Læger tredoblede AI-brugen — og tredoblede listen over, hvad den ikke må røre

De læger og sygeplejersker, der allerede har integreret AI i deres daglige praksis, er dem, der er mest modstandsdygtige over for at udvide dens rolle. En undersøgelse af 355 amerikanske læger og sygeplejersker, bestilt af Wolters Kluwer og gennemført i marts 2026, viste, at klinikernes daglige AI-brug var tredoblet i forhold til året før. I samme stikprøve: 74 procent frygter, at teknologien vil udhule de kliniske færdigheder, den erstatter, 74 procent har mistillid til dens output på grund af hallucinationer, og 72 procent er bekymrede for, at annoncørstyrede forretningsmodeller vil fordreje medicinske anbefalinger. De mennesker, der bruger AI mest, trækker grænsen hårdest.

Hvordan den grænse ser ud i praksis: klinisk billeddannelse og diagnostik ligger på den acceptable side. Dokumentation, behandlingsanbefalinger, patientkommunikation og alt, der berører klinisk vurdering, ligger på den anden side. Klinikere har i årevis set AI blive bedre til at læse scanninger og markere uregelmæssigheder – forbedringer, der er målbare, offentliggjorte og fagfællebedømte. Samme evidensramme eksisterer ikke for de bredere anvendelser, som udviklere nu presser ind på hospitalerne. Læger afviser ikke AI. De anvender samme granskning på det, som de anvender på enhver anden klinisk intervention.

Styringsgabet er målbart og lukker sig ikke hurtigt. Andelen af klinikere, der siger, de er opmærksomme på AI-styringspolitikker på deres institution, steg fra 21 procent i 2025 til 27 procent sidste år. Det er en fremgang på seks procentpoint på et tal, der burde være tæt på 100. Når institutioner udruller AI-systemer til klinisk brug uden tilsvarende styringsrammer, udfylder klinikerne selv hullet – hvilket er grunden til, at individuel modstand er højest i de områder, hvor institutionelt tilsyn er svagest.

Bekymringen for hallucinationer er ikke teoretisk. Store sprogmodeller, der bruges i kliniske sammenhænge, har produceret plausibelt klingende, men faktisk forkert information om lægemiddelinteraktioner, doseringer og diagnoser. Bekymringen for annoncørstyret bias afspejler noget mere strukturelt: de fleste kliniske AI-værktøjer er bygget af virksomheder, hvis indtægt afhænger af engagement og mersalg, ikke af patientresultater. Klinikere, der arbejder inden for disse systemer, genkender incitamentsskævheden, selv når leverandører ikke reklamerer for den.

Det, undersøgelsen beskriver, er ikke teknofobi. Det er en profession, der konsekvent anvender evidensstandarder. Radiologi-AI bestod, fordi den genererede en mængde fagfællebedømt evidens og underkastede sig kliniske forsøg. De værktøjer, der nu udrulles til dokumentation, triage og patientinteraktion, har ikke gennemgået den proces i sammenlignelig skala. Financial Times, der rapporterer om undersøgelsen i dag, indrammer dette som modstand. Det er mere præcist en anmodning om den samme evidensbarriere, som enhver anden medicinsk intervention skal overskride.

2026 Stanford HAI AI Index sporer et lignende mønster i sin medicinsektion: adoption løber foran validering, og de steder, hvor klinisk AI er mest integreret, er sjældent de samme steder, hvor resultatlitteraturen er etableret. Det, Wolters Kluwer-dataene tilføjer, er praktikerperspektivet – at de mennesker, der er tættest på teknologien, er dem, der tydeligst artikulerer, hvor evidensen slipper op.

Tags: clinicians, deskilling, diagnostics, healthcare, medical AI, Wolters Kluwer