AI-skriven journal i primärvården: 30% mindre admin

Administrationen i primärvården är inte bara ett irritationsmoment – den är en kapacitetsbov. När dokumentationen sväller äter den upp den enda resurs som aldrig går att “skala”: klinikerns uppmärksamhet i rummet.

Därför stack ett budskap ut från en ny svensk studie som lyftes på It i vården-dagen nyligen: automatiskt skapade journalanteckningar minskade den administrativa bördan med 30%, samtidigt som stresskänslan sjönk och närvaron i patientmötet ökade. Studien presenterades av läkare och utvecklare kopplade till Tandem Health i samarbete med Capio.

Det här inlägget är en del av serien ”AI för Svenska Vårdcentraler: Primärvård 4.0”. Jag vill gå ett steg längre än rubrikerna och prata om vad siffran 30% faktiskt betyder i vardagen, vilka risker som måste hanteras, och varför AI-journalföring även är relevant för läkemedelsutveckling och bioteknik – trots att det kan låta som två olika världar.

Vad betyder 30% mindre dokumentation i praktiken?

30% mindre dokumentation är i praktiken mer patienttid, färre avbrott och bättre återhämtning mellan besöken. Men effekten beror på hur arbetet är organiserat.

Om en läkare i snitt lägger 2 timmar per arbetsdag på journalföring och efterarbete (vilket för många är konservativt), innebär 30% reduktion runt 36 minuter per dag. På en vårdcentral med 10 läkare blir det cirka 6 timmar klinisk tid per dag. På en månad blir det snabbt en nivå där du kan:

• öka antalet patientmöten utan att höja tempot
• lägga in fler uppföljningar för kroniska patienter
• frigöra tid för handledning, kvalitetsarbete och förbättringsarbete

Varför effekten ofta blir större än “sparad tid”

AI-journalföring påverkar inte bara minuterna vid tangentbordet. Den påverkar flödet.

När dokumentationen gör att läkaren mentalt lämnar patienten (för att minnas formuleringar, leta koder, klicka rätt), skapas mikrostress och fler missar. Om AI kan ta en första version av anteckningen och strukturera den enligt lokal praxis blir effekten ofta:

• färre sena kvällar med “osynligt efterarbete”
• mindre kognitiv belastning under mottagningen
• bättre kontinuitet i uppföljningar (för att anteckningar blir mer konsekventa)

En bra AI-journal gör inte läkaren snabbare. Den gör det lättare att vara noggrann utan att bli slut.

Så fungerar AI-baserad journalisering (utan magi)

Kärnan är tal-till-text + medicinsk språkförståelse + strukturerad journalmall. De flesta moderna lösningar lyssnar (med samtycke), transkriberar samtalet och föreslår en anteckning i en definierad struktur.

Från samtal till anteckning: typiskt arbetsflöde

I primärvård 4.0 ser ett robust flöde ofta ut så här:

1. Inspelning under besöket (eller efter, via sammanfattning)
2. Transkribering med medicinskt anpassad modell
3. Sammanfattning och strukturering (exempelvis anamnes, status, bedömning, plan)
4. Förslag på relevanta termer (t.ex. läkemedel, symtom, prov)
5. Läkaren granskar och signerar – alltid människa sist

Det viktiga är sista steget: AI skriver förslag, vården tar ansvar. Det är där patientsäkerhet och juridik landar.

Vad en AI-journal bör klara i svensk primärvård

För att fungera på riktigt (inte bara i demo) behöver en lösning hantera:

• svenska kliniska uttryck och dialektnära vardagsspråk
• flera talare (patient, läkare, ibland anhörig)
• medicinska förkortningar och lokala mallar
• integritetskänslig information utan att “övernotera”

Här har jag sett att styrningen är viktigare än modellen: tydliga mallar, lokala regler och en fungerande granskningsrutin slår “smartare AI” i många fall.

Patientsäkerhet och regelefterlevnad: där många går fel

AI-journalföring kan höja kvaliteten – men bara om ni designar för risk från början. De vanligaste problemen är förutsägbara.

Tre risker som måste ägas (inte hoppas bort)

1. Hallucinationer eller felaktiga slutsatser

   • AI kan fylla i sådant som låter rimligt.
   • Motdrag: begränsa AI till att sammanfatta det som faktiskt sagts och markera osäkerhet.

2. Överdetaljerad journal

   • “Allt” hamnar i texten: småprat, irrelevanta delar, känsliga uppgifter utan klinisk nytta.
   • Motdrag: skrivpolicy för vad som ska med, samt filter/regelverk i mallen.

3. Otydligt ansvar vid signering

   • Om anteckningen blir “AI:ns text” istället för klinikerns dokumentation urholkas ägarskapet.
   • Motdrag: tydlig signeringsrutin och utbildning: Du signerar bara det du står för.

Integritet och dataskydd i svensk kontext

Patientdata är inte bara känsliga – de är reglerade. För vårdcentraler blir det här praktiskt:

• var behandlas ljud/text (lokalt, inom EU, eller i annan miljö)?
• hur loggas åtkomst och förändringar?
• hur hanteras samtycke vid inspelning?
• hur länge sparas ljudfiler, om de sparas alls?

