AI kan förklara gravidas vaccinbeslut – och öka skyddet

I Sverige rekommenderas gravida vaccin mot influensa och kikhosta, och ändå ser vaccintäckningen olika ut beroende på region och grupp. Det är inte ett litet problem. Under vintersäsongen—när influensa och RSV brukar trycka på som mest—är tajmingen extra känslig. Varje missad vaccination kan betyda fler vårdbesök, mer oro och i värsta fall svårare sjukdom hos både mamma och nyfödd.

Det som ofta missas i debatten är att vaccinbeslut under graviditet sällan handlar om “för” eller “emot” vaccin i allmänhet. Det handlar om beslut under tidspress, med mycket information, starka känslor och praktiska hinder. Därför är Karolinska institutets VIPS-Q-studie (en kvalitativ intervjustudie) så intressant: den försöker förstå hur gravida resonerar, inte bara vad de gör.

Här blir kopplingen till vår serie ”AI inom läkemedel och bioteknik” tydlig. Jag tycker att vi pratar för lite om AI som verktyg för att förstå människors val i vården. Inte för att övertala, utan för att göra erbjudandet mer träffsäkert, mer jämlikt och mer mänskligt.

Varför varierar vaccintäckningen bland gravida i Sverige?

Den korta, konkreta förklaringen: olika grupper möter olika hinder—och vården är inte alltid designad för att fånga upp dem.

VIPS-Q, som leds inom ramen för VIPS-projektet vid Karolinska institutet, vill kartlägga vilka faktorer som påverkar om en gravid tackar ja eller nej till vaccination. Upplägget är tydligt: djupintervjuer med cirka 40 kvinnor 3–12 månader efter förlossning, där hälften vaccinerat sig (mot influensa, RSV, covid-19 och/eller kikhosta) och hälften inte gjort det. Dessutom planeras fokusgrupper med barnmorskor och läkare inom mödrahälsovården.

Det viktiga här är att studien inte utgår från att “information löser allt”. Den undersöker också det som brukar styra vardagsbeteenden:

• Tillgänglighet: var, när och hur lätt det är att få vaccinet.
• Praktiska hinder: tid, logistik, barnpassning, språk.
• Tillitskedjan: hur rekommendationer från barnmorska/läkare väger jämfört med familj, sociala medier och tidigare erfarenheter.
• Riskupplevelse: rädsla för att skada barnet kontra rädsla för infektion.

Jag tar ställning här: om vi vill ha jämlik vaccintäckning kan vi inte nöja oss med generella budskap. Vi måste förstå variationen i beslutsfattande på riktigt.

VIPS-Q visar vägen: från “vad” till “varför”

Nyckeln i VIPS-Q är metodvalet. Kvalitativa djupintervjuer fångar sådant som registerdata och enkäter ofta missar: tvekan som pendlar, beslut som ändras, och hur en enda kommentar i rätt (eller fel) ögonblick kan påverka.

Barnmorskan som beslutsmotor

En återkommande punkt i svensk mödrahälsovård är att barnmorskan ofta är den mest kontinuerliga kontakten. VIPS-Q vill bland annat förstå vilken roll information och rekommendationer från barnmorska har.

Det är logiskt: när en gravid väger risker mot varandra blir frågan sällan “vad säger en broschyr?” utan “vem litar jag på när jag är osäker?”.

När kostnad blir en klassfråga

Influensa- och kikhostevaccin är gratis för gravida i hela landet. RSV-vaccin är däremot i nuläget inte kostnadsfritt och nämns som cirka 2 000 kronor. Det förändrar hela beslutslogiken.

En sak jag tycker är viktig att säga högt: så fort en förebyggande insats blir en privat utgift skapar vi en ojämlikhet som inte går att informationskampanja bort.

Så kan AI analysera beslutsmönster – utan att bli “påträngande”

Här är den praktiska AI-vinkeln: VIPS-Q ger kvalitativa insikter som kan översättas till mönster, hypoteser och testbara interventioner. AI kan hjälpa oss att gå från “vi tror att tillgänglighet spelar roll” till “här är vilka hinder som dominerar i vilka grupper, och vad som fungerar för att lösa dem”.

1) NLP på intervjuer: från berättelser till strukturerad kunskap

Med naturlig språkbehandling (NLP) kan man analysera intervjutranskriptioner och hitta återkommande teman, ordval och resonemang.

