering) och efterlevnadskrav (till exempel GDPR-efterlevnad, dokumentation om överensstämmelse med EU:s AI-förordning, ISO 27001-certifiering).

Avtalsvillkor bör inkludera:

• Tydliga bestämmelser om dataägarskap som bekräftar att all patientdata och genererade anteckningar förblir kommunens eller den relevanta hälsomyndighetens egendom

• Exitbestämmelser som tillåter kommunen att hämta sin data och byta till en alternativ leverantör utan orimlig kostnad eller teknisk inlåsning

• Revisionsrättigheter som ger kommunen möjlighet att verifiera efterlevnad av databehandlingsskyldigheter under kontraktstiden

OECD har noterat att de flesta EU-hälsosystem saknar särskilda ersättningsstrukturer för AI-verktyg, och har lyft fram kollektiva inköpsmodeller, såsom fem nederländska sjukhus som slår samman resurser för att utvärdera AI-system, som en mekanism för rättvis utplacering. Kommuner som överväger gemensam upphandling med närliggande myndigheter eller regionala hälsoorgan bör bedöma om denna modell kan minska utvärderingskostnader och stärka deras förhandlingsposition.

De praktiska frågor administratörer ställer innan pilotprojekt

Baserat på dokumenterade utvärderingar och upphandlingsvägledning är de operativa och styrningsfrågor som oftast tas upp innan ett pilotprojekt godkänns:

• Vem äger outputdata? De strukturerade anteckningar som genereras av verktyget är journalanteckningar. Ägarskap och förvaltarskap måste vara otvetydigt reglerat i kontraktet.

• Vad händer om verktyget gör ett fel? Klinikern som granskar och godkänner anteckningen behåller det kliniska och juridiska ansvaret. Administratörer bör säkerställa att detta är tydligt i leverantörsavtalet och att verktyget inte presenterar output på ett sätt som kan minska klinikerns vaksamhet vid granskning.

• Hur hanteras patientsamtycke? Patienter måste informeras om att ett AI-verktyg används under deras besök. Administratörer behöver en tydlig, dokumenterad process för att informera och registrera detta.

• Hur hanteras personalsamtycke? Personal vars röster fångas av verktyget är också registrerade. Deras rättigheter enligt GDPR gäller, och deras samtycke eller annan rättslig grund måste fastställas.

• Vilka revisionsspår krävs? Klinisk styrning kräver att det är möjligt att rekonstruera vad som hände under ett möte och vem som godkände den resulterande anteckningen. Administratörer bör bekräfta vilka loggar verktyget upprätthåller och hur länge de sparas.

• Hur interagerar verktyget med det befintliga journalsystemet? Integrationskrav varierar avsevärt. Vissa verktyg exporterar strukturerad text som måste importeras manuellt. Andra integreras direkt via applikationsprogrammeringsgränssnitt (API). Integrationsmodellen påverkar både arbetsflödesdesign och datasäkerhetsbedömning.

En peer-granskad studie om upphandling av hälsoteknik i svenska kommuner fann att strukturerad användning av evidens i upphandlings- och utvärderingsbeslut är inkonsekvent, och att befintlig nationell vägledning är otillräcklig för att stödja kommuner i att fatta välgrundade beslut. Detta understryker vikten av att bygga intern utvärderingskapacitet snarare än att enbart förlita sig på leverantörens evidens.

Hur man strukturerar ett lågriskpilotprojekt i ett kommunalt hälsoprogram

Ett väldefinierat pilotprojekt minskar regulatorisk exponering, genererar användbar evidens och skapar en grund för ett försvarbart utplaceringsbeslut. Följande element kännetecknar en lågrisk pilotdesign:

• Definierad omfattning: Begränsa pilotprojektet till ett specifikt vårdteam, program eller plats. Ett enskilt kommunalt omvårdnadsteam eller ett uppföljningsprogram för psykisk hälsa är mer hanterbart än en kommunövergripande utrullning.

• Definierad varaktighet: Sex till tolv veckor är tillräckligt för att generera meningsfull data om dokumentationstid, personalupplevelse och anteckningskvalitet. Farsunds kommuns pilotprojekt pågick i sex veckor och gav tydliga, kvantifierbara resultat.

