När AI blir relevant för verksamheten
Det är lätt att prata om AI i vården på en hög nivå. Svårare är att visa var den faktiskt gör nytta för en läkare på akuten, en sjuksköterska i uppföljningen eller en medarbetare i social omsorg mitt i en händelse som behöver dokumenteras direkt. Det var också styrkan i föreläsningen; man höll sig nära vardagen.
I stället för att beskriva AI som något frikopplat från verksamheten visades hur tekniken kan stötta i situationer som många känner igen: när journalbilden är omfattande, när dokumentationen blir ojämn, när viktiga steg riskerar att missas och när data finns, men inte är tillräckligt strukturerad för att bli användbar.
1. Journalsammanfattning som sparar tid men kräver eftertanke
Ett av exemplen handlade om journalsammanfattning med hjälp av stor språkmodell (LLM). I demonstrationen kunde en kliniker ställa en direkt fråga i journalsystemet, till exempel om patienten hade dokumenterad kranskärlssjukdom. Lösningen gick igenom stora mängder journalinformation och återkom med en sammanfattning som gav en snabbare överblick inför det kliniska beslutet.
När en patient kommer in med komplex historik är det sällan brist på information som är problemet. Problemet är att det tar tid att hitta rätt information, bedöma vad som är relevant och förstå vad som faktiskt är dokumenterat. Om AI kan korta den vägen finns en tydlig verksamhetsnytta.
Viktigt att tänka på är ett övertygande svar inte är samma sak som ett fullständigt svar. Om systemet saknar delar av underlaget måste det också gå att förstå vad AI:n har byggt sin slutsats på. Därför blev frågor om validering, transparens och förklarbarhet centrala i resonemanget.
2. AI som stöd för bättre dokumentation i omsorgen
Ett annat exempel kom från social omsorg, där AI användes för att förbättra journaltext efter diktering. En medarbetare beskrev en händelse där en brukare hade fallit, fått ont i benet, börjat blöda och behövt åka till sjukhus. AI:n hjälpte sedan till att bearbeta texten så att den blev tydligare, mer sammanhängande och lättare att signera.
Det här är ett konkret användningsfall för AI i omsorgen. Många verksamheter arbetar i dag med hög belastning, varierande dokumentationsvana och medarbetare med olika språkbakgrund. Då är värdet inte att AI skriver något nytt, utan att den hjälper till att få fram det som faktiskt hände på ett tydligt och professionellt sätt.
3. Kvalitetssäkring när viktiga steg riskerar att missas
I samma scenario visades också hur AI kan fungera som ett stöd för kvalitetssäkring. När en brukare faller och behöver sjukhusvård är det inte bara själva händelsen som ska dokumenteras. Det kan också finnas behov av att registrera frånvaro, skapa en avvikelse och följa upp enligt relevanta riktlinjer. AI:n kunde här föreslå nästa steg och länka vidare till rätt åtgärd.
Det är lätt att se nyttan för både verksamhetschefer och medarbetare. När många moment ska hanteras samtidigt minskar risken att något faller mellan stolarna. Samtidigt blev det tydligt i föreläsningen att ett sådant stöd bara är så bra som sitt underlag. Om riktlinjerna i bakgrunden inte är kvalitetssäkrade hjälper inte tekniken. Då flyttar man bara problemet.
4. Mer komplett journalföring ger bättre underlag längre fram
Ytterligare ett exempel handlade om att komplettera saknat journalinnehåll. Om en anteckning saknade uppgifter om vad personalen gjorde efter ett fall eller hur uppföljningen skulle ske kunde AI:n markera det och be om komplettering. När informationen lades till steg kvaliteten i dokumentationen.
Det här är viktigt av ett större skäl än själva anteckningen. Mer komplett journalföring ger bättre underlag för uppföljning, verksamhetsstyrning och sekundär användning av hälsodata. Det gör det lättare att arbeta med kvalitet, att följa utveckling över tid och att skapa bättre förutsättningar för beslutsstöd och registerarbete.
5. AI-transkribering är bara värdefull om informationen blir användbar
Det sista exemplet rörde AI-transkribering i vården, ett område som många talar om just nu. Här gjorde föreläsningen en viktig distinktion: tal-till-text är en sak, men att strukturera, reducera och föra in innehållet i journalen på rätt sätt är något annat.
För verksamheter som investerar i AI för dokumentation är det en avgörande skillnad. Att skapa mer fritext i journalen löser inte mycket om informationen sedan inte går att återanvända i översikter, beslutsstöd eller uppföljning. Den verkliga nyttan uppstår först när integrationen med journalsystemet är tillräckligt djup och kvaliteten i informationsflödet håller hela vägen.
Därför är användbar vårddata fortfarande grundfrågan
Ett av de tydligaste budskapen från föreläsningen var att AI i vården ytterst är en datafråga. Utan tillgänglig, strukturerad och kvalitetssäkrad data blir AI mest ett tunt lager ovanpå redan kända problem. Med bättre datakvalitet kan samma teknik däremot bidra till tydligare dokumentation, säkrare arbetsflöden och bättre stöd i det dagliga arbetet.
På Tieto Caretech vill vi därför visa hur AI kan användas i faktiska verksamhetsflöden där informationskvalitet, struktur och förtroende spelar roll.
