AI-feber i vården
AI är inte en teknik i mängden. Medicinsk Vetenskap har pratat med forskarna som beskriver förhoppningar och farhågor i den rådande AI-febern.
Text: Annika Lund, först publicerad i Medicinsk Vetenskap, nr 2 2026.
Välfärden står inför väl beskrivna problem: andelen i arbetsför ålder krymper när fler lever längre. I sjukvården kryddas utmaningen av efterfrågan på nya, dyra läkemedel och en redan ansträngd bemanningssituation. Den ekvationen kräver smarta lösningar. Förhoppningarna på artificiell intelligens, AI, är stora.
Statligt finansierade AI Sweden, som främjar införande av AI i Sverige, har försökt kartlägga vårdsektorns nyttjande. Deras Vårdkartan uppdateras löpande enligt en självrapporterande princip. Våren 2026 listas cirka 200 AI-projekt som pågående inom svensk vård.
Sammanställningen visar att AI i vården till stor del handlar om administrativa stöd, som avlastning vid schemaläggning eller journalföring. I patientnära verksamhet dominerar bildintensiva fält, som radiologi och patologi, där mammografi är ett paradexempel.
Påtagliga hinder för implementering
En majoritet av vårdens AI-stöd ingår än så länge endast i studier eller pilotprojekt. I en ögonblicksbild från våren 2025 var endast 13 procent implementerade i vårdrutinerna. Enligt AI Sweden tyder det på att Sverige ligger i startblocken inför en stor förändring. Samtidigt återspeglas att det finns hinder som försvårar övergången från pilotprojekt till breddinförande.
Hindren är påtagliga, förklarar Magnus Boman, professor i artificiell intelligens och hälsa vid institutionen för medicin, Solna, vid Karolinska Institutet.
– Det finns en stor omognad inför AI, på många plan. Det saknas samhällelig infrastruktur, vilket innebär problem och risker, säger han.
Den infrastruktur han efterlyser handlar bland annat om juridik och beräkningskapacitet. Den senare är under uppbyggnad i Linköping. En teknisk knutpunkt, kallad NAISS, fungerar som paraply för nationella beräkningsresurser och ska förstärkas med en ny superdator, döpt till Arrhenius. Vidare ska en nyinrättad så kallad AI-fabrik, Mimer, fungera som testmiljö för innovationer.
– Det är fantastiska datorer. Som forskare kan man ansöka om beräkningsprojekt och lagringsutrymme under en tidsbegränsad period, kanske ett halvår till ett år. Under den tiden kan man ha sin data uppladdad och köra sitt projekt, säger Magnus Boman.
Snabb utvecklig inom forskningen
Inom ingenjörskonsten rusar utvecklingen framåt. På Chalmers i Göteborg finns sedan flera år en AI som kan forska självständigt, kallad Eve. Det är en robot som kan formulera hypoteser, planera sin forskning, utföra experiment, analysera resultat och föreslå nästa steg. Eve har lärt sig forskningsprocessen och tagit fram egna resultat, bland annat om malaria.
– Den fungerar som annan AI – den gissar modigt. I början av en AI:s inlärningsprocess gissar den ofta fel, men den rättar sig. Till slut blir det bra, säger Magnus Boman.
Även inom medicinsk forskning går det snabbt. AI kan till exempel skapa avancerade simuleringar, som visar hur olika substanser påverkar kroppen. Det kan i sin tur snabba upp utvecklingen av nya läkemedel.
AI kan också hantera hisnande datavolymer, som en människas hela genom eller tusentals proteiner och molekyler i blodet – speglingar av kroppens ämnesomsättning eller spår av vad vi ätit. Det här är exempel på så kallade omiker – genomik, proteomik och metabolomik. De gör det möjligt att få molekylära ögonblicksbilder av vad som pågår i kroppen och följa biologiska förlopp, från hälsa till sjukdom.
Den här typen av omik-data öppnar dörren för precisionsmedicin: en mer individanpassad form av diagnostik och behandling. Man kan beskriva det som en ny generation av sjukvård, mer exakt och mer skräddarsydd.
Det här står på tröskeln till sjukvården. I mindre patientgrupper, till exempel inom barncancerområdet och vid sällsynta sjukdomar, används det redan inom viss klinisk praxis. Där används också AI som stöd i analys och beslutsunderlag.
Men i den breda sjukvården, med större patientflöden, går det trögare. Magnus Boman beskriver ett starkt sug efter förenklingar och förbättringar – men eldsjälarna får kämpa. Det finns inga uppkörda hjulspår för innovationer inom det här fältet. En del smarta lösningar har ändå tagit sig hela vägen från idé till bred vårdrutin. Men då rör det sig inte om forskande robotar eller AI-analyser av hela omik-data.
