AI i primärvården: Lärdomar från e-hälsomissen

Sverige hade en tydlig ambition: 2025 skulle vi vara bäst i världen på e-hälsa. Ändå pekar utvecklingen åt fel håll. När EU-kommissionens digitaliseringsindex för 2025 visar att svensk vårddigitalisering tappat, är det mer än en pinsam notering i en rapport. Det är en signal om att vår strategi har varit felkalibrerad.

För dig som driver eller jobbar nära en vårdcentral är det här inte ”politik” i fjärran. Det blir köer i telefonen, dubbelarbete i journalen, svårigheter att följa upp kroniker och en vardag där personalen får agera integrationsmotor mellan system som inte pratar med varandra.

Jag tycker att vi ska vara brutalt ärliga: mycket av svensk e-hälsa har handlat om teknikinköp och projektstyrning – inte om faktisk förmågebyggnad. Här finns också en väg framåt. AI och datadrivna arbetssätt kan bli det som gör att primärvården tar ett språng, men bara om vi gör det på ett annat sätt än sist.

Varför e-hälsovisionen föll – och varför det angår vårdcentraler

Den korta förklaringen: vi digitaliserade ytan, inte flödena. Många satsningar har fokuserat på att införa nya gränssnitt (portaler, appar, chattar) men lämnat kärnprocesserna intakta: triage, dokumentation, läkemedelsuppföljning, remissflöden och uppföljningsplaner.

När digitalisering inte är integrerad i vardagsarbetet skapas tre typer av friktion som en vårdcentral känner direkt:

1. Fragmenterade patientresor: Patienten fyller i samma information flera gånger, i olika system.
2. Administrativt merarbete: Personal flyttar data mellan kanaler, skriver om, klipper och klistrar.
3. Otydligt ansvar: Vem äger datan? Vem ansvarar för uppföljningen när informationen ligger utspridd?

Det här är också varför många medarbetare blir skeptiska till nya ”digitala” initiativ. De har sett hur det slutar: mer klick, mer stress, samma medicinska ansvar.

Myten som behöver dö: ”Vi behöver bara ett nytt journalsystem”

Ett nytt system kan hjälpa, men det är sällan kärnan. Den verkliga knäckfrågan är interoperabilitet och arbetsflödesdesign. Om primärvården fortfarande måste arbeta i silos (lab, journal, kommunikation, intyg, läkemedel, rehab) så är det bara en snyggare silo.

AI blir intressant först när den kopplas till rätt problem: att minska onödiga moment, höja kvaliteten i beslutsunderlag och skapa bättre uppföljning.

AI är inte “mer digitalisering” – det är en annan strategi

AI i vården missförstås ofta som en pryl man lägger ovanpå befintliga system. Den verkliga poängen är tvärtom: AI tvingar fram standardisering av data och tydliga beslutslogiker, annars fungerar den inte.

Därför kan AI vara en bättre hävstång än traditionella e-hälsoprojekt. Den gör det uppenbart vad som saknas:

• Strukturerad data (symtom, duration, läkemedel, mätvärden)
• Konsekvent terminologi
• Mätbara mål (t.ex. minskad journaltid per besök)
• Kontinuerlig förbättring, inte ”införande klart”

Jag har sett organisationer lyckas när de slutar prata om AI som innovation och i stället behandlar det som processförbättring med statistik och uppföljning.

Ett pragmatiskt synsätt: börja där data redan finns

Primärvården har redan massor av data: kontaktorsaker, provsvar, journaltext, triageformulär, läkemedelslistor, sjukskrivningsintyg och återbesök. Problemet är att den är spretig.

AI-projekt som fungerar startar ofta i ett av två lägen:

• Texttungt: automatiserad journaldokumentation och sammanfattning
• Flödestungt: triage, vårdnivåstyrning och uppföljningsplaner

Båda kan ge snabb effekt – men bara om man mäter före/efter och justerar varje vecka, inte varje kvartal.

Tre AI-användningar som vårdcentraler kan räkna hem 2026

Det här är konkreta områden där AI i primärvården kan skapa effekt utan att kräva ett ”totalbyte” av allt.

1) AI för triage och ärendestyrning (rätt patient, rätt kanal)

Nyckeln är att styra efter medicinsk risk och behov, inte efter vilken kanal som råkar vara öppen. AI kan:

• Sammanställa symtom och riskfaktorer från formulär och tidigare journal
• Föreslå prioritet (akut, samma dag, planerat) och lämplig profession
• Flagga röda flaggor (t.ex. andningspåverkan, neurologiska symtom)

Det här blir särskilt viktigt under vintern. December–februari innebär ofta tryck av luftvägsinfektioner och förvärrade kroniska tillstånd. Om triage är svag blir allt annat lidande.

