AI kan minska skillnader i demensvård i Sverige

45 %. Så många som söker primärvård för misstänkta demenssymtom får en diagnos inom vårdgarantins 90 dagar. I specialistvården är siffran 30 %. Det är inte bara ett väntetidsproblem – det är ett likvärdighetsproblem.

Socialstyrelsens nationella utvärdering (publicerad 2025-12-19) visar att demensvården förbättras för långsamt och att skillnaderna mellan regioner ligger kvar. För dig som jobbar i primärvården blir det här väldigt konkret: utredningar tar tid, uppföljningar blir ojämna och läkemedelsbehandlingar varierar mer än de borde.

I den här delen av serien ”AI för Svenska Vårdcentraler: Primärvård 4.0” tar jag en tydlig position: AI är ett av de mest praktiska verktygen vi har för att minska vårdvariation i demens – men bara om vi bygger det runt riktlinjer, arbetsflöden och mätbar uppföljning.

Skillnaderna är mätbara – och det gör dem möjliga att fixa

Om du kan mäta en skillnad kan du också styra bort från den. Socialstyrelsens rapport pekar på tre punkter där variationen är både tydlig och skadlig.

1) Väntetiderna till diagnos: 90 dagar i teorin, månader i praktiken

Tidig diagnos är central vid demens: patient och anhöriga behöver planera, få stöd och – vid Alzheimers och närliggande tillstånd – komma in i rätt behandling och uppföljning.

Att bara 45 % i primärvården och 30 % i specialistvården får diagnos inom 90 dagar betyder att majoriteten hamnar i ett limbo. Det skapar ofta en ond cirkel:

• fler återbesök “för säkerhets skull”
• mer belastning på telefon och reception
• ökade akuta kontakter när anhöriga går på knäna
• sämre möjlighet att hinna med basal läkemedelsuppföljning

AI-stöd här handlar inte om att ersätta demensutredningen. Det handlar om att kapa friktion: triagera rätt, standardisera steg och förhindra att patienter fastnar mellan stolar.

2) Demensläkemedel: knappt hälften får behandling

Rapporten pekar på att knappt hälften av personer 65+ med Alzheimers sjukdom i Sverige behandlas med symtomlindrande demensläkemedel – i princip samma nivå som 2018.

Det rör läkemedelsgrupper som varit klinisk vardag länge:

• Kolinesterashämmare (donepezil, galantamin, rivastigmin) vid mild–måttlig Alzheimers
• Memantin vid måttlig–svår Alzheimers

En poäng som lätt tappas bort i debatten om nya antikroppsläkemedel är att basbehandlingen fortfarande faller bort för många. Här finns ett stort utrymme för förbättring bara genom att göra det enklare att göra rätt.

3) Region- och socioekonomiska skillnader: tre gånger i förskrivning

Socialstyrelsen beskriver att förskrivningen av demensläkemedel (relaterat till antalet invånare 65+) är nära tre gånger så hög i Norrbotten som på Gotland.

Samtidigt finns en utbildningsgradient: personer med minst tre års eftergymnasial utbildning har 15 % högre sannolikhet att få demensläkemedel än personer med bara grundskola – och skillnaden har ökat sedan 2016.

Det här är kärnan: vård efter postnummer och utbildningsnivå är inte ett mystiskt fenomen. Det är ofta summan av små saker i flödet: olika mallar, olika rutiner, olika vana, olika uppföljningsdisciplin.

Varför primärvården är nyckeln – och varför AI passar just här

Primärvården äger stora delar av verkligheten kring demens: första kontakten, initial bedömning, provtagning, läkemedelsgenomgång, uppföljning, samordning med kommun. Det är också här tiden är som mest begränsad.

AI i primärvården (Primärvård 4.0) fungerar bäst när den gör tre saker:

1. Standardiserar det som bör vara standard
2. Flaggar avvikelser tidigt (så att de kan åtgärdas)
3. Förenklar dokumentation och uppföljning utan att lägga mer arbete på klinikern

I demens är det extra relevant eftersom variationen i rapporten till stor del rör process och uppföljning – exakt det AI kan hjälpa till med.

Tre AI-tillämpningar som direkt kan minska vårdvariation

Det finns en risk att “AI i vården” blir en powerpoint-idé. Så låt oss hålla det praktiskt: här är tre tillämpningar som matchar problemen Socialstyrelsen pekar på.

AI-tillämpning 1: Smart triagering och köstyrning för demensutredning

Direkt svar: AI kan korta tiden till diagnos genom att prioritera rätt patienter och säkerställa att utredningssteg inte missas.

I många verksamheter beror väntetiden inte bara på brist på tider, utan på att flödet är ojämnt:

• remisser med olika kvalitet
• varierande provpaket
• kognitiva test görs olika eller dokumenteras otydligt
• återbesök bokas utan tydlig plan

Ett AI-stöd kan fungera som ett “trafikljus” i journalsystemet:

• Identifiera patienter med mönster som talar för utredningsbehov (t.ex. återkommande minnesklagomål, anhörignoteringar, fall, läkemedelsrelaterad konfusion)
• Föreslå standardiserade prov- och testpaket (enligt lokala/regionala riktlinjer)
• Skapa automatiska påminnelser om uppföljningssteg

Det viktiga är att AI inte bara hittar patienter – den minskar risken för att patienten tappas bort.

AI-tillämpning 2: Riktlinjebaserade beslutsstöd för demensläkemedel

Direkt svar: AI kan öka andelen som erbjuds rätt demensläkemedel genom att göra riktlinjer “klickbara” i vardagen.

