Dokumentation av AI-användning inom tandvård: vad bör kunna förklaras i efterhand?

AI används i ökande grad på tandkliniker – ofta som stöd i text, arbetsflöde, prioritering och patientkommunikation, och ibland närmare kliniska bedömningar.

När AI integreras i praktiken utan att det är tydligt vad som faktiskt används, hur det kontrolleras och vem som har ansvar, blir det svårt att bedöma kvaliteten – särskilt om något behöver förklaras i efterhand.

Den här artikeln beskriver vad dokumentation av AI-användning bör innebära i en tandvårdsverksamhet, var ansvarsförhållandet typiskt uppstår, och vilka styrprinciper som ger spårbarhet utan att göra driften onödigt tungrodd.

Vad menas med AI-användning inom tandvård?

Inom tandvården är AI-användning ofta mindre ”ett system” och mer en samling funktioner som påverkar hur arbetet utförs. Det kan vara textutkast och sammanfattningar, sortering och prioritering av uppgifter, automatiserade förslag i programvara, eller stöd i patientdialog.

Dokumentation av AI-användning handlar därför inte primärt om att beskriva teknologin i detalj, utan om att kunna besvara precisa frågor som:

• Vad används AI till – och vad används det inte till?

• Var i arbetsflödet påverkar AI ett val, en formulering eller en prioritering?

• Vem har godkänt användningen, och vilka regler gäller?

• Hur utövas mänsklig kontroll i praktiken?

• Hur hanteras avvikelser, förändringar och uppdateringar över tid?

Poängen är spårbarhet: Att kliniken kan förklara sambandet mellan AI-stöd och faktisk praxis, utan att förklaringen beror på enskilda personer.

Var uppstår ansvarsförhållandet?

Ansvarsförhållandet uppstår typiskt när dokumentation saknas på de punkter som blir kritiska vid avvikelser, klagomål eller tillsyn. Några återkommande situationer är:

1. När AI är ”inbyggd” och inte behandlas som en styrd förändring
   Nya funktioner kommer via uppdateringar, eller tas i bruk av enskilda personer. Utan en tydlig beslutspunkt blir det oklart om användningen är bedömd, vem som äger den, och vad som är förväntad praxis.

2. När kontroll finns som intention, men inte som spårbar praxis
   Många antar att ”fackpersonalen läser över”. Problemet är att utan definierade kontrollpunkter och minimikrav på kvalitetssäkring blir kontrollen variabel – och svår att dokumentera i efterhand.

3. När det inte är möjligt att rekonstruera händelseförlopp
   Om något går fel, kommer man ofta behöva veta: Vilket användningsområde var aktivt? Vilka förslag gav systemet? Vad ändrades av människan? Vem godkände? Utan detta blir både lärande och ansvarsfördelning svaga.

4. När leverantörs- och klinikansvar blandas
   Leverantörer kan leverera funktionalitet, men kliniken bestämmer kontext, användningsmönster, utbildning och uppföljning. Om kliniken inte dokumenterar detta, uppstår ett ”ansvarsvakuum” där ingen kan visa vad som faktiskt var överenskommet och efterlevt.

5. När regelverksförväntningar pekar mot mer loggning och spårbarhet
   För vissa typer av AI-system (beroende på klassificering och användningsområde) kan det finnas förväntningar om logg- och dokumentationspraxis hos den som tar systemet i bruk. I EU:s AI-lag beskrivs till exempel att deployers av hög risk-AI ska behålla loggar som systemet skapar i minst sex månader (så länge de är under deployers kontroll).
   (Detta är kontext och principförståelse, inte juridisk rådgivning.)

Vanliga missförstånd

«Journalen är dokumentationen – då är vi täckta»

Journalen är central, men den förklarar inte nödvändigtvis hur AI påverkade innehållet eller processen. När AI används till textutkast, sammanfattning eller autofyll, kan kliniken i efterhand behöva kunna förklara hur texten blev till, vilka kontrollpunkter som gäller, och vem som godkände.

