Pasientenes økte tilgang til medisinsk kunnskap kan bli en styrke for behandlingen. Men da må sykehusene erkjenne at maktforholdet i konsultasjonsrommet allerede er i endring, skriver Eivind Storaas og Elisabeth Andvik.

Med KI blir legen pasientens «second opinion»

Når pasienten møter til konsultasjon med en ferdig KI-fortolkning av egen sykdomshistorie, er ikke legen lenger alene om å legge premissene for behandlingen. Spesialisten risikerer dermed å bli redusert til pasientens «second opinion». Er norsk helsevesen forberedt på dette maktskiftet?

Publisert

Tenk deg en poliklinisk konsultasjon i 2028. Beate har fått påvist kreft ved biopsien og skal møte kreftspesialist for å gjennomgå behandlingsforløpet. Men etter at diagnosesvaret kom på Helsenorge, har den kommersielle AI appen «MAGA Health» arbeidet i kulissene. For fem dollar i måneden har appen analysert sykdomshistorien og forskningslitteraturen, og urabeidet anbefalinger tilpasset Beates sykdom og behandlingspreferanser. Appen har identifisert en eksperimentell studie i Paris som Beate angivelig er kandidat for, og utstyrt henne med sju konkrete spørsmål og behandlingsanbefalinger. Før kreftspesialisten har sagt et ord, er rollene forskjøvet. AI er blitt Beates «first opinion». Legen er ikke lenger eneste aktør som definerer behandlingsalternativene, men må begrunne sine råd opp mot vurderinger sykehuset verken har bestilt eller kvalitetssikret. 

Private aktører tilbyr stadig nye «tilleggsvurderinger» som kan så tvil om behandlingsanbefalingene gitt i en norsk kontekst.

Under konsultasjonen gjør appen opptak og sammenligner legens råd med den medisinske faglitteraturen. Når kreftspesialisten anbefaler standardbehandling i tråd med norske retningslinjer, spør Beate: «Hvorfor anbefaler du noe annet enn appen min?» Usikkerheten får henne til å kjøpe tilleggstjenesten «Supreme Health», der en amerikansk kreftspesialist angivelig har kvalitetssikret nye AI-analyser til 1000 dollar. Konklusjonen? De norske retningslinjene påstås å være utdaterte.

Sykehuskonsultasjonen ble ikke lenger utgangspunktet for Beates behandlingsvalg. En AI-løsning for kunnskapsstrukturering kom derimot inn som en sentral aktør fra starten av.

Når AI setter premissene

Eksempelet er fiktivt, men teknologien er allerede her. AI har vist lovende resultater i å identifisere aktuelle kliniske studier[1]. Det er positivt at pasientene får mer kunnskap og kan stille bedre spørsmål. Utfordringen oppstår når overbevisende AI-genererte vurderinger får autoritet uten å være underlagt samme krav til kvalitet, kontekstforståelse og faglig ansvar som kliniske beslutninger. Når kommersielle helse-apper kobles sammen med stadig kraftigere språkmodeller endres dynamikken i konsultasjonsrommet på tre vesentlige måter: 

Legen og sykehuset som kontrollører

Språkmodeller kan gi overbevisende, men feilaktige eller ufullstendige vurderinger[3],[4],[5]. Dermed får klinikeren en ny oppgave: å kontrollere og eventuelt korrigere påstander fra kommersielle aktører sykehuset hverken har valgt eller kan stå inne for. AI kan produsere en medisinsk vurdering på sekunder. Sykehusets mangler tilsvarende verktøy for kunnskapsstrukturering og arbeidet med å etterprøve eller avvise anbefalingene må i stor grad gjøres manuelt.

Før kreftspesialistens lunsj denne dagen i 2028 venter flere andre pasienter som også trenger grundige medisinske vurderinger. Presset mellom pasientens håp, faglig forsvarlighet og knappe ressurser kan samtidig forsterke den moralske belastningen på klinikeren.

Kommersialisering av usikkerhet

Private aktører tilbyr stadig nye «tilleggsvurderinger» som kan så tvil om behandlingsanbefalinger gitt i den norske helsetjenesten. Usikkerhet risikerer dermed å bli en handelsvare. Jo flere alternative anbefalinger som produseres, desto mer må spesialisten forklare, vurdere eller avvise.

Samtidig gir den aktivitetsbaserte delen av sykehusfinansieringen uttelling for antall konsultasjoner, men i begrenset grad for den ekstra tiden som kreves for å etterprøve eksterne AI-råd og drøfte komplekse behandlingsvalg i tverrfaglige team. Private aktører kan tjene på å selge stadig nye svar. Sykehuset må bruke ressursene på å avgjøre hvilke som holder mål – og ta ansvaret for konsekvensene.

Skeivfordeling og kompetansegap

Pasienter med god økonomi kan kjøpe stadig flere utredninger. Dette legger økt press på spesialisthelsetjenesten. Ulik tilgang til kommersielle AI-tjenester kan påvirke hvem som legger beslag på helsevesenets vurderingskapasitet.

