Hvad hvis computeren lyttede med, når du taler med patienten og selv laver journalnotat, attest, blodprøvebooking og ny tid til opfølgning? Hvad hvis du kunne sende patienter hjem med en kamerapille, der tager 400.000 billeder og svarer: Tarmkræft eller ej? Eller hvad hvis du som vagtlæge kunne sende en drone ud til patienter, fordi den kan måle puls ud fra hovedets bevægelser?
Det lyder som sci-fi, men det er alt sammen på vej til almen praksis, lød det fra professor Jens Søndergaard, underviser på mandagens kursus om AI i praksis sammen med professor Janus Laust Thomsen.
»Er I bekymrede?«, spurgte Søndergaard salen.
»Ja, det er jeg også. Men det er også spændende«, tilføjede han.
Hovedbudskabet på kurset var: Alt dét AI allerede kan og vil hjælpe almen praksis med – hvis man bruger det rigtigt.
AI kan nemlig allerede i dag bruges til en række opgaver, der tager tid i klinikken. For eksempel kan du som praktiserende læge bruge ChatGPT, Copilot eller en af de andre AI-tjenester til at omsætte tale til tekst, lave journalnoter, formulere mails til patienter om laboratorieprøver, lave interne instrukser til klinikpersonale eller patientinformation, der kan ligge i venteværelset.
Et studie viser, at der er tidsbesparelser at hente. Bruger du AI til at lave journalnoter for dig, kan du spare fem minutter per konsultation. Og mailsvar til patienter bliver bedre og mere empatisk formuleret, viser et andet studie.
Jens Søndergaard var nyligt hjemvendt fra Kina.
»Hold da op hvor er vi langt bagud. Jeg er virkelig imponeret over, hvad de kan. De vil lave en almen praksis ligesom vores, og den skal være understøttet af AI. Der er et kæmpestort potentiale. Jeg håber, at vi kommer med nu. For det er den vej, det går«, sagde han, men slog også fast, hvad udviklingen skal bruges til:
»Jeg håber, at AI kommer til at give os mere tid til kerneopgaven: At være nærværende overfor patienten«, sagde han og henviste også til studier, der viser, at når man bruger AI på en fornuftig måde, sænker det stress.
Men hvem har ansvaret hvis algoritmen laver fejl? For det gør den, understregede de to undervisere. Derfor gik meget af kurset med faldgruberne. Bruger man et AI-baseret tale-til-tekst-værktøj til at lave journalnoter for sig, skal man altid kigge det kritisk igennem, for underviserne fortalte, at AI gætter, hvis den er i tvivl.
Mindst lige så vigtigt er det at anonymisere patienter, hvis man bruger AI-værktøjer som ChatGPT eller DeepSeek, hvor data bliver sendt til USA og Kina. De to undervisere mente godt, man kan bruge AI til beslutningsstøtte til uafklarede kliniske problemstillinger – især til at finde »nålen i høstakken«, men patienten skal være fuldt anonymiseret, for ellers risikerer man at bryde databeskyttelseslove og sundhedsloven.
»Hvis patienten kan genkende sig selv i beskrivelsen, er den på kanten«, lød advarslen fra Janus Laust Thomsen. Heldigvis er der lukkede AI-værktøjer på vej, som sikrer mod datadeling.
Endeligt understregede underviserne, at kvaliteten af de svar og den hjælp, man får fra AI, afhænger af, hvad man selv fodrer maskinen med. Man skal ikke blot bede AI om: Lav en klinisk vejledning til håndtering af urinsticks i klinikken. Man skal også fortælle den: Hvem målgruppen er, formålet, konteksten og hvilke kilder, den skal basere vejledningen på.
»Jo mere specifikt, du gør det, jo bedre svar får du«, lød det fra Janus Laust Thomsen.
Afsluttende opfordrede underviserne stærkt til, at kursusdeltagerne selv gik i gang,
»Prøv det!«, sagde de.
Det havde 40 procent af dem aldrig gjort, viste en rundspørge i salen.
»Øv jer. Leg med det. Det behøver ikke være fagligt. Start med hvor, I skal rejse hen i ferien. I får samme læring ud af det«, lød det fra Jens Søndergaard.
Underviserne sluttede dog af med en grøn pointe: Hver gang I beder AI om hjælp, koster det samme energi som 40 opladninger af mobiltelefonen eller en times Netflix.
Fakta
