AI i Region Dalarna: så skapar en digital chef resultat

När Region Dalarna utser en ny digitaliseringsdirektör är det lätt att avfärda det som ”personnytt”. Jag tycker det är ett misstag. Chefstillsättningar på den här nivån brukar vara det som avgör om AI i vården blir en rad pilotprojekt – eller en fungerande, mätbar förbättring i primärvårdens vardag.

Region Dalarna har meddelat att Patrik Hansson tillträder som digitaliseringsdirektör 2026-03-16. Han kommer från rollen som digitaliserings- och utvecklingschef i Danderyds kommun och har erfarenhet från både offentlig sektor och privat näringsliv. Det här är relevant långt bortom IT-avdelningen: den som äger digitaliseringsagendan äger också förutsättningarna för AI-baserade arbetssätt, datadelning och de partnerskap som krävs för att ta steg mot personlig medicin.

I den här delen av vår serie ”AI för Svenska Vårdcentraler: Primärvård 4.0” vill jag zooma in på vad en stark digitaliseringsledning faktiskt kan göra – konkret – för att få AI att leverera i primärvård, läkemedelsutveckling och bioteknik i en region.

Varför en digitaliseringsdirektör påverkar AI i läkemedel och bioteknik

En digitaliseringsdirektör styr inte bara teknik – utan datastrategi, standarder och förändringstakt. Det är precis de tre sakerna som avgör om AI kan användas säkert och i skala.

AI inom läkemedel och bioteknik bygger i praktiken på en kedja:

• Kliniska data (journal, labb, bild, läkemedelslistor)
• Datakvalitet och standardisering
• Tillgång för analys (styrning, juridik, informationssäkerhet)
• Samarbete med akademi/industri
• Implementering tillbaka i vårdens flöden

Om kedjan brister i början – datakvalitet och tillgång – spelar det ingen roll hur bra modellerna är. Det är därför den här typen av chefsroll är en strategisk hävstång för allt från AI-stöd vid triage på vårdcentral till rekrytering till kliniska prövningar.

Det finns också en mer jordnära realitet: AI-projekt dör ofta i upphandling, integration eller förändringsledning. En digitaliseringsdirektör med vana av komplexa organisationer kan faktiskt få saker att hända, även när verksamhetssystem, regelverk och budgetprocesser drar åt olika håll.

Från ”digital vård” till datadriven vård

Digital vård är gränssnitt. Datadriven vård är beslutsförmåga. Primärvården har redan e-tjänster, chatt och videobesök på många håll. Nästa steg handlar om att använda data så att:

• rätt patient hamnar i rätt vårdspår direkt,
• vårdpersonalen får dokumentationsstöd som sparar tid,
• riskpatienter fångas upp innan de blir akuta,
• läkemedelsbehandling blir mer träffsäker.

Det kräver att regionen orkar ta tag i de tråkiga bitarna: masterdata, kodverk, integrationer, behörigheter och en tydlig modell för vem som ansvarar för vad.

Fyra AI-satsningar som kan ge snabb effekt i primärvård (Primärvård 4.0)

Den bästa AI-strategin för en region börjar med 2–4 tydliga användningsfall som går att mäta. Här är fyra jag anser ger snabbast nytta på vårdcentraler, samtidigt som de bygger den data- och processgrund som även läkemedel/bioteknik behöver.

1) AI för dokumentation och journalanteckningar

Målet är mindre administration – inte mer text. Med tal-till-text och generativt AI-stöd kan vårdcentraler få hjälp att:

• strukturera anteckningar (status, bedömning, plan),
• föreslå relevanta koder och problemformulering,
• sammanfatta patientens historik inför besöket.

Effekten blir ofta dubbel: sparad tid och jämnare kvalitet i dokumentationen. Men det kräver tydliga spelregler: vad får AI föreslå, vad måste alltid granskas, och hur loggas användningen?

2) AI-stöd för triage och vårdnivå

Rätt vårdnivå från start är ett av primärvårdens största effektivitetslyft. Ett bra AI-stöd kan sortera inkommande ärenden (digitalt eller via telefon) genom att:

• identifiera varningssymtom som kräver snabb handläggning,
• föreslå egenvård när det är säkert,
• styra till rätt profession (läkare, distriktssköterska, fysioterapeut).

Här blir digitaliseringsdirektörens roll central: triage-AI kräver att man kan koppla ihop kontaktvägar, journal, bokning och uppföljning. Utan integration blir det ännu ett fristående verktyg.

3) Prediktion för kroniska sjukdomar och riskpatienter

AI är som bäst när den letar mönster i stora datamängder som människor inte hinner överblicka. Primärvården kan använda prediktiva modeller för att:

• hitta patienter med risk för försämring i KOL/hjärtsvikt,
• upptäcka läkemedelsrelaterade risker (t.ex. polyfarmaci),
• prioritera uppföljning för dem som faktiskt behöver det.

Det här kopplar direkt till personlig medicin: att använda individdata (diagnoser, labb, läkemedel, vårdkontakter) för att anpassa insatser och behandling.

4) AI för patientsäker läkemedelsuppföljning

Det mest värdefulla AI-stödet i primärvård kan vara det som hindrar felbehandling. Exempel:

• flagga interaktioner och dubbelmedicinering,
• föreslå kontrollprover vid riskläkemedel,
• identifiera patienter som sannolikt inte tar sin medicin som ordinerat (utifrån mönster i uthämtning och kontakter).

Den här typen av funktioner blir extra starka om regionen samtidigt bygger en robust dataplattform. Då kan man också använda samma datagrund för forskning och kliniska studier.

Så kopplas regionens digitalisering till läkemedelsutveckling och kliniska studier

AI i läkemedel och bioteknik börjar inte i labbet – den börjar i vårdens datakapacitet. När regioner kan kvalitetssäkra och tillgängliggöra data på rätt sätt kan man göra tre saker bättre:

1. Identifiera lämpliga studiedeltagare snabbare (t.ex. diagnoskriterier + labbvärden + läkemedelshistorik).
2. Följa behandlingseffekt i verkligheten (så kallade real-world data, RWD) på ett patientsäkert och styrt sätt.
3. Bygga återkopplingsloopar till primärvården, så att ny kunskap faktiskt landar i vårdprogram, beslutsstöd och uppföljning.

Det finns en tydlig regional möjlighet här: om Region Dalarna sätter en praktisk modell för datadelning, etik och säker analysmiljö kan man bli en attraktiv samarbetspartner för både akademi och life science.

En tydlig princip: ”En dataväg in, flera värden ut”

Jag har sett många organisationer bygga separata datalösningar för verksamhetsuppföljning, forskning och innovation. Det blir dyrt, långsamt och otydligt.

En bättre princip är att etablera en gemensam datagrund (styrning, kvalitet, standarder och säkerhet) som kan användas för:

• primärvårdens AI-stöd,
• regionens uppföljning och planering,
• forskningsprojekt och kliniska studier,
• samverkan med industri när det är lämpligt.

Det här är ett ledningsbeslut lika mycket som ett teknikval.

Vad som brukar stoppa AI i regioner – och hur man tar sig förbi det

De vanligaste stoppen är inte algoritmerna, utan organisationen. När AI-projekt misslyckas i vården brukar det bero på fyra orsaker:

1) Otydligt ägarskap

Om ingen äger frågan från verksamhetens perspektiv blir AI ”något IT testar”. Lösningen är att redan från start ha en utsedd processägare i primärvården, med mandat att ändra arbetssätt.

2) Datakvalitet som underskattas

AI förstärker kvaliteten på indata. Är indata rörig blir utfallet rörigt. Ett konkret steg är att prioritera 10–20 datapunkter som måste vara konsekventa (t.ex. diagnoskodning, labbformat, läkemedelslistor) och börja där.

3) Integrationsskuld

Många AI-verktyg blir extra klick och extra skärmar. Det dödar adoption. Kravet bör vara: om verktyget inte fungerar i befintligt flöde (journalsystem/bokning), ska det inte rullas ut brett.

4) Juridik och säkerhet blir ”nej-maskin”

Informationssäkerhet och juridik ska skydda patienter, inte stoppa nytta. Det som fungerar i praktiken är att etablera standardiserade mallar för riskbedömning, loggning, leverantörskrav och uppföljning – så att varje nytt initiativ inte börjar från noll.

En mening som håller i styrgrupper: ”AI utan integration är ett sidoprojekt, inte en förändring.”

En 90-dagars plan för att få AI att börja leverera (utan att stressa sönder verksamheten)

Snabbast väg till resultat är en tajt portfölj med tydliga mätetal. Om jag fick ge ett råd till en ny digitaliseringsdirektör – i vilken region som helst – skulle det se ut så här:

1. Kartlägg 5–7 processer i primärvård där tiden läcker (dokumentation, återbesök, triage, provsvarshantering).
2. Välj 2 användningsfall för AI som kan pilottestas på 1–2 vårdcentraler.
3. Sätt mätetal före implementation, t.ex. minuter sparade per besök, andel ärenden som hamnar rätt i första kontakt, minskade ombokningar.
4. Bygg en minimal datagrund (standardiserade fält, loggning, behörigheter) som går att återanvända.
5. Skala först när ni ser effekt, inte när ni har en snygg demo.

Det här gör AI-satsningen mer konkret för både verksamhet och ledning. Och det skapar en regiongemensam rytm: testa, mät, justera, skala.

Frågor som vårdcentraler i Dalarna (och andra regioner) bör ställa nu

Bra frågor tidigt sparar år senare. Här är de jag hade tagit med till nästa ledningsmöte i primärvård eller närhälsa:

• Vilka arbetsmoment vill vi att AI ska ta bort under 2026?
• Var ska besluten fattas: på regionnivå, förvaltningsnivå eller vårdcentral?
• Hur säkrar vi att AI-stöd inte ökar ojämlikhet (språk, digital vana, tillgång)?
• Vilka datakällor måste vi få ordning på för att kunna jobba med personlig medicin?
• Hur ser vår plan ut för utbildning: vad ska läkare och sjuksköterskor kunna – praktiskt?

Om de frågorna får tydliga svar blir AI inte en trendfråga, utan ett sätt att göra jobbet bättre.

Nästa steg: från chefsrekrytering till klinisk effekt

Patrik Hanssons tillträde 2026-03-16 är en tydlig signal: Region Dalarna vill få kraft i digitaliseringsarbetet. Jag hoppas man använder den kraften till att prioritera AI som gör skillnad i primärvården – dokumentation, triage, riskprediktion och läkemedelsuppföljning – eftersom de områdena både hjälper vårdcentralerna direkt och bygger den datakapacitet som krävs för AI inom läkemedelsutveckling, kliniska studier och bioteknik.

Om 2025 var året då många pratade om generativ AI, kan 2026 bli året då primärvården börjar kräva bevis: sparad tid, bättre flöden och säkrare beslut.

Vilket AI-stöd skulle göra störst skillnad på din vårdcentral redan första kvartalet 2026 – och vad behöver vara på plats för att det inte ska bli ännu ett verktyg vid sidan av?