Enligt en nyligen publicerad artikel är bristen på korrekt patientidentitet den största riskfaktorn när AI-system införs i vården. Författarna menar att utan en pålitlig koppling mellan patientdata och AI-modellen kan felaktiga diagnoser, felbehandlingar och integritetsproblem uppstå. De föreslår att varje AI-projekt först ska verifiera att patientjournalerna är fullständiga, korrekt identifierade och strukturerade innan någon modell tränas eller implementeras. Dessutom betonas behovet av standardiserade identifieringsprotokoll och realtidskontroller för att säkerställa att AI-utdata alltid hänför sig till rätt patient.

Artikeln pekar på att många nuvarande AI-lösningar saknar sådana kontroller, vilket leder till oönskade konsekvenser som felaktiga rekommendationer eller bias i beslutsstöd. Genom att införa robusta identifieringsmekanismer kan vårdgivare både förbättra patientsäkerheten och öka förtroendet för AI-teknik.