Det här är inte ett IT-projekt. Det är ett verksamhetsprojekt med IT som verktyg.

Varför AI-journaler påverkar bioteknik och läkemedelsutveckling

Bättre dokumentation är råvara för bättre data – och bättre data accelererar kliniska studier och läkemedelsutveckling. Kopplingen är rakare än den först låter.

Från vårdcentralens journal till robust real world data

När anteckningar blir mer strukturerade och konsekventa ökar möjligheten att skapa högkvalitativa dataset (med rätt tillstånd och governance). Det är särskilt relevant för:

• läkemedelsuppföljning i vardagsvård (effekt och biverkningar)
• snabbare identifiering av lämpliga patienter till studier
• bättre uppföljning av behandlingsmål vid kroniska sjukdomar

I bioteknik och läkemedelsutveckling pratar man ofta om att “datat finns, men är stökigt”. Primärvården är ett skolexempel: mycket information, men utspridd, varierande språkbruk, och begränsad tid att strukturera.

En AI som hjälper till att göra anteckningen mer komplett (utan att bli längre) kan göra stor skillnad för sekundära processer, som kvalitetsregister, studieförfrågningar och farmakovigilans.

En kontroversiell men nödvändig poäng

Om vi vill att Sverige ska vara attraktivt för kliniska studier behöver vi sluta acceptera att dokumentation är ett hantverk som varje individ gör på sitt sätt. Standardisering med kliniskt omdöme är en konkurrensfördel.

AI-journalföring är inte hela lösningen, men den är en konkret startpunkt eftersom den angriper flaskhalsen: tiden.

Så kommer ni igång: en praktisk checklista för vårdcentraler

Börja med ett avgränsat pilotupplägg och mät effekten på riktigt. När man försöker rulla ut brett direkt blir det ofta “ingen äger frågan”, och då dör projektet i motstånd eller trötthet.

Steg 1: Välj rätt besökstyper för pilot

Bra start:

• återbesök för kroniska diagnoser (diabetes, hypertoni, KOL)
• enklare akuta besök med tydlig struktur (UVI, övre luftväg)

Undvik i första piloten:

• komplex psykiatri/kris
• barnärenden med flera talare och känsliga resonemang

Steg 2: Bestäm vad ni ska mäta (före och efter)

Mät minst fyra saker under 4–6 veckor:

• tidsåtgång efter besök (minuter per patient)
• andel anteckningar som kräver större omskrivning
• självskattad stress (enkel veckoskala räcker)
• upplevd närvaro i patientmötet

Den här typen av mätning gör att ni kan prata om ROI utan marknadsföringsspråk.

Steg 3: Sätt en “journalpolicy” för AI-text

Det här låter tråkigt, men det är här många lyckas eller misslyckas. Bestäm:

• vilken struktur som gäller
• vad som aldrig ska dokumenteras ordagrant
• hur osäkerheter ska skrivas (t.ex. “patienten uppger…”, “oklart om…”)
• hur ni hanterar språkbruk som kan bli stigmatiserande

Steg 4: Träna beteenden, inte bara verktyget

AI-journalisering fungerar bäst när klinikern:

• pratar tydligt i plan och bedömning (så AI fångar beslut)
• sammanfattar i slutet: “Vi gör X, Y, Z”
• granskar anteckningen direkt medan minnet är färskt

Det är små beteenden som ger stora effekter.

Vanliga frågor jag får om AI-journaler (och raka svar)

“Blir anteckningarna sämre om AI skriver dem?”

De blir ofta mer kompletta, men riskerar att bli för långa. Kvalitet handlar mer om styrning, mallar och granskning än om modellen i sig.

“Är det här bara ytterligare ett system som tar tid?”

Första veckan: ja, ofta. Vecka 2–4: det brukar vända om ni valt rätt pilotgrupp. Det är därför piloten ska vara smal och mätbar.

“Kan vi använda detta för forskningsdata?”

Inte automatiskt. Men mer konsekvent dokumentation gör det lättare att, med rätt tillstånd och processer, skapa bättre underlag för uppföljning och studier.

Nästa steg för Primärvård 4.0

AI-skriven journal är ett av de mest praktiska AI-spåren i primärvården just nu eftersom nyttan uppstår där det gör ont: i vardagsfriktionen. Studien som presenterades 2025-12-12 pekar på 30% mindre administrativ börda, lägre stress och mer närvaro – en kombination som få andra initiativ kan matcha.

Samtidigt är det här större än arbetsmiljö. När dokumentation blir mer strukturerad och konsekvent skapas bättre dataflöden som i förlängningen kan stötta kliniska studier, läkemedelsuppföljning och bioteknikens behov av real world data.

Om du ansvarar för digitalisering på en vårdcentral: välj en smal pilot, mät effekten, sätt en tydlig journalpolicy och våga vara strikt med granskning. Då blir AI-journalen ett verktyg som faktiskt håller i februari, inte bara i december.

Vad skulle hända med er tillgänglighet om varje kliniker fick tillbaka 30 minuter om dagen – och använde dem till uppföljning av de patienter som annars hamnar mellan stolarna?