• Förhandsinställda framgångskriterier: Definiera i förväg hur ett framgångsrikt pilotprojekt ser ut. Relevanta mått inkluderar dokumentationstid per besök, personalrapporterade användbarhetsskattningar, felfrekvenser i genererade anteckningar och patientåterkoppling om upplevelsen av att ha verktyget närvarande.

• Styrningsgodkännanden: Innan pilotprojektet startar, erhåll skriftligt godkännande från dataskyddsombudet (DPIA slutförd), upphandlingsansvarig (kontrakt och databehandlingsavtal på plats) och den kliniska ledaren (kliniskt styrningsramverk överenskommet). Dokumentera dessa godkännanden.

• Personalutbildning: Säkerställ att all deltagande personal förstår hur verktyget fungerar, vilka granskningsansvar de har och hur man rapporterar fel eller bekymmer. WHO/Europa-rapporten om AI inom hälso- och sjukvård, den första omfattande översynen över alla 27 EU-medlemsstater, identifierar personalutbildning och AI-kompetens som bland de mest avgörande faktorerna för framgångsrik AI-utplacering.

• Patientkommunikation: Förbered en tydlig förklaring på lättbegripligt språk för patienter om verktygets närvaro och syfte. Detta bör vara tillgängligt på de språk som talas av den patientpopulation som betjänas.

• Exitplan: Definiera vad som händer med data, anteckningar och åtkomsträttigheter om pilotprojektet avbryts eller leverantörsrelationen upphör innan full utplacering.

Leverantörsbedömning: vad man ska leta efter bortom försäljningsargumentet

Följande attribut bör verifieras oberoende och inte accepteras enbart utifrån marknadsföringsmaterial:

• ISO 27001-certifiering: Detta är den internationella standarden för informationssäkerhetshantering. Begär det aktuella certifikatet och verifiera att dess omfattning täcker de system som används för att behandla hälsodata.

• GDPR-databehandlingsavtal: Detta måste finnas på plats innan någon data delas. Granska det mot artikel 28-kraven och säkerställ att det speglar de faktiska behandlingsaktiviteterna.

• Dokumentation om överensstämmelse med EU:s AI-förordning: Be om leverantörens skriftliga riskklassificeringsbedömning och eventuell överensstämmelsedokumentation som krävs enligt deras klassificeringsnivå.

• Medicinteknisk produktstatus: Om verktyget har en CE-märkning som medicinteknisk produkt, begär försäkran om överensstämmelse och verifiera det anmälda organ som är involverat.

• Bekräftelse av datalokalisering: Erhåll skriftlig bekräftelse av var data behandlas och lagras i varje skede, inklusive underbiträden.

• Transparens kring modellträning: Fråga uttryckligen om patientdata från din utplacering kommer att användas för att träna eller finjustera modellen. Om så är fallet, vad är den rättsliga grunden och kan du välja bort?

• Evidens från jämförbara miljöer: Begär referenser eller publicerad evidens från utplaceringar i offentlig sektor eller kommunala hälsomiljöer i Europa. Peer-granskade eller förregistrerade studier väger tyngre än interna fallstudier.

• Språkkapacitet: Bekräfta att verktyget fungerar korrekt på det eller de språk som används av din kliniska personal, inklusive regionala dialekter eller klinisk terminologi specifik för ditt nationella hälsosystem.

En crossover-randomiserad kontrollerad studie som utvärderar AI-assisterad klinisk kodning i Sverige och Norge, genomförd av Norsk senter for e-helseforskning, ger en användbar metodologisk referens för rigorös utvärderingsstudiedesign, även om det bör noteras att bedömning av klinisk kodning skiljer sig från utvärdering av ambient dokumentationsverktyg. Administratörer kan använda studiens metodologi som riktmärke när de bedömer kvaliteten på den evidens leverantörer presenterar för deras specifika användningsfall.