Vid Karolinska Universitetssjukhuset i Stockholm har en AI-modell tränats på data från tidigare operationer och så kallade operationskort, som innehåller information om olika ingrepp. Resultatet är en AI som kan skatta tiden för operationer och hjälpa till med operationsplanering. Målet är att förbättra schemat, så att salar, personal och övriga resurser används bättre. En tidig utvärdering visar att AI:n är till god hjälp.
Att utveckla och införa denna hjälpreda tog några månader. Det är högt tempo i AI-världen. Algoritmen är klassad som ett administrativt verktyg. För dem gäller enklare regelverk än teknik som används direkt i patientvården.
Hungern är stark efter båda delarna, berättar Magnus Boman.
– Många kliniker ber mig ta fram AI för att kunna titta djupare i den medicinska information de har om sina patienter – de vill ha bättre beslutsunderlag, bättre sammanvägningar av till exempel blodprover, röntgen och patientens egen berättelse. Men det här är långsamma processer. Det tar många år från en lyckad pilot till en första användning i klinisk vardag, säger han.
Används för att hitta bröstcancer
En genväg är att använda en kommersiell AI-lösning, som redan är tränad och färdig, utvecklad av ett AI-företag. Inom mammografiområdet finns ett växande antal sådana produkter, godkända för att användas inom vården. På Capio S:t Görans sjukhus används en som heter Lunit Insight MMG, tillverkad av sydkoreanska företaget Lunit.
– Alla algoritmer presterar väldigt bra i de studier som tillverkarna själva har gjort. Ska man införa en sådan här produkt måste man först göra en egen utvärdering i miljön där den ska användas, säger bröstradiologen Karin Dembrower, forskare vid institutionen för medicinsk epidemiologi och biostatistik vid Karolinska Institutet.
Hon ledde en valideringsstudie där algoritmen fick visa musklerna i skarp jämförelse med mänskliga radiologer. Studien omfattade drygt 55 500 kvinnor och alla bilder granskades av två radiologer, vilket är praxis inom svensk bröstcancerscreening. Parallellt bedömdes alla bilder även av algoritmen, Lunit. Därefter, med kännedom om vilka som senare fått en bröstcancerdiagnos, jämfördes hur olika kombinationer av AI plus radiolog hade presterat.
Kombinationen AI plus en radiolog brädade två radiologer. Fler fall av bröstcancer hittades samtidigt som färre kvinnor fick falskt positiva besked – färre behövde bli oroliga i onödan och komma tillbaka för ny kontroll, trots att de var friska.
Studien publicerades 2023. Samma år infördes en ny vårdrutin: en av de två radiologer som granskar varje screeningbild ersattes med AI. Det har frigjort tid som radiologerna kan ägna åt mer avancerade undersökningar för de kvinnor som eventuellt har bröstcancer. Det har också fått köerna att krympa.
– Nu kan vi erbjuda tider inom två veckor. Tidigare hade vi längre köer och fick oftare jobba kvällar och helger, säger Karin Dembrower.
Till en början kunde radiologerna förvånas när algoritmen plötsligt flaggade ett område som misstänkt cancer. Ibland kunde de inte se något avvikande alls. Frågan blev då: ska kvinnan återkallas för en ny kontroll – eller inte?
Över tid har arbetssättet kring återkallande förändrats, berättar Karin Dembrower.
– Numera tar vi större hänsyn till vad vår AI flaggar, såvida det inte finns annan information som talar emot en misstänkt bröstcancer. Radiologerna har till exempel tillgång till äldre mammografibilder, vilket vår AI inte har, säger hon.
Algoritmen har därmed blivit mer än ett stöd som pekar ut relevanta områden i bilderna. När AI-algoritmen flaggar ett område med höga poäng för misstänkt cancer, då kan den informationen väga tungt, även om radiologerna inte själva ser något misstänkt i bilderna.
Mottagningen har numera landets bästa träffsäkerhet: lägst återkallande av friska kvinnor och högst andel screeningupptäckt bröstcancer. Bedömningarna har successivt förbättrats sedan AI:n kom på plats. Men själva AI:n har inte förändrats – den är låst och analyserar bilderna på samma sätt som då den infördes.
– Det är vi radiologer som har förändrat oss i förhållning till algoritmen, säger Karin Dembrower.
Ett stort hinder inför ett brett införande av AI-förstärkt mammografiscreening är tid, säger hon:
– Det råder extrem brist på bröstradiologer, så vi behövs i det dagliga arbetet. Det är svårt att hinna med ett stort utvecklingsarbete, som införande av AI.
Kan hjälpa stressad vårdpersonal
Svensk vårdpersonal är omvittnat stressad. Vill man sätta siffror på det kan man luta sig mot en undersökning redovisad i mars 2026, gjord av Myndigheten för vård- och omsorganalys. Där uppger två av tre läkare i primärvården att deras arbete är mycket stressigt, och ungefär en av tre visar tecken på utmattning. Endast 11 procent är nöjda med tiden som läggs på administrativt arbete.