Exempel på vad AI kan extrahera (och människor kan validera):

• Vanliga trigger-ord kopplade till oro: “biverkningar”, “fostret”, “kemikalier”, “nya vacciner”.
• Praktiska friktionspunkter: “tider”, “drop-in”, “ringde men fick ingen tid”.
• Tillitsmarkörer: “min barnmorska sa”, “jag läste i en grupp”, “min partner tyckte”.

Poängen är inte att ersätta forskare, utan att snabbare se mönster i stora textmängder och jämföra mellan grupper.

2) Prediktiva modeller för att hitta var ojämlikhet uppstår

När kvalitativa fynd kombineras med vårddata (på ett korrekt, etiskt och GDPR-säkert sätt) kan man bygga modeller som pekar på var ojämlikhet sannolikt uppstår:

• skillnader mellan mottagningar
• skillnader mellan geografiska områden
• skillnader kopplade till språkbehov eller vårdkontinuitet

Det här behöver inte betyda “riskpoäng på individer”. Jag föredrar ett systemperspektiv: använd AI för att identifiera flaskhalsar i vårdflöden, inte för att stämpla patienter.

3) Personaliserad patientinformation som faktiskt känns relevant

Många projekt misslyckas här genom att skapa “mer information”. Men AI kan hjälpa till att skapa rätt information vid rätt tillfälle, till exempel:

• korta svar på de 3 vanligaste farhågorna i en viss grupp
• språk- och läsanpassning
• informationsformat som passar (text, kort video, samtalsstöd)

Målet är inte att pressa fram ett “ja”. Målet är att minska beslutets kognitiva börda och göra det lättare att fatta ett tryggt, informerat beslut.

Vad kan vården göra redan nu? Fem konkreta förbättringar

Den mest användbara effekten av forskning som VIPS-Q är att den kan omsättas i processförbättringar. Här är fem åtgärder som ofta ger effekt även innan “perfekta” data finns:

1. Standardisera erbjudandet: samma budskap, samma timing, samma tydlighet—oavsett mottagning.
2. Sänk friktionen: vaccin i samband med MVC-besök, tydliga drop-in-fönster, möjlighet kvällstid.
3. Gör rekommendationen personlig: en rak, vänlig mening från barnmorska väger ofta mer än en folder.
4. Synliggör vad som är gratis och vad som kostar: undvik att kostnadsfrågan blir en “överraskning”.
5. Bygg samtalsstöd för tvekan: korta manus som bekräftar oro och svarar sakligt, utan moraliserande.

Om jag får välja en: sänk friktionen. När man är gravid är kalendern redan full. Vården ska inte lägga till ännu ett projekt att “få till”.

Vanliga frågor (och raka svar) om graviditetsvaccin i Sverige

Vilka vaccin rekommenderas till gravida i Sverige?

Influensa och kikhosta rekommenderas. Influensa kopplas till höst- och vintersäsong, medan kikhostevaccin kan ges året runt för att skydda det nyfödda barnet via antikroppar från mamman.

Är vaccin gratis för gravida?

Influensa- och kikhostevaccin är gratis för gravida i Sverige. RSV-vaccin är i nuläget inte generellt kostnadsfritt, vilket påverkar jämlikheten.

Varför pratar man om RSV så mycket på vintern?

RSV har ofta tydliga säsongstoppar. För nyfödda och spädbarn kan infektionen bli allvarlig, vilket gör förebyggande insatser extra relevanta under vinterperioden.

Vad betyder VIPS-Q för AI inom läkemedel och bioteknik?

Min poäng är enkel: bioteknik och läkemedel utvecklas inte i ett vakuum. Även när en produkt är säker och effektiv kan effekten i befolkningen bli lägre om upptag, tillgång och kommunikation brister.

VIPS-Q adresserar just den “sista milen” i medicin: varför människor tackar ja eller nej. AI är starkt här, för att den kan:

• hitta mönster i komplexa beslutsdata
• jämföra grupper på ett systematiskt sätt
• ge underlag till interventioner som går att testa och förbättra

Forskarna räknar med att intervjuer genomförs under våren och fokusgrupper med vårdpersonal under hösten 2026, med första resultat tidigast under 2027. Det låter långt bort, men rätt gjort kan resultaten bli en karta över vilka insatser som faktiskt höjer vaccintäckning—utan att tumma på individens autonomi.

Om du jobbar med AI i life science: här finns ett guldläge att bidra med metodik som är både skarp och respektfull. Frågan är inte om vi ska använda data för att förstå beslut, utan om vi gör det på ett sätt som bygger förtroende.