Ingrid är 83 år. Hon har diabetes och hjärtsvikt och har börjat få svårt att minnas sina tider och hålla reda på läkemedlen. Dottern hjälper till, men vet inte alltid vem hon ska ringa när något förändras.
På vårdcentralen finns provsvaren. På sjukhuset finns uppgifterna från den senaste inläggningen. Kommunens personal känner till hur Ingrid klarar vardagen hemma. Det är ett tänkt exempel, men frågan är konkret: kan vården använda erfarenheter från liknande förlopp för att förbereda hjälpen bättre?
Socialstyrelsen beskriver hur en växande äldre befolkning kommer att behöva mer stöd. Många är friskare längre, men när behoven uppstår är de ofta omfattande. Kognitiv svikt gör samordningen särskilt viktig: vården behöver fungera också för den som inte själv klarar att boka nästa besök. Socialstyrelsen om vård och omsorg för äldre.
AI:s möjliga bidrag är att hjälpa personalen tolka information och göra bättre prognoser. Nyttan behöver visas för varje uppgift.
På Karolinska Universitetssjukhuset används en AI-modell som förutser tidsåtgången före, under och efter operationer. I sjukhusets tidiga utvärdering var det genomsnittliga absoluta prognosfelet för själva operationstiden 20 procent lägre än för den planerade tiden. Det är sjukhusets egen redovisning och visar bättre tidsprognoser, inte i sig bättre patienthälsa. Karolinskas redovisning av operationsplaneringen.
Här är AI:s roll tydlig: modellen lär av tidigare operationer för att uppskatta hur lång tid nästa ingrepp behöver. Planerarna får ytterligare ett underlag för att fördela salar och personal. Region Stockholm beskriver att lösningen har tagits i bruk på flera sjukhus, i ett regionövergripande projekt som leds från Danderyds sjukhus. Region Stockholm om AI-stödet.
För patienter som Ingrid finns en annan möjlig användning: att bearbeta journaltext. Uppgifter om minnessvårigheter, läkemedelsproblem och stöd hemma kan finnas i löpande anteckningar. Ett möjligt AI-stöd skulle kunna markera sådana uppgifter för personalens granskning och hjälpa till att sammanställa vad som behöver följas upp. Karolinska beskriver arbete med både prediktion och textbearbetning, men just detta Ingrid-exempel är ett tänkt användningsfall, inte en redovisad klinisk effekt. Karolinska om sitt AI-arbete.
En påminnelse om ett uteblivet besök kan ofta skapas med en enkel regel. AI behöver motiveras när uppgiften är mer komplicerad, exempelvis när flera förändringar över tid ska vägas samman. Då behöver modellen jämföras med enklare metoder och prövas på de patienter som stödet ska användas för.
Ett riskmått är användbart först när det leder till en rimlig åtgärd.
Stockholms registerforskning visar varför uppföljningen behöver granskas. En SCREAM-studie publicerad 2026 följde cirka 215 000 vuxna med nyupptäckt förhöjd albuminutsöndring i urinen, ett möjligt tecken på njurskada. Inom ett år hade 46 procent testats på nytt. Forskarna pekade på brister i den fortsatta uppföljningen. Underlaget gäller 2010–2021; det beskriver historisk vård och är ingen studie av AI. Studien om uppföljning av albuminuri.
Fyndet ger en fråga att agera på: vilka patienter behöver uppföljning, vem får tid att kontakta dem och får de faktiskt hjälp? Ett system som bara producerar fler varningar kan annars öka personalens arbetsbörda.
Men vårdkontakter och provsvar beskriver inte hela behovet. Ett uteblivet återbesök kan vara ett tecken på att patienten mår bra. Det kan också bero på att hon inte klarade att boka tiden.
Färre registrerade kontakter behöver inte betyda bättre hälsa.
På regional nivå skulle prognoser kunna användas för att planera bemanning, uppföljning och stöd vid kognitiv sjukdom. Region Stockholms VAL-databaser ger underlag om vårdkontakter, men täcker inte all kommunal vård och omsorg och kan innehålla rapporteringsbrister. En modell behöver visa vad den bygger på och vilka behov som riskerar att missas. Region Stockholms beskrivning av VAL.
Planeringen behöver också följa vad som händer utanför sjukhuset. Kortare vårdtider kan vara bra om patienten får rätt stöd hemma. De säger mindre om kvaliteten om arbetet och oron bara har flyttats till en anhörig.
För Ingrid skulle förbättringen kunna vara en ansvarig kontakt, en begriplig läkemedelsplan och ett uppföljande besök som faktiskt blir av. Informationen ska användas för tydliga ändamål och med begränsad åtkomst. Att planera framtida bemanning kräver exempelvis inte att planeraren får läsa hennes fullständiga journal.
Att förutse ett vårdbehov är början på ett arbete. Någon behöver fortfarande få tid, kompetens och ansvar att möta det.
Vi på AE tycker
AI kan ge vården bättre underlag genom att bearbeta journaltext och förutse behov. Satsningarna bör visa vad tekniken tillför jämfört med enklare arbetssätt, hur den fungerar för olika patientgrupper och om personalen kan använda resultaten.
Det avgörande är om människor får bättre stöd, om deras funktion och trygghet förbättras och om anhörigas ansvar blir rimligt. Det är sådana resultat som bör avgöra om vården har blivit bättre på att lära av dem den redan har mött.
Johan Hägerström
Chefredaktör och skribent för Artificiell Existens.
