AI i demensvården: minska regionala skillnader nu

45 %. Så många som söker primärvård för misstänkta demenssymtom får en diagnos inom vårdgarantins 90 dagar. I specialistvården är siffran ännu lägre: 30 %. Samtidigt får knappt hälften av personer 65+ med Alzheimers sjukdom demensläkemedel som riktlinjerna säger att de bör erbjudas. Och förskrivningen varierar kraftigt mellan regioner – i Socialstyrelsens senaste utvärdering är nivån nära tre gånger högre i Norrbotten än på Gotland.

Det här är inte en ”mjuk” fråga om arbetssätt. Det är hårda konsekvenser i form av onödig ovisshet, försenade insatser och ojämlik behandling. I vår serie ”AI för Svenska Vårdcentraler: Primärvård 4.0” har jag gång på gång sett samma mönster: när data finns men flödena är spretiga uppstår variation. Och variation blir snabbt ojämlikhet.

Min tes: AI kan göra demensvården mer jämlik snabbare än nya styrdokument någonsin kommer att hinna. Inte genom att ersätta kliniskt omdöme, utan genom att standardisera kvalitet, hitta avvikelser tidigt och göra rätt sak lätt i vardagen.

Vad Socialstyrelsens siffror egentligen säger

Direkt svar: Rapporten visar att Sverige har ett systemproblem: vården levererar olika demensutredning och läkemedelsbehandling beroende på var du bor och vilken utbildningsnivå du har.

Två datapunkter sticker ut:

• Väntetiderna är långa: endast 45 % får diagnos inom 90 dagar i primärvård, 30 % i specialistvård.
• Behandlingsgapet är stabilt över tid: knappt hälften av äldre med Alzheimers får demensläkemedel, ungefär samma nivå som 2018.

Utöver regionvariation syns en socioekonomisk gradient: personer med minst tre års eftergymnasial utbildning har 15 % högre sannolikhet att få demensläkemedel än personer med enbart grundskola. Den skillnaden har dessutom ökat sedan 2016.

Den här typen av mönster är exakt där AI är starkt: att identifiera systematiska skillnader, spåra dem till processer och hjälpa team att agera innan gapet blir ett faktum.

Varför blir det så här? Tre friktioner som primärvården känner igen

Direkt svar: Skillnaderna uppstår när utredningsvägar, uppföljning och läkemedelsbeslut inte är tillräckligt standardiserade – och när kapacitet trycks ned av köer och administrationsbörda.

1) Utredning kräver samordning (och den spricker i överlämningar)

Demensutredning är sällan ett enstaka besök. Den kräver provtagning, kognitiva tester, anamnes från närstående, läkemedelsgenomgång, ibland bilddiagnostik och ibland remiss vidare. Varje steg är en risk för försening.

AI-stöd kan minska tappet mellan stegen genom att:

• automatiskt föreslå ”nästa bästa steg” utifrån riktlinje och patientdata
• flagga saknade delar i utredningen (t.ex. provsvar, skattningar, närståendeintervju)
• skapa strukturerade checklistor direkt i journalsystemets arbetsyta

2) Beslutsstöd finns – men används ojämnt

Många verksamheter har mallar och PM. Problemet är att de inte alltid dyker upp när de behövs, och att de inte är kopplade till realtidsdata i journalen.

AI kan göra riktlinjer operativa: inte en pdf i en mapp, utan ett dynamiskt stöd som tar hänsyn till ålder, diagnoskod, njurfunktion, samsjuklighet, pågående läkemedel och tidigare biverkningar.

3) Uppföljning av läkemedel faller mellan stolar

Socialstyrelsen lyfter även användningen av psykosläkemedel i särskilt boende: över 70 % av dem som får psykosläkemedel behandlas längre än sex månader, trots att rekommenderad maxlängd vid vissa BPSD-besvär är cirka sex veckor.

