AI-stödd klinisk dokumentation i europeiska tandvårdskliniker

Klinisk dokumentation har alltid varit en del av tandvårdspraktiken, men den administrativa bördan har ökat. Tandläkare dokumenterar tandspecifika fynd, registrerar parodontala mätningar, skriver behandlingsanteckningar och tillämpar kliniska koder. Enligt en branschuppskattning kan tandläkare lägga 10 timmar per vecka enbart på dokumentation. Den tiden tas direkt från patientvården. Om man multiplicerar 15 minuters administration efter varje besök med 20 patienter per dag blir problemets omfattning tydlig. AI-assisterade verktyg för klinisk dokumentation väcker stort intresse hos tandvårdspraktiker över hela Europa som ett konkret svar på en väldokumenterad operativ belastning.

Vad AI-assisterad klinisk dokumentation gör i en tandvårdsmiljö

En dokumentationsassistent lyssnar på samtalet mellan kliniker och patient under eller efter ett tandvårdsbesök och använder ljudet för att generera en strukturerad journalanteckning. Tandläkaren granskar och godkänner sedan anteckningen innan den sparas i journalsystemet. AI:n skriver utkastet. Tandläkaren avgör.

Det finns olika nivåer av funktionalitet på marknaden:

• Tal-till-text-transkribering omvandlar talade ord till råtext men lämnar klinikern att organisera, redigera och strukturera allt manuellt.

• Allmänna AI-medicinska assistenter tillför struktur men förstår kanske inte tandvårdsspecifik terminologi, tandnotationssystem eller hur tandläkare diskuterar samtycke och behandlingsplanering.

• Tandvårdsspecifika dokumentationsassistenter genererar strukturerade anteckningar med tandvårdsvokabulär, kan föreslå relevanta kliniska koder och stödjer i mer avancerade lösningar även mallar, vårdplaner, patientbrev och remisser.

De mest användbara systemen går bortom själva anteckningen och stödjer det som sker runt den: behandlingsval, patientriktade dokument, utbildningsmaterial och klinisk granskning. I ansvarsfullt utformade lösningar förblir kopieringskontroller dolda tills klinikern har bekräftat att anteckningen är korrekt och fullständig, vilket förstärker klinikerns ansvar genom hela arbetsflödet.

En studie utvärderade ett modulärt LLM-system (large language model, en typ av stor språkmodell) för att skapa standardiserade journalanteckningar från ljudinspelningar vid behandlingsstolen inom parodontologi, ortodonti och protetik. Över 100 avidentifierade polikliniska inspelningar visade att det evidensförstärkta systemet var metodologiskt genomförbart, med AI-genererade poäng som korrelerade med mänskliga expertbedömningar vid r = 0,823.

Hur tandvårdspraktiker över hela Europa börjar införa dessa verktyg

Införandet av dokumentationsassistenter i europeiska tandvårdspraktiker är verkligt men ojämnt. Det är praktiklett snarare än systemdrivet, med spridning främst till privata tandvårdskliniker och specialistpraktiker snarare än offentliga tandvårdstjänster.

I Storbritannien accelererade införandet av tandvårds-AI under 2025, med en betydande andel praktiker som nu använder validerade digitala verktyg tillsammans med praktikhanteringssystem. Välkända produkter på den brittiska marknaden inkluderar Kiroku, DigitalTCO och Heidi, som alla har olika tillvägagångssätt för arbetsflödesintegration.

I kontinentala Europa är bilden mer fragmenterad. Det heterogena landskapet av praktikhanteringssystem och den flerspråkiga kliniska miljön inom EU:s medlemsstater skapar en situation som skiljer sig markant från Storbritannien eller USA. De flesta AI-dokumentationsverktyg utvecklades ursprungligen på engelska, och tandvårdsterminologi tillför ytterligare komplexitet vid flerspråkig implementering. Tandvårdsvokabulär omfattar mycket specifika notationssystem, materialnamn och procedurtermer som allmänna verktyg ofta har svårt att hantera tillförlitligt.

Integration med befintliga praktikhanterings- och journalsystem är fortfarande en praktisk barriär i många miljöer. Tandvårds- och journalsystem är i stort sett isolerade i de flesta europeiska hälsosystem, vilket begränsar interoperabiliteten som skulle möjliggöra att AI-verktyg fungerar i integrerade vårdarbetsflöden.