Samtidig møter klinikerne regulatoriske, teknologiske og økonomiske barrierer som kan begrense tilgangen til avanserte AI-verktøy [6]. Det skaper et kompetanse- og kapasitetsgap der pasientenes tilgang til medisinske vurderinger kan utvikle seg raskere enn sykehusenes mulighet til å etterprøve dem.

Helsereformen må ta maktskiftet på alvor

De private aktørene er kommet for å bli. Helseminister Jan Christian Vestre ønsker å etablere AI som en digital førstelinje i den offentlige helsetjenesten fra 2027.[7]. Samtidig foreslår Helsereformutvalget økt digital tilgang til egne helseopplysninger og AI-basert helserådgivning[8]. Ambisjonen er å gi innbyggerne kvalitetssikrede helseråd og avlaste helsepersonellet. Men hvem skal avlaste legene når pasientene møter med stadig mer omfattende AI-genererte vurderinger som må etterprøves?

Teknologien kan senke terskelen for å søke helseråd, men samtidig øke behovet for klinisk etterprøving, forklaring og oppfølging. Vi risikerer å effektivisere produksjonen av medisinske råd, samtidig som arbeidet med å kvalitetssikre dem blir mer krevende.

Dersom AI får stadig større innflytelse på pasientenes behandlingsvalg, må spesialisthelsetjenesten rustes til å møte dette. Tre tiltak kan bli viktige:

Investér i legenes vurderingskapasitet og kompetanse: Kliniske fagmiljøer må få anledning til å utforske og ta i bruk AI-verktøy i deres kliniske kontekst.

Etabler nasjonale retningslinjer for eksterne AI-råd: Sykehusene trenger felles kriterier for hvordan privatkjøpte AI-vurderinger skal håndteres.

Erkjenne at sykehusene settes i en kontrollørrolle når flere pasienter tar i bruk AI for kunnskapsstrukturering: AI vil skape nye oppgaver for fagmiljøene. Gevinstene fra AI må derfor måles i bedre beslutninger, mer samvalg, tryggere behandling og rettferdigere prioritering – ikke antallet konsultasjoner.

Pasientenes økte tilgang til medisinsk kunnskap kan bli en styrke for behandlingen. Men da må sykehusene erkjenne at maktforholdet i konsultasjonsrommet allerede er i endring, og gi klinikerne forutsetningene for å bli kjent med teknologien, dets styrker og svakheter.

Spørsmålet er ikke om AI vil bli pasientens «first opinion». Det er allerede i ferd med å skje. Spørsmålet er om sykehusene klarer å holde tritt med utviklingen og gi legene tilgang til tilsvarende teknologi og kompetanse. Hvis ikke risikerer vi at kommersielle AI-tjenester får legge premissene, mens spesialisten reduseres til pasientens «second opinion».

[1] Jin Q, Wang Z, Floudas CS, et al. (2024). Matching patients to clinical trials with large language models. Nature Communications, 15, 9074. https://doi.org/10.1038/s41467-024-53081-z

[2] Goh E, Gallo R, Hom J, et al. (2024). Large Language Model Influence on Diagnostic Reasoning: A Randomized Clinical Trial. JAMA Network Open, 7(10), e2440969. https://doi.org/10.1001/jamanetworkopen.2024.40969

[3] Draelos, R.L., Afreen, S., Blasko, B. et al. Large language models provide unsafe answers to patient-posed medical questions. npj Digit. Med. 9, 241 (2026). https://doi.org/10.1038/s41746-026-02428-5

[4] Bean AM, Payne RE, Parsons G, et al. (2026). Reliability of LLMs as medical assistants for the general public: a randomized preregistered study. Nature Medicine, 32, 609–615. https://doi.org/10.1038/s41591-025-04074-y

[5] Hager P, Jungmann F, Holland R, et al. (2024). Evaluation and mitigation of the limitations of large language models in clinical decision-making. Nature Medicine, 30, 2613–2622. https://doi.org/10.1038/s41591-024-03097-1

[6] De Angelis L, Sacchi FA, Pappalardo C, et al. (2026). The Need for Regulatory Certainty on Medical AI: Lessons From the OpenEvidence Geoblocking in the EU and UK Over the EU AI Act. The Lancet Regional Health Europe, 65, 101718. https://doi.org/10.1016/j.lanepe.2026.101718

[7] Helse- og omsorgsdepartementet (2026). https://www.regjeringen.no/no/aktuelt/vil-etablere-ei-digital-forstelinje-med-svarteneste-for-helserelaterte-sporsmal/id3174108/

[8] NOU 2026: 12. Én helsetjeneste. Helsereformutvalget, 2. november 2026. https://www.regjeringen.no/no/dokumenter/nou-2026-12/id3190350/

 

Powered by Labrador CMS