En begränsning i den nuvarande evidensbasen är värd att notera: de flesta publicerade utvärderingarna av AI-dokumentationsverktyg förlitar sig på självrapporterade resultat såsom upplevda tidsbesparingar eller användbarhetsskattningar. Objektiv mätning av dokumentationskvalitet, felfrekvenser och nedströms kliniska resultat är fortfarande begränsad. Administratörer bör väga leverantörspåståenden därefter och, där det är möjligt, bygga in objektiv mätning i sin egen pilotdesign.

Att bygga det interna ärendet: samordna upphandlings-, juridik- och kliniska team

AI-dokumentationsverktyg befinner sig i skärningspunkten mellan minst fyra regulatoriska ramverk (GDPR, EU:s AI-förordning, MDR och offentlig upphandlingslagstiftning) och kräver vanligtvis godkännande från minst tre interna funktioner: upphandling, juridik/dataskydd och klinisk ledning. I kommunala miljöer arbetar dessa funktioner kanske inte rutinmässigt tillsammans, och var och en kan ha olika huvudfrågor.

Ett praktiskt tillvägagångssätt för intern samordning innebär:

• Börja med dataskyddsombudet. DPIA:n är en förutsättning för varje pilotprojekt som involverar särskild kategori av hälsodata. Att involvera dataskyddsombudet tidigt, innan leverantörsval, undviker den vanliga situationen där en föredragen leverantör identifieras och sedan misslyckas med dataskyddsbedömningen.

• Rama in det kliniska ärendet i operativa termer. Kliniska ledare engagerar sig lättare i ett förslag som fokuserar på minskad dokumentationsbörda och tidsbesparing än ett som handlar om teknikadoption. Evidensen från Farsund och den svenska multisitestudien ger konkreta siffror som kan förankra diskussionen.

• Ge upphandling det regulatoriska sammanhang de behöver. Upphandlingsteam är kanske inte bekanta med EU:s AI-förordning eller MDR. Att tillhandahålla en tydlig sammanfattning av vilka skyldigheter som gäller, och vilka som är leverantörens ansvar kontra kommunens, hjälper upphandling att skriva specifikationer och utvärdera anbud korrekt.

• Dokumentera varje beslut. I en reglerad upphandlingsmiljö är revisionsspåret viktigt. Varje beslut (att fortsätta, att pausa, att utesluta en leverantör) bör dokumenteras med motivering.

Norges nationella AI-plan för hälso- och sjukvård, ledd av Helsedirektoratet, syftar uttryckligen till att skala AI över både kommunal och specialistvård, och inkluderar verkliga utplaceringar såsom Vestre Viken helseforetaks AI-utrullning som betjänar 22 kommuner och cirka 500 000 människor. Detta åtagande på nationell nivå ger en användbar referenspunkt för kommunala administratörer som vill bygga internt stöd för utvärdering. Det visar att AI-dokumentationsverktyg tas på allvar på policynivå och inte betraktas som experimentella.

Hur bra utvärdering ser ut: framväxande standarder över Europa

Över Europa utvecklas fortfarande tillvägagångssättet för att utvärdera AI-dokumentationsverktyg i folkhälsomiljöer. Det finns ingen enskild överenskommen standard, men flera ramverk och initiativ formar hur bra utvärdering ser ut.

Europeiska kommissionens SHAIPED-projekt, lanserat i mars 2025, pilottestar AI-modellutveckling och validering med hjälp av HealthData@EU-infrastrukturen. Detta gränsöverskridande initiativ bygger gemensam infrastruktur för att utvärdera AI inom hälso- och sjukvård i stor skala, relevant för kommuner som vill anpassa sina utvärderingsmetoder till framväxande standarder på EU-nivå.

WHO/Europa-rapporten publicerad i april 2026, baserad på data insamlad från alla 27 EU-medlemsstater mellan juni 2024 och mars 2025, fann att 81 procent av medlemsstaterna aktivt involverar intressenter i AI-styrning och att majoriteten redan implementerar AI-verktyg i kliniska miljöer. Den pekar ut behovet av strukturerade utvärderingsramverk och AI-kompetens för arbetskraften som prioriterade områden i regionen.

