Amerikanerne vil have mennesket med, når AI hjælper lægen

60 procent af amerikanerne er åbne for, at AI analyserer medicinske scanninger med en afsluttende menneskelig vurdering. Kun 6 procent accepterer, at AI gør det alene.

Det viser en undersøgelse fra Pew Research Center offentliggjort 29. oktober. Den bygger på svar fra 3.488 amerikanske voksne, indsamlet 22.–28. juni 2026.

Samtidig er 60 procent utrygge ved AI til diagnoser og behandling hos deres egen læge. Det er et andet spørgsmål: Åbenhed over for bestemte anvendelser kan godt følges med personlig utryghed.

Pew måler amerikanske holdninger. Herfra kan vi undersøge, hvad den menneskelige vurdering faktisk bidrager med, når AI kommer tættere på patienten.

På brystkræftområdet findes der allerede erfaringer at lære af. Her kan AI hjælpe med at finde sygdom. Samarbejdet kan også føre lægen på afveje. Forskellen har betydning for den kvinde, der skal have besked om sin undersøgelse.

Flere fund med en ny arbejdsdeling

I det svenske MASAI-forsøg blev knap 106.000 kvinder ved lodtrækning fordelt mellem almindelig screening med to radiologers billedlæsning og screening med AI-støtte.

AI hjalp med at fordele undersøgelserne til én eller to radiologer og med at fremhæve mistænkelige fund. Det var en samlet ændring af arbejdsdelingen, som blev afprøvet.

Resultater offentliggjort i 2025 viste 6,4 fundne kræfttilfælde pr. 1.000 screenede i AI-gruppen mod 5,0 i kontrolgruppen. Det svarer til en relativ stigning på 29 procent. Antallet af billedlæsninger faldt samtidig med 44 procent. Arbejdsbyrden er her målt som antallet af billedlæsninger.

En opfølgning offentliggjort i The Lancet i januar 2026 viste, at AI-gruppen fik opdaget en større andel af kræfttilfældene. Andelen af kræftfri kvinder, som screeningen korrekt vurderede som kræftfri, var den samme i de to grupper.

Kræfttilfælde opdaget mellem screeningsrunderne var forsøgets primære mål. Her opfyldte AI-gruppen sikkerhedskriteriet, mens forskellen mellem grupperne var statistisk usikker. Forsøget dokumenterer ikke en effekt på dødeligheden.

For patienten er de lovende resultater derfor knyttet til en bestemt, afprøvet måde at organisere screeningen på. De giver et grundlag for at forbedre tilbuddet og følge virkningerne over tid.

Når lægen følger det forkerte forslag

Lægen skal have mulighed for at opdage og undersøge systemets fejl.

I et forsøg offentliggjort i Radiology i 2023 vurderede 27 radiologer 50 mammografier. Forskerne præsenterede bevidst forkerte kategoriseringer af nogle billeder som AI-forslag.

De erfarne radiologer kategoriserede billederne korrekt i omkring 82 procent af tilfældene ved korrekte forslag. Ved forkerte forslag var andelen 45,5 procent. De mindst erfarne blev påvirket endnu mere.

Forsøget målte billedkategorisering og sammenlignede korrekte og forkerte forslag. Det viser, hvordan et AI-forslag kan påvirke den fagperson, der skal vurdere det. Mekanismen kaldes automation bias, en tilbøjelighed til at lægge for stor vægt på automatiserede forslag.

Den risiko gør arbejdsdelingen vigtig for patienten. Lægens erfaring, adgangen til grundlaget og muligheden for at undersøge et tvivlsomt fund skal indgå i den måde, hospitalet bruger teknologien på. Det er AI Times’ vurdering på baggrund af forskningen.

Danske patienter møder allerede samarbejdet

I Region Hovedstaden har forskere fra Københavns Universitet og Herlev og Gentofte Hospital evalueret AI-støttet brystkræftscreening.

Undersøgelser, som AI vurderede som sandsynligvis normale, blev læst af én erfaren radiolog. De øvrige blev læst af to radiologer med AI-støtte. Evalueringen fra 2024 fandt flere kræfttilfælde, færre genindkaldelser af kræftfri kvinder og cirka en tredjedel færre billedlæsninger efter omlægningen.

Det var en sammenligning af forskellige grupper før og efter indførelsen. Blandt andet var tiden mellem screeningerne længere i den senere gruppe. Evalueringen giver derfor mindre sikker viden om årsag og virkning end det svenske lodtrækningsforsøg.

Den danske debat om menneskelig vurdering har også en juridisk side. I septemberudkastet til AI-hjemmelsloven beskrives beslutningsstøtte som forslag, en person inddrager i sin egen faglige vurdering. Personen skal have kompetencerne og muligheden for at vurdere og ændre forslaget. Udkastet handler om et retsgrundlag for offentlig AI-brug. Kvaliteten af den konkrete behandling skal fortsat undersøges i praksis.

Et samarbejde, der kan blive bedre

Radiologernes faglighed er også noget, teknologien kan være med til at udvikle.

I et lille australsk studie offentliggjort i august 2026 fik otte deltagere med erfaring i at læse mammografier personligt tilpasset træning. Et AI-baseret system valgte billeder ud fra deres styrker og svagheder og tilpassede øvelserne efter hver session.

Efter træningen blev de bedre til at finde kræfttilfælde i testmaterialet. Studiet brugte deltagerne som deres egne kontroller og havde ingen separat kontrolgruppe. Det er et lovende tegn på, at AI kan støtte faglig læring. Virkningen på det daglige samarbejde og på patienternes forløb skal undersøges videre.

Her ligger et muligt næste skridt for hospitalerne: at lære systematisk af de fejl, radiologen retter, og dem, både lægen og AI overser. Erfaringerne kan bruges til at målrette træningen og afprøve en bedre arbejdsdeling. Hvor store forbedringerne kan blive, skal nye forsøg afklare.

Pews nye tal viser, hvor meget den afsluttende menneskelige vurdering betyder for amerikanernes accept af AI. Forskningen giver en vej til at undersøge værdien af den vurdering. For patienten skal forbedringen vise sig i, at sygdom bliver opdaget, og at raske skånes for unødige undersøgelser. Investeringen i AI må derfor også være en investering i de mennesker, der skal bruge den.