Tale-til-tekst er ikke AI-revolutionen i sundhed og omsorg

Blot at skrive "Såret ser bedre ud" i den elektroniske omsorgsjournal er ikke længere godt nok. Skal AI give reel beslutningsstøtte, skal data være strukturerede fra første notat.

Af Trine Sønstelien, Domain Advisor i Systematic og tidligere sygeplejerske i både Norge og Danmark. Debatindlægget er publiceret i Sykepleien.no

Jeg har arbejdet som sygeplejerske i den kommunale sundhed og omsorg. Jeg har skrevet "såret ser bedre ud" i et løst journalnotat, mens jeg skulle skynde mig videre til andre arbejdsopgaver. Ikke fordi jeg ikke brød mig om dokumentationen, men fordi det var det, der lod sig gøre der og da.

Nu arbejder jeg med digitale løsninger til sundhedssektoren, og jeg tænker stadig meget på den sætning. For nu ser jeg tydeligere, hvad den faktisk kostede - ikke i tid sparet der og da, men i alt det, den ikke kunne bruges til bagefter.

Vi taler meget om AI i sundhed og omsorg i disse dage. Beslutningsstøtte, tidlig varsling, prædiktive værktøjer. Men al den teknologi bygger på én ting: data. Og ikke hvilken som helst data - struktureret, konsistent, brugbar data.

Den egentlige AI-beslutning er allerede taget

Vi taler meget om, hvilken AI-løsning kommunerne bør vælge. Men jeg tror, den vigtigste beslutning allerede er taget, længe før nogen har nævnt ordet kunstig intelligens: hvilket journalsystem bruger vi allerede?

For det er journalsystemet, der afgør, om datagrundlaget overhovedet findes. Ingen AI i verden kan bygge beslutningsstøtte på data, der ikke findes struktureret.

Tale-til-tekst er et godt eksempel. Det er fantastisk - jeg kan tale i stedet for at skrive, og det sparer mig tid der og da. Men tale-til-tekst kan man få næsten hvor som helst i dag. Det er ikke længere det, der skiller et godt værktøj fra et middelmådigt. Det, der skiller dem, er, hvad der sker med teksten bagefter.

"Såret ser bedre ud" holder ikke længere

Jeg har skrevet den sætning selv. Mange gange. Det var ikke dårlig vilje - det var det, der var muligt at nå mellem to hasteopgaver.

Problemet er, at den sætning ikke kan bruges til noget. Den kan ikke varsle den næste sygeplejerske om, at noget har ændret sig. Den kan ikke minde mig om, at jeg skal følge op om syv dage. Den forsvinder ind i en løbende journal, som næste vagt måske ikke når at læse.

Det er her, jeg tror, den egentlige revolution ligger - ikke i, at AI skriver teksten for os, men i, at vi holder op med at dokumentere løsrevet i udgangspunktet.

Et sår, fra opdagelse til opfølgning

Lad mig vise, hvad jeg mener, i stedet for bare at påstå det.

Jeg opdager et tryksår hos en patient. Jeg registrerer det - ikke i et fritekstfelt, men i strukturerede data: sårrand, eksudat, smertegrad. Så sker der noget, jeg for nogle år siden ikke ville have troet var muligt: systemet tager det videre selv.

Den næste sygeplejerske på vagt bliver varslet og ser notatet, uden at skulle lede gennem en løbende journal på alle sine patienter for at opdage, at noget har ændret sig. Det er måske den underkommunikerede gevinst ved strukturerede data: du bliver præsenteret for det, der er relevant, i stedet for at måtte stole på, at nogen har haft tid til at læse det hele.

Systemet vejleder mig videre baseret på det, jeg har registreret: hvad bør kortlægges nu? Og derfra bliver jeg præsenteret for forslag til mål og indsatser, hentet fra nationale vejledende planer. Ikke fordi systemet skal overstyre min faglige vurdering, men fordi jeg slipper for at bruge tyve minutter på at formulere en indsatsplan fra bunden. Indsatsplanen formes undervejs, som en naturlig konsekvens af de registreringer, jeg alligevel foretager.

Og når såret er dokumenteret, minder systemet mig om at sætte en opfølgningsdato. Jeg behøver ikke huske det selv. Når datoen nærmer sig, bliver jeg mindet om det.

Det er beslutningsstøtte, som jeg mener, den bør fungere: ikke som en AI-chatbot, jeg skal huske at spørge "er der nogen nyopdagede sår på afdelingen i dag?" og selv finde svaret, men som en usynlig struktur, der følger mig gennem sygeplejeprocessen, allerede kender svaret og præsenterer det for mig, uden at jeg behøver lede.

Hvorfor dette er mere end effektivisering

Tale-til-tekst i fritekst sparer tid der og da. Struktureret registrering sparer tid i det lange løb, fordi data kan bruges videre - af mig selv og af mine kolleger.

Det handler om mere end tid:

Det reducerer den kognitive belastning. Jeg behøver ikke huske alt selv, systemet husker for mig. Det er ikke en detalje. Det er en af grundene til, at sygeplejersker, jeg kender, har overvejet at forlade faget: ikke arbejdsmængden alene, men følelsen af aldrig at kunne give slip, fordi alt hviler på, at man selv husker det.

Det øger patientsikkerheden. Intet forsvinder mellem vagter eller drukner i en lang løbende journal.

Det gør, at vi dokumenterer mere ensartet, uanset om det er en erfaren sygeplejerske eller en nyansat social- og sundhedsassistent på aftenvagt.

Og det påvirker faktisk rekruttering og trivsel. Et værktøj, der støtter dig gennem en travl vagt, i stedet for at lægge endnu et lag dokumentation oven på, gør faget mere bæredygtigt at stå i over tid.

Ikke AI for AI's skyld

Jeg tror, vi bør stille højere krav til, hvad AI faktisk skal gøre for os i sundhed og omsorg. Tale-til-tekst er fantastisk. Men merværdien kommer ikke af, at teksten bliver skrevet hurtigere. Den kommer af, hvad der sker med den bagefter - om den bliver struktureret, brugbar og en del af en sammenhængende proces, eller om den bliver endnu et løsrevet notat i en lang journal.

En stor del af nutidens AI-debat starter desuden i den forkerte ende. Vi bygger chatbots, man kan spørge, men så forudsætter vi, at nogen husker at stille spørgsmålet. Et journalsystem med strukturerede data behøver ikke blive spurgt. Det kan præsentere svaret, før nogen overhovedet tænkte på at lede efter det.

Struktureret data slår tale-til-tekst hver gang. Ikke fordi tale-til-tekst er dårligt, men fordi det kun løser den mindste del af problemet.