Kan du stole på ChatGPT for helseråd? Dette sier forskningen

TL;DR (Kort oppsummert)

Mange bruker i dag ChatGPT eller lignende chatboter til å tolke symptomer før de eventuelt oppsøker lege. Praksisen er så utbredt at den norske helseministeren selv har uttalt at nordmenn bør få et bedre alternativ enn å søke på Google eller spørre ChatGPT. Forskning støtter en viss bekymring: en fagfellevurdert studie (altså en studie som er kontrollert og godkjent av andre forskere før den ble publisert) i Nature Medicine, gjennomført av forskere ved Oxford Internet Institute, fant at folk som brukte språkmodeller til å vurdere egne symptomer, ofte bommet på hvor akutt situasjonen faktisk var. Samtidig er bildet ikke svart-hvitt. Denne artikkelen går gjennom hva forskningen faktisk viser, hvor KI er til nytte og hvor du bør være mest skeptisk.

Helseministeren som ville ha deg bort fra ChatGPT

I 2026 gjorde helseminister Jan Christian Vestre noe uvanlig eksplisitt. Ifølge Dagens Medisin uttalte han at han ønsker en egen, kvalitetssikret norsk tjeneste som alternativ til at folk googler symptomene sine eller spør ChatGPT. Han kalte den en “digital førstelinje” med kvalitetssikret innhold, fremfor et generelt KI-verktøy uten medisinsk kontroll. Dette er ikke en tilfeldig uttalelse fra en enkeltperson. Det gjenspeiler en reell, dokumentert bekymring i helsevesenet. Det er samtidig verdt å merke seg at bekymringen også handler om noe annet: leger selv bruker i økende grad KI i konsultasjoner, noe Aftenposten har omtalt fra motsatt kant.

Poenget er ikke at KI er ubrukelig for helsespørsmål. Poenget er at det finnes en dokumentert, spesifikk svakhet du bør kjenne til før du stoler på et symptområd fra en chatbot.

Hva forskningen faktisk viser

To fyllingsmålere illustrerer forskjellen: sterkere på generell informasjon, svakere på å vurdere alvorlighetsgrad.

En studie fra Oxford Internet Institute ved University of Oxford, publisert i Nature Medicine i februar 2026, testet dette direkte. Studien var forhåndsregistrert, altså at forskerne offentliggjorde spørsmålene og metoden sin før de startet, nettopp for å hindre at de i etterkant kunne plukke ut resultater som passet dem. Den testet hvordan 1 298 vanlige briter, ikke helsepersonell, presterte når de brukte tre ulike språkmodeller (GPT-4o, Llama 3 og Command R+) til å vurdere ti oppdiktede pasientkasus. Funnet: deltakere som brukte en KI-modell var signifikant dårligere (altså en forskjell stor nok til at forskerne mener den neppe skyldes tilfeldigheter) enn en kontrollgruppe (som brukte vanlig nettsøk eller egen kunnskap) til å identifisere hvilke medisinske tilstander som faktisk var relevante. På spørsmålet om riktig neste steg, altså om de burde oppsøke akuttmottak, fastlege eller vente og se an, var det derimot ingen statistisk sikker forskjell mellom KI-brukerne og kontrollgruppen. Begge grupper svarte riktig i underkant av halvparten av tilfellene (43,0 prosent samlet). Konklusjonen var altså nyansert: å bruke en KI-chatbot gjorde folk ikke bedre til å vurdere alvorlighetsgrad enn å bruke et vanlig nettsøk og til dels dårligere til å identifisere selve tilstanden.

En separat metaanalyse (en studie som samler og sammenligner funn fra mange andre studier) av 83 studier, publisert i npj Digital Medicine i 2025, fant en samlet diagnosenøyaktighet på 52,1 prosent hos KI-chatboter på tvers av ulike medisinske spørsmål. Det er markant lavere enn erfarne leger i samme sammenligning.

Mayo Clinic peker på en konkret, ofte oversett årsak til at dette skjer. Folk som søker helseinformasjon, gir ofte ikke chatboten nok spesifikk informasjon til at den kan gi et presist svar. Selv små forskjeller i hvordan du beskriver et symptom, kan gi et helt annet svar tilbake. Dette er ikke primært et problem med KI-en alene. Det er et samspillsproblem mellom hvordan mennesker beskriver egne symptomer og hvordan modellen tolker akkurat den beskrivelsen.

Hvor KI faktisk gjør det bra

Bildet er ikke ensidig negativt. Det norske fagmediet healthtalk.no omtalte i 2023 en studie fra to nederlandske forskere ved Amsterdam UMC, der ChatGPT ble testet på kardiologispørsmål. Chatboten svarte riktig i 90 prosent av tilfellene på relativt enkle spørsmål av typen en pasient stiller fastlegen, men falt til rundt 50 prosent riktig på mer kompliserte spørsmål av typen en fastlege stiller en spesialist. Det stemmer godt overens med et gjennomgående mønster i forskningen: KI presterer relativt bra på generell, faktabasert informasjon (hva betyr dette begrepet, hva er vanlige bivirkninger av en medisin), men markant svakere på å vurdere DIN spesifikke, akutte situasjon. Det er verdt å presisere at dette var en eldre test fra 2023, med en tidligere GPT-4-versjon, ikke en fersk måling av dagens modeller.

En amerikansk studie fra 2023 fant til og med at ChatGPT traff riktig i 72 prosent av tilfellene i visse avgrensede kliniske beslutningsscenarier, på nivå med en nyutdannet lege, ifølge Dagens Medisin sin omtale. Det illustrerer et viktig poeng: nøyaktigheten varierer mye avhengig av HVA du spør om, ikke bare hvilken modell du bruker. Én ting begge disse studiene har til felles, er at de tester eldre KI-modeller enn dem som er i vanlig bruk i dag (se eget spørsmål under om hvorvidt nyere modeller er bedre).

Studie	Hva ble testet	Resultat
Oxford Internet Institute / Nature Medicine (2026)	Riktig neste steg (akuttmottak/fastlege/vente)	43,0 prosent, ingen sikker forskjell fra kontrollgruppe
npj Digital Medicine, metaanalyse av 83 studier (2025)	Samlet diagnosenøyaktighet hos KI-chatboter	52,1 prosent
Amsterdam UMC (2023)	Enkle vs. kompliserte kardiologispørsmål	90 prosent (enkle), 50 prosent (kompliserte)
Amerikansk studie (2023)	Avgrensede kliniske beslutningsscenarier	72 prosent, på nivå med en nyutdannet lege

En praktisk tommelfingerregel

Tommelfingerregelen visualisert: generelle spørsmål kan gå til KI, akutte symptomer bør gå til en fagperson.

Basert på forskningen kan man trekke et rimelig tydelig skille. KI er et nyttig oppslagsverktøy for generell, faktabasert informasjon, som å forstå et fagbegrep legen brukte, lese deg opp på en tilstand du allerede har fått diagnostisert eller forberede spørsmål til et legebesøk.

KI bør ikke være avgjørende for akutte beslutninger, som å vurdere om et symptom er alvorlig nok til å ringe legevakt eller dra til akuttmottak. Nettopp denne typen alvorlighetsvurdering er der forskningen konsekvent finner de svakeste resultatene, uavhengig av hvilken modell som er testet.

Er du usikker, er det tryggeste rådet fortsatt det enkleste: kontakt fastlegen, legevakten (116 117) eller nødnummer (113) ved reell tvil. Et chatbot-svar kjenner ikke hele din medisinske historie og kan ikke undersøke deg fysisk, og forskningen viser at det har en dokumentert svakhet nettopp på alvorlighetsvurdering.

Vanlige spørsmål

Er dette det samme som artikkelen om KI som terapeut?

Nei. Den artikkelen handler om psykisk helse og KI som samtalepartner i vanskelige perioder. Denne artikkelen handler om fysiske symptomer og medisinsk alvorlighetsgrad, et annet risikoområde med andre studier og andre svakheter.

Er nyere KI-modeller bedre på dette enn eldre?

Ifølge en studie referert av PMC, som sammenlignet flere ChatGPT-versjoner direkte, har selvhjelpsrådene blitt noe bedre over tid, men den overordnede nøyaktigheten på hvor akutt en situasjon er, har ikke forbedret seg tilsvarende mellom modellversjoner. Det er altså ikke gitt at “nyere er automatisk tryggere” på nettopp dette punktet.

Hva er den norske “digitale førstelinjen” helseministeren snakket om?

Det er en planlagt, kvalitetssikret offentlig tjeneste tenkt som et alternativ til å søke på egen hånd i Google eller ChatGPT ved nye symptomer, omtalt av Dagens Medisin i 2026. Detaljene rundt utforming og lansering var ikke ferdig avklart på tidspunktet denne artikkelen ble skrevet.

Bør jeg slutte å bruke KI til helsespørsmål helt?

Ikke nødvendigvis. Forskningen tyder på at KI er nyttig til generell, faktabasert informasjon, men bør ikke være grunnlaget for å vurdere hvor akutt et symptom er. Bruk det som et supplement til, ikke en erstatning for, kontakt med helsepersonell ved reell usikkerhet.

Oppsummering og kilder

Forskning viser at KI-chatboter har en dokumentert svakhet nettopp på å vurdere hvor alvorlig et symptom er, mens de presterer bedre på generell, faktabasert helseinformasjon. Den norske helseministeren har selv uttalt at han vil ha folk bort fra å bruke Google og ChatGPT til nye symptomer, til fordel for en fremtidig, kvalitetssikret offentlig tjeneste. Bruk gjerne KI til å forstå fagbegreper eller forberede spørsmål til legen, men la det ikke avgjøre om et symptom er alvorlig nok til å oppsøke hjelp.

Det viktigste å huske:

Forskning i Nature Medicine viser lav treffsikkerhet når folk bruker KI til å vurdere alvorlighetsgraden av symptomer
Norges helseminister har eksplisitt sagt han vil ha folk bort fra å bruke Google og ChatGPT ved nye symptomer
KI presterer bedre på generell, faktabasert informasjon enn på din spesifikke, akutte situasjon
Ved reell tvil: kontakt fastlege, legevakt (116 117) eller nødnummer (113), ikke en chatbot

Kilder brukt i denne artikkelen:

Sist oppdatert: August 2026

Kan du stole på ChatGPT som helserådgiver?