Mounjaro och primärvård: AI som stänger vårdgapet

Mounjaro (tirzepatid) var Sveriges mest sålda läkemedel i november 2025 – samtidigt som det inte ens nämns i Region Stockholms uppdaterade kunskapsstöd för obesitas. Den kontrasten säger något större än “en miss i ett dokument”. Den visar hur snabbt behandlingslandskapet rör sig och hur svårt det är för vårdsystemet att hålla samma takt.

För primärvården blir effekten konkret: patienter kommer in med frågor, förväntningar och ibland egenfinansierade behandlingar, medan vårdcentralen sitter med ett kunskapsstöd som inte speglar verkligheten. Jag tycker att det är ett problem – inte för att alla ska ha läkemedel, utan för att beslutsstöd ska beskriva det som faktiskt används och efterfrågas.

Det här inlägget är en del av serien ”AI för Svenska Vårdcentraler: Primärvård 4.0”. Poängen är enkel: om läkemedelsutvecklingen accelererar (bland annat med hjälp av AI), måste även riktlinjer, prioriteringar och arbetssätt bli smartare. Annars skapas ett vårdgap där vissa patienter hittar fram och andra inte.

Varför spelar ett “saknas i kunskapsstöd” så stor roll?

Kunskapsstöd fungerar i praktiken som en ram för kliniska beslut. När ett högaktuellt obesitasläkemedel inte finns med uppstår tre följder som jag ser i primärvården gång på gång: osäkerhet, variation och tidsläckage.

Osäkerhet i mötet – och det kostar tid

När patienter frågar om Mounjaro eller andra GLP-1-baserade behandlingar hamnar personalen ofta i ad hoc-läge: “Vad säger regionen? Vad säger kliniken? Vad säger evidensen? Vad gäller ekonomiskt?” Det är rimliga frågor, men de ska inte behöva besvaras genom att varje vårdcentral uppfinner sin egen process.

Ett modernt kunskapsstöd ska minst:

• beskriva aktuella behandlingar som patienter faktiskt efterfrågar
• tydliggöra indikationer, kontraindikationer och uppföljning
• förklara prioriterings- och finansieringsläget (även när subvention saknas)
• ge handfasta råd om samtal, förväntningar och livsstilsstöd

Variation skapar ojämlik vård

När det saknas vägledning fyller vi tomrummet med personliga erfarenheter, lokala “sanningar” och olika grad av tid att läsa in sig. Resultatet blir att patienter med liknande klinisk bild får olika besked beroende på vårdcentral, läkare eller distriktssköterska.

Det är exakt så ojämlik vård växer: inte genom illvilja, utan genom informationsfriktion.

Tidsläckage slår direkt mot tillgängligheten

December i primärvården är ofta full av:

• årskontroller som ska hinnas med
• läkemedelsgenomgångar
• förnyelser inför helger
• högtryck på telefon och chatt

När kliniker dessutom behöver göra “riktlinjejakt” och sammanställa egna PM för obesitasläkemedel tar det tid från patienter som väntar på bedömning.

Obesitasläkemedel, subvention och verkligheten i väntrummet

Det centrala här är inte bara att Mounjaro saknas i ett dokument. Det är att behandlingsutbud, finansiering och patientbeteende inte längre rör sig i takt.

Patienter är redan i den nya verkligheten

Primärvården möter nu fler patienter som:

• redan står på GLP-1/liknande via privata aktörer
• vill ha uppföljning, provtagning och biverkningsstöd i regionvård
• har läst på, jämfört effektdata och pratar i termer av “veckodos” och “titrering”

När subvention saknas blir det dessutom ett klassiskt svensk-känsligt dilemma: betalningsförmåga börjar styra access. Den diskussionen kräver saklighet, struktur och tydliga principer – och där borde regionernas kunskapsstöd vara en trygg bas.

Primärvården behöver ett operativt svar, inte bara policy

En vårdcentral behöver veta:

• vilka patienter som behöver extra noggrann riskbedömning (t.ex. gallbesvär, pancreatit-historia, psykisk samsjuklighet, ätstörningsproblematik)
• hur man följer vikt, midjemått, blodtryck, HbA1c och lipider på ett enhetligt sätt
• när man ska trappa upp livsstilsstöd, remittera, eller avsluta

Det är “verkstad”, inte debatt. Och den verkstaden går att förstärka med AI – på ett sätt som faktiskt hjälper både patienter och personal.

Där AI faktiskt kan minska vårdgapet (utan att bli ett IT-projekt)

AI i vården blir lätt en powerpoint-fråga. För mig är det mer intressant att prata om små, praktiska funktioner som gör att riktlinjer och behandling blir jämlikare och snabbare att tillämpa.

1) AI som håller kunskapsstöd uppdaterat – snabbare än årsrevisioner

Ett tydligt problem med kunskapsstöd är att de ofta uppdateras i “batch”. Men läkemedelsfältet rör sig veckovis. Här kan AI bidra genom att:

• bevaka regulatoriska förändringar, restnoteringar och rekommendationsskiften
• föreslå uppdateringar i texten när nya preparat eller indikationer blir kliniskt relevanta
• flagga för “glapp” mellan vad som används i verkligheten (förskrivningsmönster) och vad som står i stödet

Det betyder inte att AI ska skriva regionens policy. Det betyder att AI kan vara en tidig varningsklocka som minskar risken att viktiga delar faller bort.

Ett kunskapsstöd som inte nämner det mest omtalade läkemedlet i patientgruppen skapar mer arbete än det sparar.