När bara knappt hälften får symtomlindrande behandling är det sällan för att vården inte vill. Ofta är orsakerna mer prosaiska:

• diagnoskod saknas eller är otydlig
• oklart stadium (mild/måttlig/svår)
• samsjuklighet och polyfarmaci gör läkaren försiktig
• uppföljningsrutiner för effekt/biverkningar är svåra att hinna

AI-stöd kan här vara ett kombinerat paket:

• Identifiering: “Patienten har Alzheimersdiagnos och saknar demensläkemedel.”
• Rekommendation: “Överväg kolinesterashämmare vid mild–måttlig sjukdom; dokumentera mål och uppföljning.”
• Uppföljning: automatisk uppföljningsmall efter 6–12 veckor för effekt och biverkningar (t.ex. puls, magbiverkningar, sömn, funktionsnivå)

Poängen: likvärdighet uppstår när samma typ av patient triggar samma typ av nästa steg – oavsett vilken vårdcentral eller region.

AI-tillämpning 3: Säker uppföljning av psykosläkemedel i särskilt boende

Direkt svar: AI kan minska långvarig användning av antipsykotika genom att bygga in “stopplogik” och tät omprövning.

Socialstyrelsen lyfter att över 70 % av demenspatienter (65+) som förskrivs psykosläkemedel får behandling i mer än sex månader – trots att rekommenderad maxlängd vid vissa BPSD-symtom är sex veckor.

Dessutom kopplas ökningen delvis till lågdos kvetiapin vid sömnstörning.

Här är AI:s styrka inte att “avgöra” om patienten behöver läkemedel. Styrkan är att:

• hitta patienter som passerat planerad behandlingstid
• kräva dokumenterad omprövning (effekt, biverkningar, fallrisk, sedation)
• föreslå icke-farmakologiska åtgärder som standard förstalinje i BPSD-arbete (miljö, dygnsrytm, smärtbedömning)

En enkel regelmotor + språkmodell för dokumentationsstöd kan göra stor skillnad: omprövning blir default, inte undantag.

Så bygger man AI som faktiskt minskar ojämlik demensvård

Det här är delen som många hoppar över. AI minskar inte skillnader bara för att den finns. Den måste byggas så att den stödjer ansvar, inte suddar ut det.

Datagrund: från “fina dashboards” till klinisk precision

För att AI ska kunna hjälpa behöver ni ha ordning på:

• diagnoskoder och problembilder
• läkemedelslistor (inkl. indikation)
• mätpunkter för uppföljning (t.ex. puls, biverkningar, funktionsstatus)
• struktur kring kognitiva test och anhöriginfo

Min erfarenhet är att ni kommer långt om ni börjar med tre standardiserade mallar:

1. första bedömning vid misstänkt kognitiv svikt
2. uppföljning efter insatt demensläkemedel
3. omprövning av antipsykotika/BPSD

AI kan sedan “fylla i”, sammanfatta och flagga avvikelser.

Styrning: mät variation, följ upp, justera

Socialstyrelsen efterlyser starkare uppföljning. Det är helt rätt. Ett AI-projekt utan uppföljningsmått är ett IT-projekt, inte en vårdförbättring.

Bra, konkreta mått för en vårdcentral eller region kan vara:

• andel demensutredningar som når diagnos inom 90 dagar
• andel Alzheimerspatienter 65+ med erbjuden demensläkemedelsbehandling
• andel antipsykotikaförskrivningar med dokumenterad omprövning inom 6 veckor
• regional/kommunal variation i dessa mått (”spridning” är ofta viktigare än snitt)

Etik och jämlikhet: bygg bort utbildningsgradienten

Att utbildningsnivå korrelerar med sannolikhet att få behandling är en varningslampa. AI kan hjälpa – eller förstärka problemet – beroende på hur den tränas och används.

Två praktiska principer jag tycker alla bör kräva:

• Rättviseanalys: följ utfallet uppdelat på socioekonomi, kön, ålder, boendeform.
• Riktlinjeankring: låt AI:s rekommendationer bottna i nationella/regionala riktlinjer och lokalt beslutad vårdprocess.

Det är så man gör AI till ett verktyg för likvärdighet, inte en ny källa till skillnader.

Från rapport till vardag: en 30-dagars startplan för vårdcentralen

Om ni vill testa AI i demensflödet utan att dra igång ett årslångt program: gör det här i liten skala.

1. Vecka 1: Kartlägg nuläget

   • Hur lång tid tar utredningarna?
   • Hur många Alzheimerspatienter saknar demensläkemedel?
   • Hur ofta omprövas antipsykotika i samverkan med SÄBO?

2. Vecka 2: Välj ett enda arbetsflöde

   • exempel: “uppföljning efter insatt kolinesterashämmare”

3. Vecka 3: Inför mall + AI-assisterad journaldokumentation

   • automatisk sammanfattning av symtom, biverkningar, puls, läkemedelslista

4. Vecka 4: Sätt två mätetal och följ upp

   • t.ex. uppföljning inom 8 veckor + dokumenterad effekt/biverkningar

Små steg, men med tydlig riktning.

Nästa steg för Primärvård 4.0: demensvård som tål granskning

Det Socialstyrelsen visar är egentligen enkelt: vård som varierar kraftigt är vård som saknar tillräcklig processkontroll. Och i demens slår det hårt – både mot patienter och anhöriga.

AI kan minska skillnader i demensvård genom att korta tid till diagnos, göra riktlinjer mer praktiska och tvinga fram uppföljning där riskerna är som störst. Men jag tycker också vi ska vara ärliga: det kräver ledning, mätetal och en vilja att standardisera där standardisering är rätt.

Om din vårdcentral skulle kunna minska ovisshetstiden för patienter med kognitiv svikt – utan att personalen springer fortare – vilken del av flödet skulle du börja med?