AI kan minska regionala skillnader i demensvård

45 %. Det är andelen personer som får en demensdiagnos inom vårdgarantins 90 dagar i primärvården. I specialistvården är siffran ännu lägre: 30 %. Samtidigt får knappt hälften av personer 65+ med Alzheimers sjukdom symtomlindrande demensläkemedel – trots att nationella riktlinjer säger att vården bör erbjuda dem.

Det här är inte bara ett resursproblem. Det är ett variationsproblem. Socialstyrelsens senaste nationella utvärdering pekar på stora regionala skillnader i både utredningstider och läkemedelsbehandling. För en vårdcentral betyder det i praktiken att två patienter med liknande symtom kan få helt olika resa beroende på var de råkar bo.

I vår serie “AI för Svenska Vårdcentraler: Primärvård 4.0” har vi pratat om hur AI kan avlasta administration och förbättra patientkommunikation. Här går vi in i ett mer känsligt men också mer konkret område: hur AI kan bidra till mer jämlik demensvård genom bättre triage, snabbare diagnostikflöden och mer konsekvent uppföljning.

Varför skiljer demensvård så mycket – trots riktlinjer?

Den direkta förklaringen är enkel: arbetssätt, kompetens och tillgång till resurser varierar. Den obekväma sanningen är att variationen har blivit normaliserad. Socialstyrelsen konstaterar att skillnaderna mellan regioner inte har förändrats nämnvärt sedan 2016.

När väntetider blir en medicinsk risk

Vid demens är tid inte en detalj. Tidig diagnos påverkar:

• möjligheten att sätta in rätt stöd till patient och anhöriga
• planering av boende, ekonomi och vardagsstruktur
• läkemedelsbehandling vid Alzheimers och närliggande diagnoser
• risk för felbehandling när symtom tolkas som depression, stress eller “normalt åldrande”

När endast 45 % (primärvård) och 30 % (specialistvård) får diagnos inom 90 dagar blir väntan i sig en del av sjukdomsbördan.

Förskrivning som ser ut som ett postnummerlotteri

Socialstyrelsens utvärdering visar att förskrivningen av demensläkemedel (kolinesterashämmare som donepezil/galantamin/rivastigmin samt memantin) varierar kraftigt. I relation till antalet invånare 65+ är förskrivningen nära tre gånger så hög i Norrbotten som på Gotland.

Min tolkning: när skillnaderna är så stora över tid handlar det sällan om medicinska skäl. Det handlar om processer och uppföljning.

Ojämlikhet kopplad till utbildningsnivå

Ett av de mest oroande fynden är att utbildningsnivå verkar påverka behandling. Personer med minst tre års eftergymnasial utbildning har 15 % högre sannolikhet att få demensläkemedel jämfört med personer med enbart grundskola – och gapet har vuxit sedan 2016.

Det här är exakt den sortens mönster som datadrivna arbetssätt borde fånga tidigt.

Där AI faktiskt kan göra skillnad i primärvårdens demensflöde

AI löser inte brist på geriatriker. Men AI kan standardisera hur vården tar sig från “misstanke” till “beslut” – och minska den onödiga variationen.

1) AI-stödd triage: rätt patient till rätt utredningsnivå

Det som ofta sinkar demensutredningar är att utredningspaket startar sent, går i otakt, eller fastnar i otydliga remissvägar. Ett AI-stöd kan hjälpa till att:

• flagga tidiga tecken i journaltext (t.ex. upprepade besök för glömska, läkemedelsmissar, anhörigoro)
• strukturera symtombild och riskfaktorer (kärlrisk, tidigare stroke, parkinsonism, hallucinationer)
• föreslå lämpligt nästa steg: basal demensutredning i primärvård eller direkt remiss

Nyckeln är inte att AI “sätter diagnosen”, utan att AI minskar slumpen i vem som får en snabb start.

2) Beslutsstöd som kopplar riktlinjer till individen

Många vårdcentraler vill följa riktlinjer, men arbetet sker under tryck: korta besök, många ärenden, hög personalomsättning. AI-baserade beslutsstöd kan omvandla riktlinjer till patientnära rekommendationer:

• vid konstaterad Alzheimers: förslag om kolinesterashämmare vid mild–måttlig sjukdom
• vid måttlig–svår sjukdom: memantin kan vara aktuellt
• vid blanddemens eller Lewykropps-/Parkinsondemens: riktlinjestöd för behandling och försiktighet
• varningsstöd vid polyfarmaci och biverkningsrisker

Det här ger något som svensk vård ofta saknar i praktiken: konsekvent klinisk “miniminivå” över alla mottagningar.

3) Uppföljning som inte glöms bort

Socialstyrelsen lyfter att regionerna behöver stärka uppföljningen för att säkerställa att skillnaderna är medicinskt motiverade. Jag håller med – och jag tror att det är den mest underskattade AI-nyttan.