Vad tidiga bevis visar om tidsbesparingar och anteckningskvalitet

De mest rigorösa europeiska verkliga bevisen för AI-assisterad klinisk dokumentation kommer från en storskalig studie inom det svenska hälsosystemet. Studien omfattade över 375 000 journalanteckningar skapade av 1 295 kliniker hos Capio, Nordens största privata vårdgivare. Den fann att uppskattad tid som lades på dokumentation per anteckning minskade från 6,69 minuter till 4,72 minuter, en minskning med 29 procent (p<.001). Den mixade metodstudien inkluderade även en enkät bland 177 fullt introducerade kliniker, ansvariga för över 60 000 anteckningar, som fångade utövarnas rapporterade erfarenheter tillsammans med den kvantitativa datan.

Denna studie är betydelsefull som riktmärke, men en viktig begränsning gäller: den täcker primärvård, specialistvård och slutenvård över flera specialiteter och fokuserar inte specifikt på tandvård. Tandvårdsspecifik, peer-granskad evidens i jämförbar skala är fortfarande begränsad. En systematisk översikt av AI-tillämpningar inom tandvård som täcker 2019 till 2024 noterade att små urvalsstorlekar påverkar generaliserbarheten i befintlig tandvårds-AI-forskning.

Vad tandvårdsspecifika studier visar är att de tekniska utmaningarna är verkliga. En studie i Journal of Dental Research från 2024 utvärderade noggrannheten hos automatisk taligenkänning (ASR, automatic speech recognition) för ortodontiska journalanteckningar. Den bäst presterande lösningen uppnådde en domänordfelfrekvens på 3,5 procent, men kliniskt signifikanta fel förekom i alla testade system, från 2 till 66 procent beroende på förhållanden. Bakgrundsbuller ökade felfrekvensen, och alla system var mindre noggranna med teknisk tandvårdsvokabulär än med allmänt språk. Studien drog slutsatsen att verifiering av journalanteckningar är avgörande när man använder nuvarande ASR-system, vilket understryker vikten av klinikergranskning innan någon AI-genererad anteckning sparas.

Strukturerade anteckningar och klinisk kodning: där AI tillför mest värde

Utöver rena tidsbesparingar erbjuder dokumentationsassistenter en tydlig fördel vad gäller anteckningskonsekvens och struktur. Manuell anteckningsföring är benägen för fel och variation, och ofullständiga eller felaktiga journaler medför regelefterlevnads- och juridiska risker, inklusive konsekvenser för försäkringsanspråk och revisionsberedskap.

Strukturerade journalanteckningar, det vill säga journaler med konsekventa fält som täcker presenterat klagomål, undersökningsfynd, diagnos, utförd behandling och uppföljning, är viktiga av flera skäl:

• Kontinuitet i vården: Konsekventa journalformat gör att vilken kliniker som helst som tar över en patient kan förstå den kliniska historiken snabbt och korrekt.

• Revisionsberedskap: Tillsynsmyndigheter och ansvarsförsäkrare förväntar sig fullständiga, aktuella journaler. AI-genererade mallar hjälper till att systematiskt uppfylla den standarden.

• Remisskvalitet: Strukturerade anteckningar kan enklare omvandlas till remissbrev och Advice and Guidance-förfrågningar, vilket minskar tiden som läggs på att omformatera information.

• Klinisk kodningsnoggrannhet: AI-verktyg som föreslår relevanta SNOMED CT- eller ICD-koder baserat på besöksinnehållet minskar risken för kodningsfel och utelämnanden.

Evidensbasen för AI-stödd kodning inom tandvård utvecklas fortfarande, men datakvalitets- och standardiseringsbrister i befintliga tandvårdsjournalsystem är väldokumenterade. En studie från 2025 som bedömde tandvårdsjournalsystems beredskap för maskininlärning fann att brister i diagnostisk kodning och datastandardisering direkt begränsade den prediktiva modellernas noggrannhet. Studien visade att förbättrad diagnostisk kodning och datastandardisering skulle stärka AI-drivna kliniska verktyg över hela linjen. Dokumentationsassistenter som genererar strukturerade, kodade journaler från besökstillfället bidrar direkt till att åtgärda denna brist.