2) AI-triage som skiljer “läkemedelsfråga” från “riskpatient”

Alla obesitasärenden är inte lika. Vissa är informationsbehov, andra kräver snabb medicinsk bedömning. Med AI-stött triage (i telefon/chatt) kan vårdcentralen fånga upp:

• alarmsymtom (svåra buksmärtor, kräkningar, uttorkning)
• snabb viktnedgång med komplikationsrisk
• samsjuklighet som kräver särskild plan (t.ex. diabetes, hjärtkärlsjukdom, sömnapné)

Och lika viktigt: sortera bort de ärenden som kan lösas via strukturerad egenvård + planerad uppföljning, istället för akuta tider.

3) AI för standardiserad uppföljning och jämlik dokumentation

När nya behandlingar blir populära uppstår en annan flaskhals: uppföljningen blir spretig. AI kan stötta genom att:

• föreslå journalmallar (status, biverkningar, följsamhet, levnadsvanor)
• automatiskt sammanfatta patientens viktkurva, provresultat och läkemedelslista
• skapa påminnelser för provtagning och uppföljningsintervall

Det här är “Primärvård 4.0” i praktiken: mindre tid på administration, mer tid på medicin och samtal.

4) AI som beslutsstöd för rätt patient, vid rätt tillfälle

Det svåra med obesitasläkemedel är sällan att förstå att de fungerar. Det svåra är att välja rätt strategi för rätt patient: livsstilsstöd, läkemedel, kirurgi, kombinationer – och att göra det på ett sätt som håller över tid.

AI-baserade riskmodeller kan hjälpa till att:

• identifiera patienter med hög risk för komplikationer där intensifierad behandling ger störst nytta
• förutse avhopp och biverkningsrisk (för att planera tätare stöd tidigt)
• prioritera resurser i teamet (dietist, fysioterapeut, psykolog) mer träffsäkert

Det är en obekväm sanning att resurserna är begränsade. Då är det bättre att prioritera med data än med magkänsla.

Praktiskt: en “AI-ready” arbetsprocess för obesitas på vårdcentral

Så här kan en vårdcentral göra det konkret, utan att vänta på perfekta regiondokument.

Steg 1: Skapa en lokal miniminivå (2 sidor) som alla följer

Målet är inte en roman. Målet är konsekvens. En bra miniminivå innehåller:

1. inklusions-/exklusionskriterier för fördjupad bedömning
2. standardprover och mätdata (vikt, midjemått, BT, HbA1c, lipider)
3. uppföljningsintervall och biverkningschecklista
4. tydlig patientinformation om förväntad effekt, återgång vid utsättning och livsstilsdel

Steg 2: Använd AI för att göra varje besök “snabbare att göra rätt”

Tre AI-funktioner ger ofta snabb effekt:

• automatiska journalmallar för obesitasbesök
• sammanfattning av historik (viktkurva, samsjuklighet, läkemedel)
• patientmeddelanden som genereras från plan (t.ex. uppföljning, provtagning, varningssymtom)

Steg 3: Följ upp variation – inte bara vikt

Mät inte bara kilo. Mät hur lika ni jobbar.

• Andel patienter med dokumenterat midjemått
• Andel med planerat uppföljningsdatum
• Andel med dokumenterade biverkningar
• Tid från första kontakt till behandlingsplan

AI kan sammanställa detta utan att någon sitter med excel.

Vanliga frågor som dyker upp på vårdcentralen (och raka svar)

“Varför finns Mounjaro överallt i media men inte i våra stöd?”

För att marknad, klinisk efterfrågan och regionala processer rör sig i olika hastighet. Det behöver inte betyda att regionen tar ställning emot – men det skapar ett informationsglapp som primärvården får bära.

“Kan vi ens prata om icke-subventionerade läkemedel?”

Ja. Att informera om behandlingsalternativ, effekt, risker och uppföljning är en del av god vård. Men det kräver tydlighet kring vad vården kan erbjuda, vad patienten kan välja själv och hur uppföljning ska ske.

“Kommer AI ersätta kliniska beslut här?”

Nej. AI gör det enklare att vara konsekvent, att inte missa risk, och att dokumentera rätt. Beslutet ligger fortfarande hos kliniker och patient – men de får bättre underlag.

Vad jag tycker Region Stockholm (och andra regioner) bör göra nu

Det rimliga är inte att varje nytt preparat ska få en hel rapport samma vecka. Men det rimliga är att kunskapsstödet har en levande sektion för “aktuella läkemedel som patienter efterfrågar” med:

• kort beskrivning av verkningsprincip
• evidensläge i stora drag
• patientsäkerhetsaspekter i primärvård
• hur man pratar om kostnad och förväntningar
• tydlig gränsdragning mot specialistnivå

Och här blir min poäng politisk på ett praktiskt sätt: när läkemedelsinnovation går snabbare (AI i läkemedelsutveckling, biomarkörer, real-world data), måste även vårdens styrning bli snabbare – annars skapas ojämlikhet som ingen “menade”.

Nästa steg för vårdcentraler som vill ligga före 2026

Om du driver eller jobbar på en vårdcentral: vänta inte på att allt ska bli perfekt i regionens dokument. Sätt en intern standard, bygg ett säkert arbetssätt, och använd AI där det sparar tid och skapar jämlikhet.

Vill du göra det här metodiskt är en bra start att kartlägga två saker: var ni tappar tid (triage, dokumentation, uppföljning) och var ni tappar likvärdighet (olika besked, olika provpaket, olika uppföljning). Där brukar AI ge snabbast effekt.

Frågan som hänger kvar när vi går in i 2026 är obekväm men nödvändig: när nästa stora behandling får genomslag på några månader – har vi då byggt ett system som kan ge samma kvalitet till alla, eller bara till dem som orkar driva sin egen vård?