AI kan automatisera uppföljningslogik:

• “Patienten fick demensläkemedel, men ingen uppföljning dokumenterad på 8 veckor.”
• “Diagnos misstänkt, men basal utredning saknar provtagning/bedömning.”
• “Remiss skickad, men ingen återkoppling efter X dagar.”

För vårdcentraler är detta guld: inte för att det är avancerat, utan för att det är pålitligt.

Psykosläkemedel, sömn och BPSD: AI som bromskloss, inte gas

Socialstyrelsen noterar att över 70 % av demenspatienter 65+ som får psykosläkemedel får dem i mer än sex månader, trots att rekommenderad maxlängd vid vissa BPSD-tillstånd är sex veckor. Rapporten beskriver också att ökningen delvis beror på att lågdos kvetiapin används vid sömnstörning.

Här behöver man våga vara tydlig: långvarig behandling utan tät omprövning är en patientsäkerhetsrisk.

Så kan AI minska långvarig och oreflekterad behandling

Ett klokt AI-stöd i primärvård och kommunal samverkan kan:

• skapa deprescribing-påminnelser (omprövning efter 2, 4 och 6 veckor)
• föreslå strukturerad skattning och dokumentation av effekt/biverkningar
• flagga kombinationer som ökar fallrisk, konfusion och sedation
• sammanställa mönster på enhetsnivå: “Här ligger vi 25 % över jämförbara boenden i långtidsanvändning”

Viktigt: AI ska inte pressa fram fler recept. AI ska pressa fram bättre beslut.

Vad krävs för att AI ska minska skillnader – inte skapa nya?

AI i vården kan antingen bli en jämlikhetsmotor eller en förstärkare av redan starka enheter. Om bara de mest välbemannade vårdcentralerna lyckas införa bra verktyg får vi ännu större gap.

Tre krav jag tycker att primärvården ska ställa på AI-stöd

1. Mätbar effekt i flödet: kortare ledtider, fler kompletta utredningar, fler dokumenterade uppföljningar.
2. Transparens i rekommendationer: varför föreslås ett steg? Vilka datapunkter bygger det på?
3. Arbetsmiljö som vinner på det: mindre dubbelarbete, färre “jaga svar”-moment, mer tid för patient och anhöriga.

Datagrund och governance – tråkigt men avgörande

För att AI ska fungera måste data vara:

• strukturerade där det går (diagnoskoder, läkemedelslistor, provsvar)
• möjliga att följa över tid (uppföljningsdatum, behandlingsmål)
• användbara i samverkan mellan region och kommun, utan att tumma på integritet

Det är här många projekt spricker: man börjar med modellen och glömmer processen. Börja i stället med vilken variation ni vill minska, och bygg AI-stödet runt det.

Praktiskt upplägg: en 90-dagars “Primärvård 4.0”-pilot för demens

För dig som jobbar med verksamhetsutveckling på vårdcentral kommer här ett upplägg jag sett fungera i andra kliniska flöden:

Steg 1 (dag 1–30): Kartlägg var ni tappar tid

• medianväntetid från första kontakt till start av basal demensutredning
• andel kompletta utredningar (enligt lokal rutin)
• andel uppföljningar efter insatt demensläkemedel
• andel och behandlingstid för antipsykotika vid demens

Steg 2 (dag 31–60): Inför AI-stöd i två tydliga punkter

• Journal- och triageflagga vid misstänkt kognitiv svikt
• Uppföljningsmotor för demensläkemedel och psykosläkemedel (påminnelser + malltexter)

Steg 3 (dag 61–90): Mät och justera

• har andelen diagnoser inom 90 dagar ökat?
• har antalet “stopp i flödet” minskat?
• upplever personalen mindre stress eller mer administrativt merarbete?

En pilot som inte mäter både patientnytta och arbetsmiljö blir lätt en snygg demo som dör i verkligheten.

Det här är kärnan: jämlik demensvård är en processfråga

Socialstyrelsens siffror visar ett Sverige där demensvård fortfarande skiljer sig kraftigt mellan regioner – och där både väntetider och behandling riskerar att bli ojämlika över tid. Det är svårt att acceptera, särskilt när vi vet att cirka 150 000 personer i Sverige lever med demenssjukdom.

Jag tycker att vårdcentraler ska se AI som ett sätt att säkra konsekvens: samma tidiga signaler ska leda till samma nästa steg, oavsett mottagning, region eller patientens utbildningsnivå. När AI används så blir den inte “teknik”. Den blir ett kvalitetsarbete som faktiskt håller.

Om du driver primärvård och vill minska variationen i demensflödet: börja med två saker – triage och uppföljning. Det är där AI ger snabbast effekt, och det är där många patienter idag faller mellan stolarna.

Frågan för 2026 är inte om vi kan införa AI i demensvården – utan om vi vågar använda den för att jämna ut skillnaderna, inte bara öka tempot där det redan går bra.