Medicinteknisk produktreglering: vad klassificering innebär för tandvårds-AI-verktyg

Om ett AI-dokumentationsverktyg klassas som medicinteknisk produkt beror på dess avsedda syfte. EU:s medicintekniska produktförordning (MDR) klassificerar AI-verktyg som påverkar kliniska beslut som medicintekniska produkter, vilket kräver bedömning av överensstämmelse och CE-märkning innan implementering i kliniska miljöer.

För tandläkare som utvärderar AI-dokumentationsverktyg är de praktiska konsekvenserna följande:

• Ett verktyg som enbart transkriberar tal till text utan att påverka kliniska beslut kan falla utanför MDR:s tillämpningsområde.

• Ett verktyg som genererar journalanteckningar, föreslår diagnoser eller rekommenderar behandlingsalternativ är mer sannolikt att klassificeras som medicinteknisk produkt och måste ha CE-märkning för att lagligt kunna användas i EU.

• Leverantören bör kunna tillhandahålla dokumentation av verktygets MDR-klassificering, dess avsedda syfte enligt den regulatoriska definitionen och dess CE-märkningsstatus.

I Storbritannien reglerar Medicines and Healthcare products Regulatory Agency (MHRA) programvara som medicinteknisk produkt. UK-registrerade tjänster inom tandvårdsområdet har UK MDR Class I-registrering samt NHS Data Security and Protection Toolkit Standards Met-status och Cyber Essentials-certifiering. MHRA lanserade en Call for Evidence om reglering av AI inom hälso- och sjukvård i december 2025, vilket speglar den föränderliga regulatoriska miljön.

EU:s AI-förordning, i kraft sedan augusti 2024, lägger till ytterligare ett lager: AI-system som används i medicinska sammanhang klassas som högrisk, vilket kräver transparens, mänsklig tillsyn och kontinuerlig övervakning. Tandläkare behöver inte bli regulatoriska experter, men de behöver ställa rätt frågor till leverantörer innan implementering.

GDPR-skyldigheter vid användning av AI-dokumentationsverktyg i en tandvårdspraktik

Patientdata som genereras under tandvårdsbesök är särskilda kategorier av personuppgifter enligt den allmänna dataskyddsförordningen (GDPR, General Data Protection Regulation). När ett AI-dokumentationsverktyg behandlar dessa uppgifter, genom att lyssna på ett patientsamtal, generera en anteckning eller lagra en transkription, agerar tandvårdspraktiken som personuppgiftsansvarig och leverantören som personuppgiftsbiträde. De viktigaste skyldigheterna är:

• Rättslig grund: Behandling av särskilda kategorier av hälsodata kräver uttryckligt patientsamtycke eller annan rättslig grund enligt artikel 9 GDPR. Tandläkare bör säkerställa att deras samtyckesprocess uttryckligen omfattar AI-assisterad dokumentation.

• Personuppgiftsbiträdesavtal: Ett skriftligt personuppgiftsbiträdesavtal måste finnas med varje AI-leverantör som behandlar patientdata för praktikens räkning.

• Datalokalisering: Patientdata måste behandlas och lagras inom EU (eller Storbritannien, efter Brexit, enligt UK GDPR) om inte adekvata skyddsåtgärder finns. Tandläkare bör fråga leverantörer uttryckligen var data lagras och behandlas. Datalokalisering inom EU är ett icke-förhandlingsbart krav för EU-baserade praktiker.

• Patienttransparens: Patienter har rätt att informeras om hur deras data behandlas, inklusive av AI-system. Integritetspolicyer bör uppdateras därefter.

• Det europeiska hälsodatautrymmet (EHDS, European Health Data Space), som trädde i kraft 2025, reglerar hur hälsodata delas mellan EU:s medlemsstater och kommer alltmer att påverka hur tandvårdsjournaler kan nås och överföras.

En narrativ översikt i Journal of Dentistry från 2025 som behandlar juridiska ramverk och integritetsbevarande tekniker för AI inom tandvård bekräftade att tandvårdspatientdata, inklusive journaler, röntgenbilder och intraorala skanningar, omfattas av GDPR, EU:s AI-förordning och EHDS. Ansvarsfull implementering kräver både tekniska skyddsåtgärder och regulatorisk efterlevnad. Översikten betonade att avidentifiering och integritetsbevarande tekniker är avgörande för efterlevnad vid multi-institutionell dataanvändning.

