Systematisk review med AI: hurtigere uden at give køb på stringensen

Det systematiske review (Systematic Literature Review, SLR) er guldstandarden for evidenssyntese — og en af de mest tidskrævende opgaver i forskningen. AI kan nu automatisere de tungeste trin. Her er, hvad videnskaben reelt viser, hvilke faldgruber du skal undgå, og hvor Charlie placerer sig.

Emerit Science-holdet

Juli 2026

Systematisk review fremskyndet med Charlie

Et systematisk litteraturreview er ikke en gennemgang »hen ad vejen«. Det er en reproducerbar protokol: man definerer et spørgsmål, en udtømmende søgestrategi og inklusionskriterier, og derefter screener man hver reference, udtrækker data fra de udvalgte studier og sammenfatter — ofte i form af en metaanalyse. Alt sammen efter standarder som PRISMA 2020 eller Cochranes anbefalinger. Det er det, der gør det til den mest pålidelige evidenskilde inden for videnskab og medicin.

Problemet: et stringent SLR tager måneder. At screene 5.000 til 20.000 titler og abstracts manuelt med dobbelt gennemlæsning og derefter metodisk udtrække data fra hundredvis af artikler lægger beslag på hele teams. Og den videnskabelige produktion fordobles med få års mellemrum: arbejdet vokser kun. Det er netop her, AI-agenterne fra 2026-generationen ændrer spillet — forudsat at man ved, hvad de gør godt, og hvad de gør dårligt.

Hvor tiden går: de fem trin i et SLR

Ethvert systematisk review gennemløber de samme faser. Hver fase har sin egen automatiseringsprofil — nogle egner sig rigtig godt til AI, andre kræver streng menneskelig kontrol.

Trin	Hvad der skal gøres	Kan det automatiseres?
1. Søgning	Omsætte spørgsmålet til booleske søgestrenge og søge i PubMed, Embase osv.	Delvist — AI'en skriver forespørgslerne, eksperten validerer
2. Screening	Sortere tusindvis af titler/abstracts og derefter fuldtekster (dobbelt gennemlæsning)	I høj grad — det trin, der er mest modent til AI
3. Ekstraktion	Udtrække PICO, stikprøvestørrelser, resultater og metoder fra hvert studie	Understøttet — gode gevinster, men menneskelig kontrol er uundværlig
4. Syntese	Samle resultaterne, metaanalyse, kvalitativ fremstilling	Understøttet — AI'en skriver og strukturerer, mennesket konkluderer
5. Vurdering af risiko for bias	Bedømme den metodiske kvalitet af hvert inkluderet studie	Kun lidt — kræver ekspertvurdering, AI alene er ikke særlig pålidelig

Denne gradering er afgørende: AI'ens værdi er ikke at »lave reviewet for dig«, men at overtage det mekaniske arbejde (screening, struktureret ekstraktion), hvor den excellerer, og overlade den videnskabelige vurdering til mennesket, hvor den tæller.

Hvad forskningen reelt viser (tal fra 2025)

I stedet for marketingløfter ser vi på de resultater, der blev publiceret i 2025 af forskerhold, som har målt reelle systemer på reelle reviews.

Screening — det mest modne trin. En gennemgang af mere end 20 værktøjer viser, at assisteret sortering kan reducere den manuelle screening med mere end 60 % og samtidig bevare en recall på over 90 % (Mikriukov et al., 2025). På AutoLit når modellerne for superviseret læring 82 til 97 % recall, på niveau med en menneskelig reviewer (Kallmes et al., 2025).
Søgning — fra spørgsmål til forespørgsel. En ræsonnerende agent omsætter et forskningsspørgsmål til komplette booleske søgestrenge med 76,8 % og 79,6 % recall på to valideringssæt — sammenlignet med forespørgsler udformet af Cochrane-eksperter (Kallmes et al., 2025).
Ekstraktion — god på strukturerede data. Ekstraktionen af PICO-elementer (Population, Intervention, Comparator, Outcome) har en nøjagtighed på over 85 % (Mikriukov et al., 2025); metadata som studietype, sted og størrelse udtrækkes med en nøjagtighed på 74 %, 78 % og 91 % (Kallmes et al., 2025).
Konkrete tidsbesparelser. På reelle reviews rapporterer forfatterne 50 % sparet tid ved screening af abstracts og 70 til 80 % ved den kvalitative ekstraktion (Kallmes et al., 2025).