«Leverantören har loggarna, så vi behöver inte tänka på det»

Leverantörer kan ha tekniska loggar, men kliniken behöver ofta egen spårbarhet knuten till praxis: vad som är godkänt användningsområde, vilka krav som gäller för övergripande kontroll/övervakning, och hur avvikelser hanteras. Dessutom kan det vara så att loggar bara är delvis tillgängliga för kliniken, eller inte svarar på de operativa frågorna som uppstår vid en händelse.

«Detta löses med en kort intern riktlinje»

Generella meningar som ”använd AI med försiktighet” ger lite styrning. Dokumentation måste knytas till konkreta mekanismer: beslutsmyndighet, användningsområden, kontrollpunkter, utbildning och avviksrutiner. Utan detta blir det svårt att konsekvent följa upp – och svårt att förklara i efterhand.

«Dokumentation betyder att lagra allt AI producerar»

Målet är sällan att lagra ”allt”, utan att dokumentera det som gör användningen spårbar. För många kliniker är det viktigare att kunna visa ramar och process än att arkivera varje utkast: vad var användningsområdet, vem kontrollerade, vad var minimikravet på kvalitetssäkring, och hur hanteras förändringar.

«Detta blir för tungt – vi måste välja mellan drift och kontroll»

Bra dokumentation behöver inte vara omfattande. Den bör vara inriktad på minimum och riskbaserad: mer struktur där AI kan påverka patientsäkerhet, journal eller patientkommunikation – enklare struktur där AI endast används till generella administrativa utkast.

Vad bör vara på plats i praktiken?

För tandkliniker är det ofta möjligt att etablera en robust dokumentationspraxis med fem byggstenar:

• Kartlagd faktisk AI-användning i verksamheten
  En uppdaterad översikt över var AI ingår (system, funktioner, processer), vad användningen påverkar, och vilka data som berörs. Detta är grunden för all vidare styrning.

• Användningsområdesregister med begränsningar
  En enkel översikt över godkända användningsområden, vad AI kan användas till, vad som inte är tillåtet, och vem som äger användningen. Detta minskar personberoende och gör förändringar hanterbara.

• Tydliga roller, ansvar och beslutsmyndighet
  Vem kan aktivera nya funktioner? Vem godkänner användningsområden? Vem ansvarar för uppföljning vid avvikelser? Detta bör vara dokumenterat, även om samma person fyller flera roller i en liten klinik.

• Mänsklig kontroll som operationaliseras
  Definiera kontrollpunkter som faktiskt kan efterlevas:
  – vad som alltid måste verifieras innan signering/utskick
  – när man ska stoppa eller åsidosätta AI-förslag
  – hur oenighet eller korrigering hanteras
  Sådana kontrollmekanismer överensstämmer med riktningen i etablerade ramverk för AI-riskstyrning, där GOVERN-funktionen betonar behovet av styrningsstruktur och spårbar praxis över livscykeln. 

• Dokumentation och spårbarhet vid avvikelser och förändringar
  Ett minimum bör vara att kliniken kan rekonstruera händelser: vilket användningsområde, vilken funktion, vem som var ansvarig, vilka åtgärder som vidtogs, och hur praxis justerades för att förhindra upprepning.
  Där AI är relevant för regelefterlevnad och styrning över tid, kan det också vara användbart att luta sig på en styrsystemlogik (policy, roller, processer och kontinuerlig förbättring), såsom ISO/IEC 42001 beskriver för AI-hanteringssystem. 

Acteras roll i detta

Actera är etablerat för att ge tandvårdsverksamheter struktur kring ansvarsfull användning av AI.

Vi arbetar inte med teknologiutveckling eller kliniska beslut, utan med styrningsstruktur, ansvarslinjer och dokumentation – så att AI kan användas på ett säkert, förutsägbart och spårbart sätt. 

Avslutande betraktelse

AI kommer fortsätta att bli en del av tandvårdstjänsten. Frågan är inte om, utan hur.

När dokumentation av AI-användning är tillräckligt tydlig för att förklara praxis i efterhand, blir det enklare att styra ansvar, hantera avvikelser och bevara yrkesmässig kvalitet över tid.

Spårbarhet handlar i praktiken om få, precisa grepp: översikt, rollfördelning, kontrollpunkter och ett enkelt sätt att lära av förändringar och händelser.