AI i journalsystem: lärdomar från Cosmic-protesten

1 700 underskrifter på fem dagar. Det är vad som krävdes för att Region Dalarnas sjukvårdsdirektör skulle få en protestlista i handen 2025-12-19 – med ett tydligt krav: backa från Cosmic och ta tillbaka Take Care “i väntan på bättre alternativ”. När en fjärdedel av en regions vårdanställda skriver under så snabbt är det inte bara ett missnöje. Det är ett styrkebesked om att journal-IT är kliniskt arbetsmiljöarbete.

Jag tycker att många pratar om journalsystem som om det vore en teknisk detalj. I primärvården är det tvärtom: journalen är vårdens nav. När navet kärvar får vi konsekvenser i allt från telefonrådgivning till läkemedelslistor, remisser, provsvar och sjukskrivningar.

Det här inlägget är en del av serien “AI för Svenska Vårdcentraler: Primärvård 4.0”. Och Dalarnas protester är ett perfekt exempel på varför digitalisering utan smart återkoppling och AI-driven användbarhet ofta slutar i frustration. Det behöver inte vara så.

Varför protester mot journalsystem alltid är ett patientsäkerhetslarm

När personal ber om att få tillbaka ett gammalt system är det sällan nostalgi. Det är en signal om att det nya systemet skapar friktion i kritiska flöden.

I primärvården är friktion inte bara “irriterande klick”. Friktion blir:

• längre handläggningstider per patient
• fler avbrott och kontextbyten
• högre kognitiv belastning (minnet får bära sådant som systemet borde hålla ihop)
• ökade risker för missad information, dubbeldokumentation och felaktiga ordinationer

Det som gör Dalarnas situation extra intressant är skalan: 1 700 av totalt 7 000 vårdanställda skrev under på fem dagar. Sådant uppstår inte i ett vakuum. Antingen fungerar inte systemet i vardagens realiteter – eller så har införandet misslyckats med att fånga upp vad som faktiskt händer på golvet.

Den obekväma sanningen: “Införande” är en klinisk förändring, inte en IT-leverans

De flesta regioner planerar journalbyten som stora projekt med tydliga milstolpar. Men kliniskt arbete är inte ett Gantt-schema.

När en vårdcentral går från ett arbetssätt till ett annat påverkas:

• hur anamnes tas och struktureras
• hur läkemedelsgenomgångar görs
• hur provsvar sorteras och signeras
• hur remisser och intyg produceras

Det är här AI kommer in som något mer än “en rolig funktion”. AI kan vara ett verktyg för att mäta och styra förändring i realtid, istället för att upptäcka haverier när protestlistan redan är skriven.

Vad Cosmic–Take Care-konflikten säger om användbarhet (och varför AI behövs)

Kärnfrågan är sällan om ett system har många funktioner. Den handlar om hur snabbt en kliniker kan göra rätt sak, i rätt ordning, utan att bli avbruten.

Ett modernt journalsystem kan vara “kraftfullt” och samtidigt långsamt i praktiken. Orsakerna är ofta ganska jordnära:

• för många steg för att dokumentera ett standardbesök
• otydlig navigation mellan labb, läkemedel och tidigare anteckningar
• brist på bra översikter (timeline/episodvy)
• dåligt stöd för teamarbete (läkare–ssk–rehab) i samma patientflöde

AI kan inte trolla bort grunddesign. Men AI kan göra två saker som traditionell journalutveckling ofta missar:

1. Göra användarupplevelsen mätbar på riktigt (inte via enkäter var tredje månad)
2. Anpassa gränssnitt och flöden efter faktisk användning (inte efter hur man trodde att det användes)

AI-driven UX-analys: från “tycker” till “vet”

De flesta känner igen diskussionen: “Cosmic är segt” kontra “det är bara ovana”. Här finns ett bättre sätt.

Med anonymiserad och regelstyrd analys av interaktionsloggar kan man mäta:

• median tid för vanliga uppgifter (t.ex. signera provsvar, förnya läkemedel)
• antal klick/steghopp per uppgift
• frekvens av avbrutna arbetsflöden (påbörjat men inte slutfört)
• variation mellan enheter (vilka vårdcentraler lyckas och varför?)

När man väl har detta kan AI-modeller identifiera friktionspunkter och föreslå förbättringar som faktiskt ger effekt. Det är samma princip som e-handeln använt i 15 år – men i vården har vi varit ovana vid att optimera kliniska system på det sättet.

Så kan AI minska motstånd mot förändring – innan det blir protest

Motstånd mot nya journalsystem är ofta rationellt. Personalen känner att risk och arbetsbörda ökar.

AI kan hjälpa genom att göra införandet mer “kontrollerat” och mindre “allt på en gång”. Jag brukar tänka i tre nivåer:

1) Prognos: var kommer problemen uppstå?

Med historik från tidigare systembyten och lokala data (bemanning, patientvolym, utbildningsgrad, antal vikarier) kan en enkel prediktiv modell peka ut risk:

• Vilka enheter riskerar produktionsfall första 6–8 veckorna?
• Vilka roller (läkare, sjuksköterskor, medicinska sekreterare) har flest moment i systemet?
• Vilka processer är mest tidskritiska (t.ex. receptförnyelser, provsvar, remisshantering)?

Det här är inte science fiction. Det är vanlig operationsanalys – men med AI kan man få bättre träffbild och snabbare justera.

2) Stöd i stunden: “hjälp när jag fastnar”

Det mest frustrerande med nya system är när man fastnar mitt i patientarbete. Här fungerar AI bäst som ett kontextkänsligt stöd:

• smart sök som förstår kliniska begrepp och lokala mallar
• steg-för-steg-hjälp baserat på vad användaren försöker göra
• rekommenderade mallar och fraser för återkommande besök

För primärvården är detta särskilt relevant vid hög belastning (vintertoppar, jourpass, influensasäsong). December 2025 är en tid då många vårdcentraler redan går på knäna – då är toleransen för extra klick minimal.

3) Dokumentation och kodning: mindre dubbelarbete

När AI används rätt kan den minska den administrativa skulden:

• tal-till-text med medicinsk terminologi och strukturerad sammanfattning
• automatisk förslag på diagnoskoder/åtgärdskoder (med mänskligt godkännande)
• generering av utkast till intyg och remisser baserat på journalinnehåll

Poängen: om det nya systemet inte sparar tid, kommer det upplevas som en försämring, även om det på pappret är “modernare”.

En praktisk checklista: så undviker vårdcentralen att fastna i “systembråk”

Här är en konkret modell jag sett fungera i verksamheter som lyckas med digital förändring. Den passar både vårdcentraler och regionprojekt, oavsett leverantör.

1) Definiera 10 kritiska flöden (och mät dem varje vecka)

Exempel på flöden i primärvård:

1. provsvar in → granskning → signering → patientkontakt
2. receptförnyelse
3. sjukskrivning/intyg
4. remiss till röntgen/specialist
5. triage av e-kontakter
6. kronikerbesök (diabetes/KOL/hypertoni)
7. barn med feber (snabb dokumentation)
8. läkemedelsavstämning
9. telefonanteckning + åtgärd
10. listning/administrativa ärenden

Mät inte “nöjdhet” först. Mät tid, fel, omtag och avbrott.

2) Inför ett “UX-råd” med mandat – inte bara en referensgrupp

En vanlig fälla är att ha användargrupper som får tycka till, men utan kraft att ändra.

Sätt upp ett råd med:

• läkare, sjuksköterska, medicinsk sekreterare
• IT/förvaltning
• patientsäkerhetsfunktion

Och ge rådet mandat att prioritera 3 förbättringar per månad. Små releaser slår stora omstarter.

3) Använd AI för att hitta friktionen – men håll integriteten stenhårt

AI i journalmiljö kräver tydliga ramar:

• minimera data (samla bara det som behövs)
• logga och granska åtkomst
• pseudonymisera/anonymisera där det går
• tydlig rollbaserad behörighet

Det här bygger förtroende. Utan förtroende blir AI “ännu en grej” som folk vill slippa.

4) Bygg en “fallback” som inte är skam, utan riskhantering

Dalarnas krav att gå tillbaka till Take Care “i väntan på bättre alternativ” kan låta drastiskt. Men idén om fallback är sund.

Det är rimligt att ha:

• tydliga kriterier för när man pausar införande
• alternativa arbetssätt vid driftstörning
• extra resurser vid toppar

Digitalisering i vården måste tåla verkligheten, inte bara demonstrationer i konferensrum.

Vad betyder det här för AI i läkemedel och bioteknik?

Det finns en direkt koppling mellan kliniska journalsystem och AI inom läkemedel/bioteknik: datakvalitet och arbetsflöden.

När journalen är svår att använda ökar risken för:

• ostrukturerad eller ofullständig dokumentation
• inkonsekventa koder och begrepp
• mer “fri text” där struktur hade hjälpt

Det gör sekundär användning (uppföljning, real world evidence, registerstudier, farmakovigilans) mindre pålitlig. AI-projekt i läkemedelsutveckling som bygger på vårddata får då en sämre grund.

Min hållning är enkel: vill vi ha bättre AI i vården och life science måste vi först göra journalen friktionsfri nog att fånga verkligheten.

Nästa steg: från protest till förbättring

Dalarnas protester mot Cosmic är inte bara en lokal konflikt. Det är ett kvitto på att journalsystem fortfarande implementeras som “IT” när de i själva verket är klinisk infrastruktur.

För primärvården 2026 handlar det inte om att välja mellan gammalt och nytt. Det handlar om att kombinera digitalisering med AI som mäter, anpassar och avlastar, så att förändring faktiskt stödjer arbetet.

Om du leder en vårdcentral eller sitter i en regional förvaltning: välj ett av de tio kritiska flödena och börja mäta nästa vecka. När siffrorna är tydliga blir diskussionen mindre känslostyrd och mer lösningsorienterad.

Frågan är inte om vården ska digitaliseras. Frågan är om vi tänker bygga system som vårdpersonal orkar använda när trycket är som högst.