Den underliggende tendens er bredere: videnskabelige AI-agenter — der kan ræsonnere, planlægge og kæde værktøjer sammen autonomt — udpeges som en ny frontlinje for litteraturgennemgang, hypotesegenerering og resultatanalyse (Gridach et al., ICLR 2025), især inden for bioinformatik og biomedicin (Yang et al., 2025).

Faldgruben, du ikke må overse: AI uden overvågning tager fejl

Det er farligt at automatisere et SLR som en »sort boks«. De samme studier, der måler gevinsterne, måler også fejlene, og de er alvorlige netop der, hvor vurderingen betyder mest:

! Uden menneskelig kontrol når fejlraten 31 % ved dataekstraktion og overstiger 50 % ved automatisk vurdering af risiko for bias (Mikriukov et al., 2025).
! Hallucinationer: en model kan opfinde en plausibel, men forkert værdi eller et citat — uacceptabelt i en evidenssyntese.
! Reproducerbarhed: uden sporbarhed af forespørgsler, prompts og beslutninger er reviewet ikke længere reproducerbart — og det er selve definitionen på et SLR.

Forfatternes konklusion er enstemmig: den rette model er ikke fuld automatisering, men »human-in-the-loop« — AI'en foreslår, eksperten beslutter. Agenten bliver en utrættelig anden reviewer, hvis beslutninger altid kan efterprøves, aldrig en erstatning for den videnskabelige vurdering (Kallmes et al., 2025).

Når evidensen ikke slår til: formel konsensus (RAND/UCLA)

Et systematisk review giver ikke altid et entydigt svar: nogle gange er evidensen sparsom, heterogen eller modstridende. Så tager strukturerede konsensusmetoder over — og den mest anerkendte er RAND/UCLA-metoden til vurdering af hensigtsmæssighed (RAND/UCLA Appropriateness Method), udviklet i 1980'erne af RAND Corporation og UCLA. Den formaliserer præcis det, denne artikel argumenterer for: at kombinere evidensen fra et systematisk review med vurderingen fra et ekspertpanel.

1 Evidenssyntese — der udføres et systematisk litteraturreview, som opsummeres for panelet, der dermed får et fælles faktuelt grundlag.
2 Individuel scoring — hver ekspert vurderer »hensigtsmæssigheden« (appropriateness) af hver indikation på en skala fra 1 til 9 i lyset af den fremlagte evidens.
3 Diskussion og anden runde — efter en drøftelsesrunde (modificeret Delphi) scorer eksperterne igen; hver indikation klassificeres som hensigtsmæssig, usikker eller uhensigtsmæssig ud fra medianen og graden af uenighed.

Charlie passer naturligt ind før denne proces: den fremskynder det systematiske review, der fodrer panelet — søgning, screening, ekstraktion, syntese med kildehenvisninger — og giver eksperterne et rent, sporbart og opdateret evidensgrundlag før afstemningen. Konsensussens kvalitet afhænger direkte af kvaliteten af det review, der ligger til grund for den: det er netop her, Charlie sparer tid uden at tage noget fra den kollektive vurdering.

»AI'en erstatter ikke revieweren i et systematisk review. Den fjerner de 80 % mekanisk arbejde — sortering, ekstraktion, opsætning — så revieweren kan bruge sin tid på de 20 %, der virkelig kræver vedkommendes vurdering. Gevinsten er ikke kun hastighed: det er genvundet stringens.« — Emerit Science-holdet

Sådan støtter Charlie hvert trin — uden at du giver slip på styringen

Charlie er ikke en magisk »knap til systematiske reviews«. Det er en videnskabelig agent, der er designet til at støtte forskeren i hver fase og bevare sporet af og kilden til hver påstand:

1 Afgræns søgningen — Charlie omsætter dit spørgsmål til en søgestrategi, foreslår synonymer og søgestrenge og søger direkte i PubMed, PMC, bioRxiv, HAL og på nettet. Du validerer og forfiner, før du går i gang.
2 Forscreening — ud fra dine inklusions- og eksklusionskriterier klassificerer og prioriterer Charlie referencerne og begrunder hvert forslag. Den fungerer som en anden reviewer: den endelige beslutning om inklusion er stadig din.
3 Struktureret ekstraktion — PICO, population, antal deltagere, hovedresultater: Charlie udfylder et ekstraktionsskema og knytter hvert datapunkt til sit klikbare citat, så du kan tjekke kilden med ét klik.
4 Sammenfat — Refleksionsmodus sammenholder de inkluderede studier, fremhæver overensstemmelser og modsigelser og skriver en første narrativ syntese med kildehenvisninger, som du retter og supplerer.
5 Dokumentér og byg videre — vedvarende projekthukommelse: kriterier, beslutninger og noter bevares fra session til session. Reviewet forbliver reproducerbart og kan overdrages til hele teamet.

Det styrende princip: Charlie tager sig af de trin, som forskningen identificerer som de mest automatiserbare (søgning, screening, struktureret ekstraktion), og overlader systematisk vurderingen — endelig inklusion, risiko for bias, konklusioner — til forskeren, med kilderne ved hånden.

Et eksempel fra start til slut

Dag 1 — afgrænse og søge

»Jeg forbereder et systematisk review om effekten af PARP-hæmmere ved BRCA-muteret ovariecancer. Hjælp mig med at opbygge søgestrengen til PubMed, og foreslå PICO-inklusionskriterier.« Charlie foreslår søgestrengen, MeSH-synonymerne og et PICO-skema — du justerer og går i gang.

Dag 2 — screene

»Her er mine 3.800 abstracts. Klassificér dem efter mine kriterier, og forklar, hvorfor hvert grænsetilfælde bør inkluderes eller ekskluderes.« Charlie prioriterer og begrunder, og du gennemgår primært gråzonen — ikke de tusindvis af åbenlyse tilfælde.

Dag 3-4 — udtrække og sammenfatte

»For disse 42 inkluderede studier: udtræk population, design, antal deltagere og HR for progressionsfri overlevelse, og markér heterogeniteter.« Charlie udfylder skemaet med klikbare citater, du tjekker de tvivlsomme værdier ved kilden, og den skriver den første syntese — som du færdiggør.

Reproducerbarhed og suverænitet: to ufravigelige krav

Et systematisk review har kun værdi, hvis det er reproducerbart, og hvis man bevarer kontrollen over dataene. To strukturelle styrker ved Charlie imødekommer direkte disse krav:

Indbygget sporbarhed — hver påstand er knyttet til et klikbart citat med en entydig identifikator, og projekthukommelsen bevarer kriterier og beslutninger. Kæden »forespørgsel → beslutning → kilde« kan efterprøves, hvilket er en forudsætning for et SLR, der lever op til standarderne.
Fransk suverænitet — hosting hos Scaleway, overholdelse af GDPR og AI Act, ProConnect til den offentlige sektor. Dine reviewprotokoller og dine data forbliver i Europa, et vigtigt punkt for reviews af følsomme eller upublicerede data.
Indbyggede videnskabelige kilder — PubMed, PMC, bioRxiv, HAL, nettet: litteraturen kommer direkte ind i arbejdsområdet, uden copy-paste mellem værktøjer.

Konklusion: SLR'et er stadig dit review — Charlie fjerner slæbet

Tallene fra 2025 er klare: AI sparer 50 til 80 % af tiden på de mekaniske trin i et systematisk review og når samtidig recall-niveauer på højde med en menneskelig reviewer i screeningen. Men de samme studier minder om, at blind automatisering mangedobler fejlene der, hvor vurderingen tæller. Den rette arkitektur er human-in-the-loop.

Det er præcis Charlies filosofi: en agent, der tager slæbet, angiver kilden til hvert datapunkt og bevarer sporet — og lader dig bevare herredømmet over videnskaben. For europæiske teams er det måden at fremskynde deres reviews på uden at give køb på hverken stringensen eller kontrollen over deres data.

Dit næste systematiske review på en brøkdel af tiden

Går du i gang med et SLR eller et scoping review? Vi viser dit team, hvordan I afgrænser, screener og udtrækker med Charlie — og bevarer den metodiske kontrol. En 30 minutters demo på jeres egen konkrete case.

Book et møde Siden »For teams«

Del denne artikel: