Briefet er i øjeblikket kun tilgængeligt på engelsk.
Resume (oversat)
Kunstig intelligens (AI) er i stigende grad ved at blive integreret i almen praksis gennem dokumentationsværktøjer, digitale assistenter og diagnostiske beslutningsstøttesystemer. Selvom AI udgør en stærk prædiktionsteknologi med betydeligt potentiale for sundhedssektoren, er det centrale spørgsmål, hvordan disse værktøjer designes, og om klinikere er i stand til at anvende dem på måder, der forbedrer behandlingskvaliteten.
Ny evidens fra et landsdækkende survey‑eksperiment i Danmark peger på væsentlige udfordringer ved implementeringen af AI i almen praksis. Omkring en tredjedel af de praktiserende læger er ikke komfortable med at følge AI‑baserede prædiktioner, selv når disse indeholder meningsfuld information om sygdomsrisiko baseret på patienters sygehistorik.
Blandt de læger, der anvender AI‑genereret information, ses en anderledes anvendelsespraksis sammenlignet med brugen af information fra velkendte diagnostiske tests med en kvalitet, der er sammenlignelig med AI‑værktøjet. Disse resultater understreger betydningen af, hvordan diagnostisk information præsenteres og forklares, for at realisere potentialet i nye prædiktionsteknologier.
Udfordringen består således ikke alene i udviklingen af teknologien, men i implementeringen, så den faktisk anvendes i klinisk praksis og skaber værdi for både læger og patienter. For at opnå dette bør indsatsen for at fremme implementering ledsages af empiriske analyser af, hvordan AI‑genereret information kommunikeres til klinikere. Dette indebærer en inddragelse af eksisterende diagnostiske værktøjer og arbejdsgange, organisatoriske og adfærdsmæssige aspekter af klinisk praksis samt en vurdering af, hvordan disse faktorer i samspil påvirker behandlingsresultater.