Vad man ska leta efter när man utvärderar en dokumentationsassistent som tandläkare

Innan man inför något AI-dokumentationsverktyg bör tandläkare genomföra en strukturerad due diligence. Följande frågor ger ett praktiskt ramverk.

Regulatorisk status

• Vad är verktygets MDR-klassificering, och har det CE-märkning (EU) eller UK MDR-registrering?

• Kan leverantören tillhandahålla sin försäkran om överensstämmelse?

• Uppfyller verktyget EU:s AI-förordnings krav för högrisk-system, inklusive mänsklig tillsyn och transparens?

Datasäkerhet och integritet

• Var lagras och behandlas patientdata? Är det inom EU eller Storbritannien?

• Finns ett personuppgiftsbiträdesavtal tillgängligt?

• Vilka certifieringar har leverantören, såsom ISO 27001, NHS Data Security and Protection Toolkit eller Cyber Essentials?

Klinisk noggrannhet och tandvårdsterminologi

• Hur presterar verktyget på tandvårdsspecifik vokabulär, inklusive tandnotation, materialnamn och procedurtermer?

• Vad är leverantörens publicerade eller oberoende verifierade ordfelfrekvens för tandvårdsinnehåll?

• Flaggar systemet osäkerhet eller utdata med låg konfidens för klinikergranskning?

Arbetsflödesintegration

• Integrerar verktyget med det praktikhanteringssystem som redan används?

• Stödjer det de journalanteckningsformat och kodningsstandarder som krävs i det relevanta landet eller hälsosystemet?

• Kan det generera patientbrev, remisser och vårdplaner, eller endast besöksanteckningar?

Klinikertillsyn

• Kräver verktyget uttrycklig klinikergranskning och godkännande innan en anteckning sparas?

• Finns det ett tydligt revisionsspår som visar vem som granskade och godkände varje journal?

Tandvårdsorganisationer som American Dental Association, World Dental Federation och ISO TC106 utvecklar valideringsriktmärken för AI inom tandvård, vilket så småningom kommer att ge en mer standardiserad grund för att jämföra verktyg. Dessa riktmärken är ännu inte färdigställda.

Den realistiska utsikten: vart AI-klinisk dokumentation inom tandvård är på väg

Den globala tandvårds-AI-marknaden värderades till 459,6 miljoner dollar 2024 och förväntas nå 3,26 miljarder dollar 2034, vilket motsvarar en årlig tillväxttakt på 21,78 procent enligt oberoende marknadsforskningsuppskattningar. Den tillväxten speglar en kombination av verkligt kliniskt värde, ökad regulatorisk tydlighet och växande krav från utövare på verktyg som minskar administrativ belastning utan att kompromissa med journalkvaliteten.

För klinisk dokumentation specifikt går utvecklingen mot djupare träning på tandvårdsvokabulär, tätare integration med praktikhanteringssystem och en starkare evidensbas från tandvårdsspecifika studier. Interoperabilitetsutmaningen mellan tandvårds- och medicinska journaler adresseras också aktivt. Forskning om algoritmiska ramverk för att länka journalsystem och elektroniska tandvårdsjournaler har visat högfidelitetslänkning i stor skala, vilket ger en grund för framtida kliniska beslutsstödssystem som verkar över båda domänerna.

Teknikens nuvarande position motiverar en nykter bedömning. Bevis på tidsbesparingar och förbättrad anteckningskvalitet är lovande, men den starkaste datan kommer från multispecialitetsstudier snarare än tandvårdsspecifika försök. Automatisk taligenkänningsnoggrannhet på tandvårdsterminologi, även om den förbättras, ger fortfarande kliniskt signifikanta fel som kräver mänsklig verifiering. Den regulatoriska miljön, som omfattar MDR, EU:s AI-förordning, GDPR och EHDS, utvecklas fortfarande, vilket innebär att leverantörers efterlevnad kommer att behöva omvärderas när kraven klargörs.

Praktiker som redan nu gör en strukturerad utvärdering, testar verktyg mot sina specifika arbetsflöden, ställer rätt regulatoriska frågor och etablerar robusta samtyckes- och tillsynsprocesser, kommer att vara bättre positionerade när tekniken mognar och evidensbasen fördjupas.