För kommunala administratörer finns utvärderingsramverk tillgängliga men de är ännu inte standardiserade. De mest trovärdiga tillvägagångssätten delar flera egenskaper:

• Förregistrering av utvärderingsprotokoll (som i den svenska multisitestudien av scribe)

• Användning av validerade användbarhetsinstrument tillsammans med tidsbaserade mått

• Inkludering av patientupplevelsedata, inte bara personalupplevelse

• Oberoende eller tredjepartsgranskning av leverantörens evidens

• Transparent rapportering av negativa fynd eller begränsningar tillsammans med positiva resultat

Det öppna källkodsverktyget Berta för dokumentation, utplacerat på 105 urbana och rurala anläggningar av 198 akutläkare mellan november 2024 och juli 2025, representerar en modell för transparent utvärdering. Dess utvecklings- och utplaceringsmetodologi är offentligt dokumenterad, vilket möjliggör extern granskning. Även om öppna källkodsverktyg innebär sina egna styrningsutmaningar, erbjuder transparensen i deras utvärderingsmetod en värdefull referenspunkt.

Administratörer som bygger egna utvärderingsramverk bör också följa vägledning från sina nationella hälsomyndigheter och dataskyddsmyndigheter, som allt oftare publicerar AI-specifik vägledning. Den regulatoriska miljön är föränderlig: vad som är bästa praxis i mitten av 2026 kan ersättas av ny vägledning inom de kommande tolv till arton månaderna. Utvärderingsramverk bör utformas för att kunna anpassas till denna utveckling.

Vanliga frågor

Vad gör AI-dokumentationsverktyg faktiskt under ett kommunalt hälsobesök?

Ett AI-dokumentationsverktyg lyssnar på ett patientbesök, transkriberar mötet och genererar ett utkast till journalanteckning. Klinikern granskar och godkänner anteckningen innan den förs in i journalsystemet. Verktyget diagnostiserar inte, förskriver inte och genererar inga kliniska rekommendationer. Dess funktion är administrativ: att omvandla tal till strukturerad text för klinikerns granskning.

Vilken evidens finns för tidsbesparingar i kommunala folkhälsomiljöer?

Ett sex veckor långt pilotprojekt i Farsunds kommun, Norge, där tjugo anställda i tre vårdteam deltog, visade att den totala dagliga dokumentationstiden minskade från cirka tre timmar till tio till femton minuter. En separat storskalig observationsstudie vid Capio/Ramsay Santé-anläggningar i Sverige, som utvärderade en AI-medicinsk assistent över 375 000 journalanteckningar, fann konsekventa minskningar i självrapporterad dokumentationstid över flera vårdnivåer. Studien var förregistrerad och följde SQUIRE-rapporteringsriktlinjer. De flesta publicerade utvärderingarna bygger på självrapporterade resultat, så administratörer bör där det är möjligt inkludera objektiv mätning i sin egen pilotdesign.

Klassificerar EU:s AI-förordning dokumentationsverktyg som högrisk?

EU:s AI-förordning, som trädde i kraft i augusti 2024, klassificerar AI-system som används för diagnos, behandlingsbeslut eller kliniskt beslutsstöd som högrisk. Ett dokumentationsverktyg vars enda funktion är att transkribera och strukturera kliniska möten utan att generera kliniska rekommendationer har en annan klassificering. Administratörer bör be leverantörer om en skriftlig riskklassificeringsmotivering och verifiera att verktyget inte innehåller beslutsstödsfunktioner som skulle föra det till högrisk-kategorin.

Vilka GDPR-skyldigheter gäller innan ett pilotprojekt börjar?

Hälsodata är en särskild kategori av data enligt artikel 9 i den allmänna dataskyddsförordningen. Innan något pilotprojekt måste kommuner genomföra en konsekvensbedömning avseende dataskydd, vilket är obligatoriskt enligt artikel 35 vid behandling av särskild kategori av hälsodata med ny teknik. Ett undertecknat databehandlingsavtal med leverantören, som krävs enligt artikel 28, måste också finnas på plats innan någon data delas. Administratörer bör fastställa den rättsliga grunden för behandling och dokumentera detta innan pilotprojektet startar.

