Cosmic-strul i Dalarna: så undviker ni nästa haveri

Det finns få saker som sänker en vårdverksamhet lika snabbt som ett journalsystem som inte går att lita på. I Region Dalarna gick man över till Cosmic i oktober. Sju veckor senare pratar läkare öppet om att de vill tillbaka till Takecare – inte av nostalgi, utan för att arbetet blivit trögare och riskerna fler.

Det här är mer än en lokal IT-historia. Det är en skarp fallstudie för alla svenska vårdcentraler som sitter med upphandlingar, införanden eller “moderniseringsprojekt” på bordet 2026. Och det är precis här AI i vården kan göra skillnad – inte som en pryl på toppen, utan som ett sätt att säkra flöden, fånga risker och minska dokumentationsbördan.

Ett nytt journalsystem ska minska friktionen. Om friktionen ökar är det inte “inkörningsproblem” – det är en patientsäkerhetsfråga.

Vad hände i Dalarna – och varför spelar det roll?

Ett systembyte är alltid känsligt. Men berättelsen från Dalarna sticker ut eftersom missnöjet är så snabbt och så tydligt: läkare beskriver Cosmic som opålitligt och svårt att använda. I rapporteringen lyfts bland annat två konkreta risker som kräver omedelbar kontroll i alla verksamheter som byter journalsystem:

1. Risk för fel patient: att systemet kan byta patient “automatiskt” utan att användaren märker det.
2. Risk att missa avvikande provsvar: att avvikande resultat inte markeras lika tydligt som tidigare.

Lägg till en praktisk verklighet som många känner igen: en växande backlogg av diktat/anteckningar som inte hinner skrivas ut (i Dalarna nämns över 20 000 oskrivna journaluppgifter i lokal rapportering). När dokumentationen släpar blir uppföljning, läkemedelsjusteringar och samordning svårare – och det spiller över på allt från telefonrådgivning till läkemedelslistor.

“Gå tillbaka till Takecare” är ett symtom, inte lösningen

När läkare vill backa till ett tidigare system låter det bakåtsträvande på pappret. I praktiken är det ett tecken på att det nya systemet inte klarar tre grundkrav:

• Kognitiv ergonomi: rätt sak ska synas utan klick-maraton.
• Förutsägbarhet: samma handling ska ge samma resultat varje gång.
• Säkerhetsstöd: risker ska markeras tydligt i arbetsflödet.

Det intressanta är att inget av detta egentligen är “framtid vs dåtid”. Det handlar om arbetspsykologi och säker design. Och där har vården historiskt underskattat vad det kostar när IT inte fungerar i vardagen.

Varför misslyckas så många införanden av journalsystem?

Den direkta förklaringen brukar bli “utbildning” eller “inkörningsperiod”. Den verkliga orsaken är oftast en kombination av design- och styrningsmissar.

1) Man optimerar för upphandling – inte för arbete

Upphandlingskrav blir lätt listor på funktioner (“kan visa provsvar”, “kan signera”, “kan remittera”). Men den stora nyttan sitter i flöden: hur snabbt en distriktsläkare kan få överblick, hur lätt en sjuksköterska kan dokumentera triage, hur säkert en medicinsk sekreterare kan hantera diktat.

När upphandlingen inte utvärderar flödesprestanda får man ett system som tekniskt “kan allt”, men som praktiskt saktar ner allt.

2) Man saknar mätetal som fångar patientsäkerhet i gränssnittet

“Avvikande provsvar är svårare att se” är ett gränssnittsproblem – men effekten är medicinsk. Många införanden saknar tydliga krav som:

• max antal klick för att se kritiska värden
• tydlig visuell kodning för avvikelsegrad
• logik för att kräva kvittens på kritiska svar

När det inte mäts blir det en diskussion om upplevelse. Och patientsäkerhet får aldrig reduceras till “upplevelse”.

3) Man underskattar dokumentationskedjan

Om diktat inte blir text i journalen i tid spelar det ingen roll hur snygg läkemedelsmodulen är. Dokumentation är en kedja:

• inspelning/diktat
• transkribering
• signering
• sökbarhet
• återanvändning (intyg, remiss, sammanfattning)

Bryts kedjan får ni köer, dubbelarbete och i värsta fall fel beslut på fel underlag.

Hade AI kunnat förebygga Cosmic-problemen? Ja – men inte på magiskt sätt

AI i vården hjälper inte genom att “ersätta” journalsystemet. Den hjälper genom att lägga ett smart säkerhets- och effektivitetsskikt ovanpå arbetsflödet. I primärvården är det särskilt relevant eftersom trycket är högt, variationen stor och tiden knapp.

AI som skyddsräcke: patientmatchning och kontextkontroll

Om det finns risk att användaren hamnar på fel patient behöver man fler skyddsräcken än en liten rad med personnummer.