En praktisk utgångspunkt för tandläkare som överväger AI-dokumentation

AI-assisterad klinisk dokumentation är ett trovärdigt och praktiskt användbart alternativ för att minska dokumentationsbördan i tandvårdspraktiken. Grunderna för ansvarsfullt införande är väl definierade: förstå MDR-statusen för varje verktyg som utvärderas, bekräfta GDPR-efterlevnad och datalokalisering inom EU, verifiera noggrannheten på tandvårdsspecifik terminologi och säkerställa att klinikergranskning alltid är det sista steget innan någon anteckning sparas i journalsystemet.

Evidensbasen är ännu inte lika djup för tandvård som för primär- eller specialistsjukvård, och det regulatoriska landskapet fortsätter att utvecklas. Kärnproblemet – att dokumentation tar för mycket tid och skapar för mycket variation – är verkligt, väldokumenterat och osannolikt att lösas utan strukturell förändring. AI-assisterad dokumentation är ett av de mest direkta svaren på det problemet.

Vanliga frågor

▶ Hur mycket tid kan AI-assisterad klinisk dokumentation spara en tandläkare?

En branschuppskattning antyder att tandläkare lägger omkring 10 timmar per vecka enbart på dokumentation. De starkaste verkliga bevisen kommer från en storskalig studie inom det svenska hälsosystemet, som omfattade över 375 000 journalanteckningar skapade av 1 295 kliniker. Studien fann att uppskattad tid som lades på dokumentation per anteckning minskade från 6,69 minuter till 4,72 minuter, en minskning med 29 procent. Studien täckte flera specialiteter snarare än tandvård specifikt, så tandvårdsspecifik evidens i jämförbar skala är fortfarande begränsad.

▶ Vad är skillnaden mellan tal-till-text och en tandvårdsspecifik AI-dokumentationsassistent?

Tal-till-text-transkribering omvandlar talade ord till råtext men lämnar klinikern att organisera, redigera och strukturera allt manuellt. Allmänna AI-medicinska assistenter tillför struktur till texten men förstår kanske inte tandvårdsspecifik terminologi, tandnotationssystem eller hur tandläkare diskuterar samtycke och behandlingsplanering. Tandvårdsspecifika dokumentationsassistenter genererar strukturerade anteckningar med tandvårdsvokabulär, kan föreslå relevanta kliniska koder och stödjer i mer avancerade lösningar även mallar, vårdplaner, patientbrev och remisser.

▶ Hur noggrann är AI-taligenkänning på tandvårdsterminologi?

En studie i Journal of Dental Research från 2024 utvärderade noggrannheten hos automatisk taligenkänning för ortodontiska journalanteckningar. Den bäst presterande lösningen uppnådde en domänordfelfrekvens på 3,5 procent, men kliniskt signifikanta fel förekom i alla testade system, från 2 till 66 procent beroende på förhållanden. Bakgrundsbuller ökade felfrekvensen, och alla system var mindre noggranna med teknisk tandvårdsvokabulär än med allmänt språk. Studien drog slutsatsen att verifiering av journalanteckningar är avgörande när man använder nuvarande taligenkänningssystem.

▶ Behöver ett AI-dokumentationsverktyg som används i en tandvårdspraktik vara en certifierad medicinteknisk produkt?

Det beror på vad verktyget gör. Enligt EU:s medicintekniska produktförordning klassificeras AI-verktyg som påverkar kliniska beslut som medicintekniska produkter och kräver bedömning av överensstämmelse och CE-märkning innan implementering. Ett verktyg som enbart transkriberar tal till text utan att påverka kliniska beslut kan falla utanför det tillämpningsområdet. Ett verktyg som genererar journalanteckningar, föreslår diagnoser eller rekommenderar behandlingsalternativ är mer sannolikt att kräva CE-märkning. I Storbritannien reglerar Medicines and Healthcare products Regulatory Agency programvara som medicinteknisk produkt, och UK-registrerade tandvårds-AI-tjänster har UK MDR Class I-registrering.

▶ Vilka är en tandvårdspraktiks GDPR-skyldigheter vid användning av ett AI-dokumentationsverktyg?

Patientdata som genereras under tandvårdsbesök är särskilda kategorier av personuppgifter enligt den allmänna dataskyddsförordningen. När ett AI-dokumentationsverktyg behandlar dessa uppgifter agerar tandvårdspraktiken som personuppgiftsansvarig och leverantören som personuppgiftsbiträde. Praktiken måste ha en rättslig grund för behandlingen, såsom uttryckligt patientsamtycke. Ett skriftligt personuppgiftsbiträdesavtal måste finnas med leverantören. Patientdata måste lagras och behandlas inom EU eller Storbritannien om inte adekvata skyddsåtgärder finns. Integritetspolicyer bör uppdateras för att informera patienter om att AI-system är involverade i behandlingen av deras data.