Hur bekräftar kommuner att patientdata stannar inom EU?

Administratörer bör inhämta skriftlig bekräftelse från leverantören om var ljuddata behandlas vid transkribering, var strukturerade anteckningar lagras och hur länge, om några underbiträden är involverade och var de är belägna, samt om någon data överförs utanför EU eller EES i något skede, inklusive för modellträning eller kvalitetssäkring. Leverantörer som använder infrastruktur utanför EES bör specificera den rättsliga överföringsmekanism som används, såsom standardavtalsklausuler.

När gäller EU:s förordning om medicintekniska produkter för ett AI-dokumentationsverktyg?

EU:s förordning om medicintekniska produkter gäller för programvara avsedd för medicinskt syfte, inklusive diagnos, övervakning eller behandling. Ett verktyg vars enda funktion är att transkribera och strukturera kliniska möten, utan att generera någon output som påverkar kliniska beslut, anses i allmänhet inte vara en medicinteknisk produkt. Om ett verktyg inkluderar funktioner som att flagga kliniska avvikelser eller föreslå diagnoser kan dessa funktioner föra det inom tillämpningsområdet. Administratörer bör be leverantören om en skriftlig motivering för klassificering enligt förordningen om medicintekniska produkter och verifiera om verktyget har en CE-märkning som medicinteknisk produkt.

Vilka upphandlingsregler gäller när en kommun köper ett AI-dokumentationsverktyg?

AI-dokumentationsverktyg som upphandlas av europeiska kommunala folkhälsoorgan omfattas av EU:s ramverk för offentlig upphandling enligt direktiv 2014/24/EU. För subcentrala offentliga organ är det nuvarande tröskelvärdet för tjänstekontrakt 215 000 € exklusive moms, även om denna siffra revideras periodiskt och bör verifieras mot den senaste delegerade förordningen. Kontrakt över detta tröskelvärde kräver ett formellt anbudsförfarande. Under tröskelvärdet gäller fortfarande nationella upphandlingsregler. Tekniska specifikationer bör beskriva funktionella och efterlevnadskrav snarare än en enskild leverantörs produkt, vilket är förbjudet enligt direktivet.

Vem är ansvarig om en AI-genererad journalanteckning innehåller ett fel?

Klinikern som granskar och godkänner anteckningen behåller det kliniska och juridiska ansvaret. Administratörer bör säkerställa att detta är tydligt i leverantörsavtalet och att verktyget inte presenterar output på ett sätt som kan minska klinikerns vaksamhet vid granskning. Revisionsspåret, inklusive loggar över vem som godkände varje anteckning och när, bör bekräftas med leverantören innan pilotprojektet startar.

Hur bör en kommun strukturera ett lågriskpilotprojekt?

Ett väldefinierat pilotprojekt begränsar omfattningen till ett specifikt vårdteam eller plats, pågår i sex till tolv veckor och definierar framgångskriterier i förväg. Relevanta mått inkluderar dokumentationstid per besök, personalrapporterade användbarhetsskattningar, felfrekvenser i genererade anteckningar och patientåterkoppling. Innan pilotprojektet startar behövs skriftligt godkännande från dataskyddsombudet, upphandlingsansvarig och den kliniska ledaren. Personalutbildning, en tydlig patientkommunikationsprocess och en dokumenterad exitplan bör alla finnas på plats innan någon data behandlas.

Vad bör administratörer verifiera oberoende när de bedömer en leverantör?

Administratörer bör verifiera ISO 27001-certifiering och säkerställa att dess omfattning täcker de system som används för att behandla hälsodata. De bör granska GDPR-databehandlingsavtalet mot artikel 28-krav, begära dokumentation om överensstämmelse med EU:s AI-förordning och bekräfta status som medicinteknisk produkt om en CE-märkning hävdas. Skriftlig bekräftelse av datalokalisering i varje skede av behandlingen, inklusive underbiträden, är avgörande. Administratörer bör också fråga uttryckligen om patientdata kommer att användas för att träna eller finjustera modellen, och begära evidens från utplaceringar i jämförbara europeiska offentliga sektormiljöer.