Det här är inte alltid ”fel beslut”. Ofta är det brist på systematisk omprövning.

AI kan här fungera som en envis, men hjälpsam kollega:

• påminnelse när behandlingstid passerar riktmärke
• sammanställning av symtomutveckling, fallrisk, sedation och interaktioner
• förslag på nedtrappningsplaner och icke-farmakologiska alternativ att testa först

Så kan AI minska väntetider för demensutredning inom primärvård

Direkt svar: AI kan korta väntetider genom smart triage, bättre planering och automatiserad dokumentation – vilket frigör klinisk tid.

I december är det extra tydligt hur köer byggs upp: många verksamheter går på lägre bemanning, samtidigt som anhöriga ofta söker hjälp inför jul när beteendeförändringar blir svårare att hantera. Det är en säsongseffekt som primärvården känner igen, även om den sällan mäts.

Smart triage: rätt patient till rätt spår från dag 1

En AI-driven triagemodell (baserad på journaldata och enkla digitala formulär) kan sortera inkommande ärenden till exempelvis:

• snabbspår demensutredning (tydliga kognitiva symtom, funktionsfall)
• läkemedels-/depressionsspår (polyfarmaci, misstänkt depression, sömnproblem)
• remiss direkt (neurologiska alarmsymtom, atypisk debut)

Poängen är inte att ”AI sätter diagnos”, utan att AI minskar felköer och gör att rätt resurser används tidigare.

Kapacitetsplanering: prognoser på veckonivå

Många vårdcentraler planerar bemanning reaktivt. Med AI kan man prognosticera inflöde av kognitiva utredningar utifrån historik, demografi och säsong och därmed:

• reservera testtider
• säkra tid för närståendeintervjuer
• planera remisshantering så att patienter inte blir liggande

Automatiserad journaldokumentation: snabbare utan sämre kvalitet

I praktiken är dokumentation en av de största bromsarna. AI-stöd för anteckningar kan:

• strukturera anamnes (debut, progression, ADL, BPSD)
• föreslå relevanta koder och malltexter
• sammanfatta status och plan på ett enhetligt sätt

Det gör att utredningarna blir både snabbare och mer jämförbara mellan regioner.

AI och jämlik läkemedelsbehandling: från ”förskrivning” till uppföljd nytta

Direkt svar: AI kan minska skillnader i demensläkemedel genom att standardisera indikationsbedömning, upptäcka underbehandling och säkra uppföljning av effekt och biverkningar.

De symtomlindrande demensläkemedlen (kolinesterashämmare och memantin) har funnits länge. Ändå får knappt hälften av äldre med Alzheimers dem.

Här ser jag tre AI-användningar som faktiskt biter:

1) Underbehandlings-”radar” i populationen

En vårdcentral kan med AI få en lista (inom ramen för laglig behörighet och kvalitetssystem) över patienter som uppfyller kriterier men saknar behandling eller uppföljning. Inte för att pressa fram recept, utan för att:

• kontrollera om behandling prövats och avbrutits p.g.a. biverkningar
• se om diagnosen är osäker eller saknar specificering
• boka läkemedelsgenomgång och samtal med patient/närstående

Jämlikhet blir då ett aktivt arbete, inte en efterhandsanalys.

2) Personanpassning: vem har störst chans att tåla och ha nytta?

Det är här kampanjens kärna blir tydlig: AI i läkemedel och bioteknik handlar inte bara om att ta fram nya substanser, utan om att få rätt behandling till rätt patient.

AI-modeller kan väga in:

• samsjuklighet (t.ex. hjärtsjukdom, njursvikt)
• interaktioner och antikolinerga belastningar
• tidigare intolerans
• tecken på blanddemens där riktlinjer ändå ofta stödjer behandling

Resultatet blir mer konsekventa beslut över regiongränser.

3) Uppföljning som standard: effekt, biverkningar, adherence

När uppföljning blir automatisk blir också behandling mer jämlik.