Mätbara effekter att sikta på:

• Kortare tid till medicinskt korrekt första bedömning
• Färre ”felbokningar” som leder till ombokning
• Jämnare belastning mellan professioner

2) AI för journaldokumentation och intyg (minska klick, höj kvalitet)

Den mest uppskattade vinsten i många verksamheter är att kapa administrativ tid. AI kan:

• Transkribera samtal (på plats eller via video) och skapa en strukturerad anteckning
• Föreslå ICD-10/KVÅ och uppföljningspunkter (som alltid granskas av kliniker)
• Hjälpa till med utkast till intyg, med tydliga källmarkeringar

Viktigt: AI ska inte ”skriva journalen åt dig”. Den ska skapa ett utkast som är snabbare att kvalitetssäkra än att skriva från noll.

Mätbara effekter att sikta på:

• Minuten efter besöket (”stänga anteckningen samma dag”)
• Lägre variation i dokumentationskvalitet mellan medarbetare
• Färre kompletteringsbegäranden från externa aktörer

3) AI för uppföljning av kroniker (diabetes, KOL, hypertoni)

Primärvårdens stora förbättringspotential ligger i uppföljning. AI kan stötta genom att:

• Identifiera patienter som saknar provtagning/återbesök enligt plan
• Prioritera listor efter risk (t.ex. HbA1c-trend, blodtryck över tid)
• Föreslå standardiserade åtgärdsplaner som vårdteamet kan justera

Det här är också där svensk vård ofta tappar: vi är bra på att ta emot, sämre på att systematiskt följa upp.

Mätbara effekter att sikta på:

• Ökad andel patienter med uppdaterade kontroller
• Färre akuta försämringar som kunde fångats tidigare
• Bättre kontinuitet (rätt patient hos rätt team)

Så undviker du att AI blir nästa haveri: fem krav innan ni startar

Den som tror att AI automatiskt löser e-hälsans problem kommer bli besviken. Jag skulle sätta fem hårda krav innan en vårdcentral eller en region skalar upp.

1) Välj ett enda huvudmål per pilot

Exempel: ”Minska journaltid per besök med 20% på tre månader.” Inte ”förbättra arbetsmiljön och patientupplevelsen och kvaliteten”. AI behöver ett tydligt mått.

2) Säkra datakvalitet och informationsflöde

Om triageformulär är ostandardiserade, eller om läkemedelslistor inte är uppdaterade, kommer AI att ge brus. Då blir personalens förtroende noll.

3) Bygg in klinisk styrning och ansvar

AI får inte bli en svart låda som ”IT äger”. Det måste finnas:

• medicinsk produktägare
• tydliga granskningsrutiner
• avvikelsehantering
• beslut om när AI inte ska användas

4) Tänk integration – men börja lätt

Ni behöver inte integrera allt dag ett. Men ni behöver en plan för hur resultat ska landa i arbetet. En AI som kräver extra inloggning och extra klick är dömd.

5) Gör förändringsledning på riktigt

Utbildning räcker inte. Sätt schemalagd tid för att justera arbetssätt, lyssna på motstånd och förbättra stegvis. AI som införs utan att teamet får påverka blir bara ännu ett påtvingat system.

En mening jag ofta återkommer till: ”Om AI inte sparar tid i vardagen kommer den inte att användas.”

Vanliga frågor jag får från vårdcentraler

”Får man använda patientdata för AI?”

Ja, men det kräver korrekt rättslig grund, informationssäkerhet och ofta tydliga personuppgiftsbiträdesavtal. Praktiskt betyder det att många börjar med avgränsade användningsfall och strikt åtkomstkontroll.

”Kommer AI att ersätta läkare och sjuksköterskor?”

Nej. AI ersätter främst moment: sammanställning, sortering, förslag, dokumentationsutkast. Det kliniska ansvaret och den medicinska bedömningen ligger kvar hos legitimerad personal.

”Vad ska vi upphandla – en plattform eller en funktion?”

För primärvården är det ofta smart att börja med en funktion som ger effekt (t.ex. dokumentation eller triage) och ställa krav på öppna gränssnitt och export av data. Plattformar låter trygga, men riskerar att bli nya inlåsningar.

Vart serien “Primärvård 4.0” är på väg

Den havererade e-hälsovisionen är en nyttig påminnelse: stora mål utan operativt hantverk blir dyrt symbolarbete. Om vi vill att AI inom läkemedel och bioteknik ska ge avtryck i verkligheten måste primärvården bli bättre på att ta emot innovation på ett sätt som passar klinikens tempo.

Nästa steg för många vårdcentraler under 2026 är inte ”mer digitalt”. Det är färre systemmoment, bättre datakvalitet och AI som sitter i flödet: bokning, bedömning, dokumentation och uppföljning.

Om du leder en vårdcentral eller arbetar med utveckling i region/leverantör: vilka två administrativa moment skulle du vilja eliminera först – och vad skulle det frigöra i patienttid?