▶ Var lagras patientdata vid användning av ett AI-tandvårdsdokumentationsverktyg, och spelar det någon roll?

Ja, det spelar roll. Datalokalisering inom EU är ett icke-förhandlingsbart krav för EU-baserade tandvårdspraktiker enligt GDPR. Patientdata måste behandlas och lagras inom EU, eller inom Storbritannien enligt UK GDPR, om inte adekvata skyddsåtgärder finns för överföringar utanför dessa jurisdiktioner. Tandläkare bör fråga leverantörer uttryckligen var data lagras och behandlas innan de implementerar något verktyg. Det europeiska hälsodatautrymmet, som trädde i kraft 2025, kommer alltmer att påverka hur tandvårdsjournaler kan nås och överföras mellan EU:s medlemsstater.

▶ Varför är strukturerade journalanteckningar viktiga för tandvårdspraktiker?

Strukturerade journalanteckningar, det vill säga journaler med konsekventa fält som täcker presenterat klagomål, undersökningsfynd, diagnos, utförd behandling och uppföljning, stödjer kontinuitet i vården, revisionsberedskap, remisskvalitet och klinisk kodningsnoggrannhet. Manuell anteckningsföring är benägen för fel och variation, och ofullständiga eller felaktiga journaler medför regelefterlevnads- och juridiska risker, inklusive konsekvenser för försäkringsanspråk och revision. Dokumentationsassistenter som genererar strukturerade, kodade journaler från besökstillfället hjälper också till att åtgärda datakvalitets- och standardiseringsbrister som en studie från 2025 fann begränsade AI-drivna kliniska verktyg inom tandvård.

▶ Vad bör en tandläkare kontrollera innan man inför en dokumentationsassistent?

Tandläkare bör bekräfta verktygets klassificering enligt medicintekniska produktförordningen och dess CE-märkningsstatus, eller UK MDR-registrering. De bör verifiera var patientdata lagras och behandlas, samt att ett personuppgiftsbiträdesavtal finns. De bör fråga om verktygets noggrannhet på tandvårdsspecifik vokabulär, inklusive tandnotation och procedurtermer, och om systemet flaggar utdata med låg konfidens för granskning. De bör också kontrollera om verktyget integreras med deras befintliga praktikhanteringssystem och om det kräver uttrycklig klinikergranskning och godkännande innan någon anteckning sparas i journalsystemet.

▶ Hur regleras AI-dokumentationsverktyg för tandvård enligt EU:s AI-förordning?

EU:s AI-förordning, som trädde i kraft i augusti 2024, klassar AI-system som används i medicinska sammanhang som högrisk. Den klassificeringen kräver transparens, mänsklig tillsyn och kontinuerlig övervakning från leverantörer. Tandläkare behöver inte bli regulatoriska experter, men de bör fråga leverantörer om deras verktyg uppfyller EU:s AI-förordnings krav för högrisk-system innan implementering. Den regulatoriska miljön, som omfattar medicintekniska produktförordningen, EU:s AI-förordning, GDPR och det europeiska hälsodatautrymmet, utvecklas fortfarande, vilket innebär att leverantörers efterlevnad kommer att behöva omvärderas när kraven klargörs.

▶ Är införandet av AI-klinisk dokumentation utbrett i europeiska tandvårdspraktiker?

Införandet är verkligt men ojämnt. Det är praktiklett snarare än systemdrivet, med spridning främst till privata tandvårdskliniker och specialistpraktiker snarare än offentliga tandvårdstjänster. I Storbritannien accelererade införandet av tandvårds-AI under 2025. I kontinentala Europa är bilden mer fragmenterad. Det heterogena landskapet av praktikhanteringssystem och den flerspråkiga kliniska miljön inom EU:s medlemsstater skapar en situation som skiljer sig markant från Storbritannien eller USA. De flesta AI-dokumentationsverktyg utvecklades ursprungligen på engelska, och tandvårdsterminologi tillför ytterligare komplexitet vid flerspråkig implementering.