Praktiskt exempel på en enkel rutin som AI kan driva:

1. Start av läkemedel → AI skapar uppföljningsuppgift på 4–8 veckor
2. AI sammanställer skattningar, fall, vikt, sömn, eventuella akuta besök
3. Vid utebliven effekt/biverkningar → AI föreslår åtgärdsalternativ enligt lokalt PM

AI vid BPSD och psykosläkemedel: kortare behandlingar och färre risker

Direkt svar: AI kan minska långvarig användning av psykosläkemedel genom beslutspåminnelser, riskprediktion och stöd för icke-farmakologiska insatser.

Socialstyrelsen pekar ut att längre behandlingstider ökar risken för biverkningar, och att kvetiapin i låg dos blivit vanligare vid sömnstörning. Det är ett typexempel på hur ”låg dos” kan kännas trygg, men ändå innebära risk över tid (sedation, fall, kognitiv påverkan, interaktioner).

AI kan bidra på tre sätt:

• Stop-datum som standard (opt-out istället för opt-in)
• riskflaggor för fall, ortostatism, QT-risk, polyfarmaci
• BPSD-planer i journalen som gör det enklare att pröva miljö, dygnsrytm, smärtscreening och närståendestöd innan läkemedel eskaleras

En mening jag tycker borde sitta på väggen i varje verksamhet: ”Om inget mäts blir inget omprövat.” AI är bra på att mäta utan att trötta ut personal.

“People also ask” i fikarummet: vanliga frågor om AI i demensvård

Blir det här ännu ett IT-system som ingen orkar med?

Direkt svar: Det får inte bli så. AI måste byggas in i befintliga flöden i primärvården – annars skapar det mer variation, inte mindre.

Välj stöd som fungerar i journalsystemets arbetsyta, som minskar klick och som ger tydliga ”gör så här nu”-förslag.

Får man använda patientdata för AI?

Direkt svar: Ja, men bara med rätt juridik, behörigheter och informationssäkerhet.

För svensk primärvård betyder det i praktiken: tydligt ändamål (kvalitetsuppföljning/klinisk beslutsstöd), loggning, åtkomststyrning, dataminimering och en modell som kan granskas.

Kan AI minska skillnader kopplade till utbildningsnivå?

Direkt svar: Ja, om AI används för att standardisera erbjudanden och uppföljning.

När beslutsstöd och uppföljningsrutiner triggas av kliniska kriterier (inte av patientens förmåga att ”ligga på”) minskar risken att resursstarka grupper får mer.

Nästa steg för vårdcentraler som vill minska gapet 2026

Direkt svar: Börja smått, men mät hårt. Sikta på en processförbättring som både personal och patienter märker inom 60 dagar.

Här är en praktisk startlista jag själv hade valt:

1. Mät er 90-dagarsgrad för demensdiagnos (primärvård och remiss) varje månad.
2. Inför AI-stödd checklista för basutredning med automatiska ”saknas”-flaggor.
3. Skapa en underbehandlingslista för Alzheimers/blanddemens enligt lokalt beslutat kriterieset.
4. Inför stop-datum och omprövningsflöde för psykosläkemedel vid BPSD.
5. Säkerställ att varje punkt har en ansvarig och en enkel dashboard som teamet faktiskt tittar på.

Det fina med det här angreppssättet är att det passar Primärvård 4.0-logiken: mindre friktion i vardagen, mer medicinsk precision, mer jämlik vård.

Om vi accepterar att regionala skillnader i demensutredning och behandling inte är medicinskt motiverade, då finns bara ett rimligt nästa steg: bygga system som gör rätt sak lätt – överallt. AI är inte hela lösningen, men det är den snabbaste hävstången jag ser.

Vilken del av er demensprocess skulle vinna mest på att bli standardiserad redan första kvartalet 2026 – triage, utredningsflöde eller uppföljning?