AI-baserad kontextkontroll kan till exempel:

• varna när dokumentationen plötsligt inte matchar patientens ålder/kön (t.ex. “graviditetsrelaterad anteckning på man 72 år”)
• upptäcka när texten refererar till annan patient (”enligt besöket hos NN”) och kräva bekräftelse
• flagga ovanliga hopp i navigering (snabba patientbyten) i kombination med signering

Det här är ingen science fiction. Det är samma typ av avvikelsedetektering som används i finans och cybersäkerhet – applicerat på kliniskt arbete.

AI som provsvars-vakt: risktriage som följer teamets verklighet

När avvikande provsvar inte syns tydligt uppstår en klassisk vårdfälla: “jag såg det inte”. Ett AI-stöd kan:

• sammanfatta dagens provsvar per patient med tydliga risketiketter (kritisk, brådskande, uppföljning)
• prioritera listor utifrån patientens kända diagnoser och läkemedel (t.ex. kreatinin hos ACE-hämmare)
• skapa en åtgärdslista i stället för en provlista: “ring”, “boka”, “upprepa prov”, “justera läkemedel”

För svenska vårdcentraler är detta guld värt eftersom uppföljningsarbetet ofta hamnar mellan stolar: läkare, sjuksköterska, labbsvar, telefonkö.

AI för journaldokumentation: från backlogg till flyt

Om sekreterare går på knäna och diktat staplas blir konsekvensen snabbt längre ledtider och sämre kontinuitet. Här är ett område där jag tycker många verksamheter ska vara mer offensiva: inför AI-stödd transkribering och strukturerad sammanfattning.

Ett realistiskt upplägg i primärvård 4.0:

• tal till text i realtid vid besök eller telefon
• automatisk struktur: status, bedömning, plan, uppföljning
• “signeringsläge” där läkaren snabbt granskar och godkänner
• kodförslag (t.ex. diagnos-/åtgärdskoder) som förslag, inte automatik

Målet är inte perfekta anteckningar. Målet är att minska väntetiden från vårdkontakt till komplett journal – och därmed minska risken att någon jobbar på gamla uppgifter.

Praktisk checklista: så minskar ni risken vid systembyte i primärvården

Om ni står inför införande eller större uppgradering 2026, använd Dalarna som stress-test. Här är en checklista som funkar för vårdcentraler, privata mottagningar och regiondrift.

1) Sätt tre “icke-förhandlingsbara” patientsäkerhetskrav

Exempel på krav som går att testa vecka 1:

• Patientbyte ska vara omöjligt att missa: tydlig signal + aktiv bekräftelse vid riskmoment.
• Kritiska provsvar ska vara pushade: inte gömda bakom klick.
• Läkemedelslistan ska vara snabb och spårbar: ändringar ska synas och kunna följas.

2) Mät införandet som ett kliniskt experiment

Sätt siffror på vardagen. Följ minst:

• median-tid för journalföring per besök
• antal osignerade anteckningar efter 24/48/72 timmar
• antal avvikelser kopplade till provsvar och patientidentitet
• personalens upplevda “friktion” veckovis (kort enkät, 3 frågor)

Om ni inte mäter blir ni utlämnade åt anekdoter. Och då tar besluten längre tid.

3) Inför AI där den avlastar – inte där den stör

AI ska läggas där den sparar minuter varje timme:

• provsvarssammanfattning och prioritering
• diktat/transkribering och journalutkast
• automatisk sammanfattning inför återbesök (“senaste 6 månaderna”)

Undvik att börja med “AI-diagnostik” om ni samtidigt har basproblem med dokumentation och arbetsflöde. Ordning först.

4) Designa för teamet, inte bara för läkaren

Dalarna-rapporteringen pekar tydligt på belastningen hos medicinska sekreterare. I primärvården gäller samma för sjuksköterskor och rehabprofessioner. När ni testar systemet, testa hela kedjan:

• telefonkontakt → triage → bokning
• labb → provsvar → åtgärd → uppföljning
• intyg → signering → skickat

Den som “bara” skriver ut diktat är ofta den som ser systemfelen först.

Vad svenska vårdcentraler kan lära av Dalarna redan nu

Den tydligaste lärdomen är brutal: digitalisering som gör jobbet långsammare är inte digitalisering – det är driftstörning. Och driftstörning i vården blir snabbt en medicinsk risk.

Den andra lärdomen är mer hoppfull: vi behöver inte välja mellan “gammalt tryggt” och “nytt krångligt”. Med rätt AI-stöd kan ni skapa ett arbetssätt där journalsystemet blir en stabil ryggrad, medan AI tar hand om det som annars stjäl tid: sortering, sammanfattning, textproduktion och riskflaggning.

Om din vårdcentral är på väg mot ett nytt journalsystem 2026: vilka tre moment i ert flöde får absolut inte bli sämre – och vilket AI-stöd skulle ni vilja ha som säkerhetsnät dag ett?