AI-drivet chattbot-integrering för förbättrad åtkomst till elektroniska patientjournaler på ett barnsjukhus

Varför detta spelar roll för vardagsvården

Bakom varje läkarbesök ligger en växande hög av digitalt pappersarbete. På barnsjukhus lägger läkare ofta värdefulla minuter på att leta i elektroniska journaler istället för att prata med familjer eller fatta beslut. Denna studie visar hur ett enkelt chattfönster, drivet av artificiell intelligens, kan omvandla komplexa journaler till snabba, tydliga svar—särskilt i intensiva, resursfattiga sjukhus där varje sekund räknas.

Problemet med att hitta svar i digitala journaler

Elektroniska patientjournaler var tänkta att göra vården mer effektiv, men många system har blivit röriga och svåra att söka i. Läkare måste klicka genom många skärmar och fält bara för att hitta grundläggande uppgifter som ett barns syrgashalt eller hur många liknande fall som lades in förra veckan. Tidigare forskning har visat att läkare kan tillbringa mer än en kvart per besök i dessa system, där mycket av tiden går åt till att söka snarare än att tänka eller prata med patienter. Dessa problem är särskilt allvarliga på mindre eller landsbygdssjukhus, där mjukvaran ofta är enkel och personalen är hårt belastad.

En chattbot som talar med kalkylblad

Forskarna samarbetade med ett distriktsjukhus i Tumkur, Indien, där barnpatientdata lagras i enkla kalkylbladsformat snarare än i dyra databassystem. De byggde ett lättviktigt journalsystem med vanliga webbverktyg och kopplade det till en konversationschattbot baserad på LangChain och OpenAI:s GPT-3.5-modell. Istället för att skicka hela patientjournaler till AI:n översätter en separat Python-“hjälpare” läkarens skrivna fråga till säkra, fokuserade kommandon som hämtar endast den information som behövs från anonymiserade data. Detta skyddar integriteten samtidigt som chattboten kan förstå naturliga frågor som ”Hur många denguefall lades in detta datum?” eller ”Vad är detta barns senaste syrgashalt?”

Hur systemet fungerar bakom kulisserna

När en läkare skriver en fråga i chattboten hämtar systemet först de relevanta, avidentifierade uppgifterna från ett säkert Firestore-lagringsområde och konverterar dem till ett strukturerat format. LangChain CSV-agenten delar sedan upp frågan i små kodstycken som kan söka i dessa kalkylbladsfiler. Den koden körs på den lokala datan, och resultaten skickas tillbaka till språkmodellen, som omvandlar dem till ett tydligt, konverserande svar för klinikern. Dataflödet går endast i en säker riktning: chattboten ser förfrågningssvar, inte hela patientjournaler, vilket hjälper systemet att respektera integritetsregler samtidigt som det känns flexibelt och mänskligt att använda.

Att testa chattboten med verkliga kliniker

För att se om verktyget verkligen hjälpte samlade teamet in en datamängd med 1 200 barnbesök, vardera med cirka 160 olika datapunkter. Fyrtio kliniker ombads utföra 240 realistiska sökuppgifter, som att kontrollera en specifik vitalparameter eller räkna patienter med en viss diagnos, både med och utan chattboten. Sjukhusets äldre journalsökning, som förlitade sig på enkel nyckelordssmatchning, användes som jämförelse. Med chattboten sjönk median-söktiden från strax över en minut till något mer än en halv minut—ungefär en förbättring på 40 %. Noggrannheten i den hämtade informationen ökade också märkbart, med ett kombinerat mått för precision och fullständighet som steg från 0,71 till 0,89. Klinikerna gav verktyget höga betyg för användbarhet och uppskattade att få snyggt strukturerade svar istället för råa tabeller.

Vad detta kan innebära för framtida vård

Författarna drar slutsatsen att en blygsam, prisvärd chattbot kan göra det mycket enklare och snabbare för läkare att få tillgång till barns medicinska historik, utan att kräva sofistikerad infrastruktur eller riskera onödig dataexponering. Genom att låta kliniker ”prata” med journaler på vanlig svenska (naturligt språk) och noggrant begränsa vad AI:n kan se, visar systemet en praktisk väg för sjukhus som förlitar sig på kalkylblad och har tajta budgetar. Även om chattboten fortfarande har svårt med mycket komplexa eller oklara frågor och ännu inte hanterar frifältsanteckningar, tyder studien på att liknande verktyg en dag kan hjälpa kliniker i många områden att lägga mindre tid på att brottas med programvara och mer tid på att vårda patienter.

Citering: Gowramma, P.B., Kumar, K., Prema, M.S. et al. AI-powered Chatbot integration for enhanced accessibility of electronic health records in a pediatric hospital. Sci Rep 16, 13287 (2026). https://doi.org/10.1038/s41598-026-42475-2

Nyckelord: elektroniska patientjournaler för barn, medicinsk AI-chattbot, hälsodatahämtning, patientintegritet, sjukhus med begränsade resurser