Ett AI-verktyg som snabbt har vunnit mark i svensk vård är ett journalanteckningsstöd. Vid tiotusentals läkarbesök runt om i landet närvarar en AI som en tyst tredje part, som spelar in och transkriberar det som sägs. När patienten lämnat rummet summeras samtalet till en journalanteckning, färdig att signeras av läkaren – ibland med diagnoskoder och allt. Inspelningen raderas.
Det marknadsledande bolaget, Tandem Health, har sålt sin lösning till bland annat hela primärvården i Gävleborg. Men bolaget har konkurrenter, vars lösningar också används i svensk sjukvård. Den som scrollar runt bland dem möts av olika besked. En del skriver öppet att deras AI inte är en medicinteknisk produkt.
Läkemedelsverket, som är tillsynsmyndighet inom AI-området, har inlett en tillsynsrunda hos tillverkare och distributörer av sådana här AI-assistenter. Fokus ligger på klassificeringen: om de ska betraktas som medicintekniska produkter måste de uppfylla krav enligt gällande regelverk. Frågan är i praktiken om leverantörerna vet och anger vad de faktiskt säljer.
Viktigt med säkerhetsövervakning
Farhad Abtahi, senior forskningsinfrastrukturspecialist vid institutionen för klinisk vetenskap, intervention och teknik vid Karolinska Institutet, har intresserat sig för AI-styrning och säkerhetsövervakning. Han vänder på steken – vet sjukvården vad de köper?
– Det finns kunskapsbrister om vad AI är. Ibland möter jag uppfattningen att det här är en ny teknik i mängden, ett naturligt nästa steg, ungefär som en ny maskin. Men AI är något annat. Det är mer dynamiskt än en ny maskin, säger Farhad Abtahi.
Han betonar behovet av löpande säkerhetsövervakning av AI-system i drift. Det perspektivet lyfts även av Läkemedelsverket. Myndigheten menar att vårdgivare som använder AI behöver teknisk kompetens som arbetar vårdnära. I en vägledning till vården görs en liknelse med sjukhusfysiker, som arbetar vårdnära vid till exempel strålbehandlingar. AI beskrivs som en ny typ av risk, som kräver särskild kompetens för att kunna hanteras säkert.
På Capio S:t Görans sjukhus är det Karin Dembrower och hennes kollegor som kontinuerligt följer upp AI-systemet. På veckobasis kontrolleras träffsäkerheten på olika sätt, bland annat genom andelen återkallade patienter som faktiskt har cancer. Det görs också regelbundna avstämningar mot nationella cancerregister.
Vid ett tillfälle har mottagningen uppgraderat algoritmen till en ny version. Vid ett annat har de bytt ut mammografiutrustningen. Vid båda dessa tillfällen har alla bilder dubbelgranskats av två mänskliga radiologer tills algoritmen har ansetts redo att återgå i tjänst.
– Vi sköter vår AI-algoritm med stor försiktighet, säger Karin Dembrower.
Regeringen har storslagna planer för Sverige som AI-nation: landet ska vara bland de tio främsta i världen. Samhällsnyttan beskrivs som stor. Den offentliga sektorn väntas kunna spara mångmiljardbelopp genom ökad effektivisering. Och när vårdpersonal, socialsekreterare och lärare slipper tidsödande uppgifter kan mer kraft ägnas åt människonära möten, skriver regeringen i sin AI-strategi.
Men målet är också att Sverige ska vara ett ledande innovationsland. Regelförenklingar utlovas – det ska bli lättare att dela känsliga data, råvaran som behövs för att träna en AI. Och det ska bli lättare att starta och driva företag som utvecklar AI. Underförstått: det vore trevligare om Sverige sålde en smart algoritm till Sydkorea än tvärtom.
– Vi har en bit kvar, säger Magnus Boman.
Nytt AI-centrum invigt
I slutet av april invigdes Centrum för AI-innovation vid Karolinska Institutet. Det ska fungera som ett nav för samarbeten på lokal, regional, nationell och internationell nivå. Syftet är att främja forskning, innovation, tillämpning och utbildning inom AI och hälsodata.
Läs mer på: ki.se/centrum-for-ai-innovation
Olika slags artificiell intelligens
Det finns flera olika typer av AI-teknik. Här är några exempel.
- Maskininlärning: lärande från data.
- Neurala nätverk: lagerbaserade modeller inspirerade av hjärnan.
- Stora språkmodeller: textbaserade AI-system.
- Datorseende: bildanalys.
- Datautvinning: mönsterigenkänning i data.
- Taligenkänning: omvandling av tal till text.
- Robotik.
Detta är exempel på olika AI-områden som används för att lösa specifika problem. Teknikerna kan kombineras. Neurala nätverk ligger till exempel ofta till grund för stora språkmodeller, och används även inom maskininlärning och datorseende. Olika tekniker kan omfattas av olika regelverk.
Källor: E-hälsomyndigheten med flera.