AI kan minska skillnader i demensvård i Sverige

45 % får demensdiagnos inom vårdgarantins 90 dagar i primärvården. I specialistvården är siffran 30 %. Samtidigt får knappt hälften av personer 65+ med Alzheimers sjukdom symtomlindrande demensläkemedel – och regionerna skiljer sig åt så mycket att förskrivningen per invånare 65+ är nära tre gånger högre i Norrbotten än på Gotland.

Det här är inte ”bara” statistik. Det är månader av ovisshet för patienter och anhöriga, och ett vårdsystem där din postadress och utbildningsnivå påverkar vilken behandling du faktiskt får. Socialstyrelsens utvärdering (publicerad 2025-12-19) beskriver läget tydligt: förbättringen går för långsamt och variationen består.

Jag tycker att den mest praktiska lärdomen för oss som jobbar med Primärvård 4.0 är enkel: om vi vill ha mer jämlik demensvård måste vi standardisera beslutsstöd och uppföljning – och här är AI ovanligt väl lämpat. Inte som en fristående ”pryl”, utan som ett lager som hjälper vårdcentraler att göra rätt saker i rätt ordning, varje gång.

Varför blir demensvården så olika – trots riktlinjer?

Skillnaderna uppstår när riktlinjer möter vardag: tidsbrist, varierande kompetens, olika lokala processer och fragmenterade dataflöden mellan vårdcentral, minnesmottagning, kommun och särskilt boende.

Socialstyrelsen pekar på två tydliga områden där variationen slår igenom:

• Utredningsprocessen (väntetider och steg i utredning)
• Läkemedelsbehandling och uppföljning (framför allt symtomlindrande demensläkemedel samt psykosläkemedel)

Variation är inte alltid fel – men den måste vara motiverad

Vissa skillnader kan vara medicinskt rimliga: ålder, samsjuklighet, biverkningsrisk, patientpreferenser. Problemet är att utvärderingen visar stora och långvariga regionala skillnader som inte verkar minska över tid. När gapet ligger kvar i nästan ett decennium är det svårt att förklara med ”patientmix”.

Ojämlikhet kopplad till utbildningsnivå är en varningssignal

I rapporten syns också att personer med minst tre års eftergymnasial utbildning har 15 % högre sannolikhet att få demensläkemedel än personer med enbart grundskola – och att skillnaden ökat sedan 2016.

Det här är en sådan datapunkt som borde göra alla i vården lite obekväma. För mig signalerar den att vi behöver stöd som minskar beroendet av hur väl patienten (eller anhöriga) kan driva sitt ärende, formulera frågor och följa upp.

AI som standardisering: från ”minnesutredning på papper” till robust flöde

AI kan minska variation genom att bygga in kvalitet i processen. Inte genom att ersätta klinikern, utan genom att göra det svårt att missa steg, lätt att följa riktlinjer och enkelt att ompröva behandling.

1) AI kan korta tiden till diagnos genom triage och struktur

När bara 45 % får diagnos inom 90 dagar i primärvården är det ofta processerna som brister: provtagning beställs sent, kognitiva test görs på olika sätt, remisser saknar uppgifter, uppföljning blir liggande.

Ett AI-stött arbetssätt på vårdcentral kan vara:

• Symtom- och funktionsscreening digitalt innan besöket (patient/anhörig), som sammanfattas till journaldokumentation.
• Automatisk ”utrednings-checklista” som triggas när misstanke om kognitiv svikt dokumenteras (prover, EKG vid behov, läkemedelsgenomgång, kognitivt test, ADL/funktionsbedömning).
• Remissgenerator som säkerställer att minnesmottagningen får rätt underlag från början.

Det här är inte science fiction. Det är i grunden samma tanke som standardiserade vårdförlopp – men med AI som motor för att hålla ihop detaljerna.

2) AI kan ge jämlikare läkemedelserbjudande – särskilt vid Alzheimers

Socialstyrelsens siffror är tydliga: knappt hälften av personer 65+ med Alzheimers behandlas med kolinesterashämmare och/eller memantin, trots att riktlinjerna säger att behandling bör erbjudas vid Alzheimers, blanddemens och även vid Lewykroppsdemens samt Parkinsondemens.

Här kan AI bidra med två väldigt konkreta funktioner:

• Identifiera ”glapp” i behandlingskedjan: patienter med relevant diagnos men utan aktuell läkemedelsordination.
• Stöd vid dosering och uppföljning: påminnelser om titrering, uppföljningsintervall, biverkningsmonitorering och målsättning (vad ska bli bättre, hur mäter vi det?).

Min ståndpunkt: om vi accepterar att bara hälften får erbjudandet, då accepterar vi samtidigt en systematisk underbehandling som blir olika från region till region. Den typen av variation är precis vad data- och AI-stöd är bra på att jämna ut.

3) AI som ”uppföljningsmaskin” för att minska olämpligt lång behandling

Rapporten lyfter att över 70 % av demenspatienter 65+ som får psykosläkemedel står på behandlingen längre än sex månader, trots att rekommenderad maximal behandlingstid vid vissa BPSD-tillstånd kan vara sex veckor.

Det här är i praktiken ett uppföljningsproblem.

AI kan göra skillnad genom att:

• Flagga när antipsykotika (t.ex. kvetiapin i låg dos vid sömnproblem) saknar dokumenterad indikation.
• Skapa automatisk plan för omprövning: utsättningsförsök, risk/nytta-bedömning, icke-farmakologiska insatser.
• Sammanställa beteendedata och omvårdnadsanteckningar (särskilt boende) så att läkaren får en begriplig status, inte 15 sidor text.

Det är här jag ofta ser att primärvården och kommunal omsorg behöver varandra. AI fungerar bäst när den binder ihop kedjan, inte när den blir ännu en separat ”plattform”.

Så använder vårdcentraler Socialstyrelsens data som bränsle till AI

Socialstyrelsens indikatorer är en guldgruva för förbättringsarbete, och de passar extra bra för datadriven styrning. Om du leder en vårdcentral (eller en region) går det att använda samma logik som i kvalitetsregister: mät, jämför, förbättra.

Tre KPI:er som faktiskt styr mot jämlik demensvård

Jag brukar föreslå att man börjar med mätetal som både går att påverka och som speglar patientnytta:

1. Andel demensutredningar som når diagnos inom 90 dagar (separera primärvård och specialistflöde).
2. Andel patienter med Alzheimers/blanddemens som har aktivt erbjudande om demensläkemedel (inklusive dokumenterat ”nej tack” eller medicinsk kontraindikation).
3. Andel antipsykotikabehandlingar där omprövning sker inom 6 veckor (och därefter regelbundet).

AI kan sedan kopplas till dessa KPI:er genom att automatisera datainsamling (ur journalen) och skapa arbetslistor: ”dessa 12 patienter saknar uppföljning”, ”dessa 8 remisser saknar labb”.

Praktisk poäng: börja med beslutsstöd, inte ”stora modeller”

Många team fastnar i diskussionen om avancerad maskininlärning. Jag har sett bättre effekt av att starta med:

• strukturerade mallar
• regler och påminnelser
• journaldokumentation med språkstöd

När flödet fungerar och datakvaliteten blir jämn – då kan mer prediktiv AI (riskmodeller, prioriteringsstöd) bli meningsfull.

Så kommer du igång på 30 dagar: en realistisk plan för Primärvård 4.0

Du behöver inte vänta på ett nationellt IT-lyft för att minska variation. Det går att göra mycket lokalt, så länge du väljer rätt startpunkt.

Vecka 1: Kartlägg var tiden försvinner

• Mät median/percentiler för tid från första kontakt till diagnosbeslut.
• Lista de vanligaste orsakerna till fördröjning (prover, remiss, uppföljning, bokning).

Vecka 2: Standardisera utredningspaketet

• Skapa en gemensam ”misstänkt demens”-mall med obligatoriska fält.
• Inför AI-stött journaldokumentation som sammanfattar anamnes från patient/anhörig.

Vecka 3: Bygg arbetslistor för uppföljning

• Automatisk lista över patienter med Alzheimers utan demensläkemedel (eller utan dokumenterat ställningstagande).
• Automatisk lista över antipsykotika utan omprövningsdatum.

Vecka 4: Gör första förbättringscykeln synlig

• Följ upp KPI:erna i teammöte.
• Välj ett förbättringsmål (t.ex. +10 procentenheter i diagnos inom 90 dagar på tre månader).

Det här är tråkigt på ett bra sätt. Och det är precis därför det fungerar.

Vanliga frågor jag får om AI i demensvård (och raka svar)

”Blir det inte mer administration?”

Rätt byggt blir det mindre. AI ska minska dubbelarbete: sammanfatta, föreslå, påminna. Om verktyget kräver extra klick utan tydlig tidsvinst är det fel design.

”Kan AI verkligen minska regionala skillnader?”

Ja, om man standardiserar processer och uppföljning. Skillnaderna i rapporten handlar mycket om konsekvens: samma steg, samma uppföljning, samma omprövning. Det är en styrka för digitala arbetssätt.

”Vad är risken?”

Den stora risken är inte att AI gör något ”magiskt fel”. Den stora risken är att man automatiserar en dålig process. Börja därför med riktlinjenära flöden och tydliga kvalitetsmått.

Nästa steg: jämlik demensvård är ett processproblem – och AI är ett bra verktyg

Socialstyrelsens utvärdering visar att Sverige 2025 fortfarande har stora skillnader i demensutredning, behandling och läkemedelsuppföljning. 150 000 personer lever med demenssjukdom, och siffran kommer att öka med en åldrande befolkning. Vi har inte råd att låta vårdkvalitet bero på region eller socioekonomi.

I den här serien, AI för Svenska Vårdcentraler: Primärvård 4.0, återkommer jag till samma idé: AI gör mest nytta när den stärker basprocesserna. I demensvården betyder det snabbare och mer standardiserad utredning, jämlikare behandlingsbeslut och tätare omprövning när riskabla läkemedel används.

Vilket av dina flöden i primärvården skulle bli mest jämlikt redan i vinter om du fick perfekt uppföljning – utredningstiderna, demensläkemedlen eller antipsykotikan?