Kan stora språkmodeller användas för att stärka patientsäkerheten? Resultat från Region Västmanland tyder på att svaret på den frågan är ja.
– Vården har samlat en guldgruva med information som vi nu ser att det finns möjlighet att analysera och använda för att förbättra patientsäkerheten, säger Anders Krifors, chefsläkare och överläkare på infektionskliniken på Västerås sjukhus.
I ett nationellt projekt samarbetar Region Västmanland nu med bland andra Västra Götalandsregionen och Region Skåne för att ta både teknik och nödvändig datadelning till nästa nivå.
Syftet med att registrera det som kallas för patientavvikelser (se faktaruta) är att göra vården säkrare. Genom att identifiera mönster bland de incidenter som sker blir det möjligt att vidta förebyggande åtgärder.
![]()
Om vi inte har en överblick över vad som sker, då kan vi inte heller arbeta med förbättringsförslag i de delar som vi har problem och vi kan inte heller följa om de åtgärdsförslag som vi faktiskt gör har någon effekt. Vi har väldigt väldigt mycket information som skulle kunna göra väldigt mycket nytta för patientsäkerheten. Men vi använder den inte fullt ut.
![]()
Anders Krifors
Chefsläkare och överläkare på infektionskliniken på Västerås sjukhus
Arbetet som redan är gjort i Region Västmanland handlar om fel kring medicinering. Omkring 400 personer i regionen har fått utbildning för att kunna göra den typen av registrering. Men inrapporteringen sker ändå på ett väldigt heterogent sätt och dessutom har man kunnat konstatera att upp till 30 procent av alla läkemedelsavvikelser missas.
Tillsammans med Mälardalens Universitet valde Anders Krifors och hans kollegor att ta hjälp av de farmaceuter som har den djupaste domänkunskapen på området.
– Vi lyckades bygga en AI-lösning som kan göra klassificeringen med lika hög kvalitet som de här experterna. Det tycker jag är otroligt spännande, och visar att tekniken fungerar. Förhoppningsvis kan den expanderas till fler områden, säger Anders Krifors.
Det är det klivet som deltagarna i projektet Regional samverkan kring utveckling av AI-verktyg i vården nu tillsammans vill ta. Magnus Kjellberg är en av Västra Götalandsregionens representanter i arbetet. Han leder Kompetenscentrum AI på Sahlgrenska universitetssjukhuset och är också regional AI-samordnare på regionens centrala AI-kontor.
– Vårdavvikelser är ett väldigt viktigt tillämpningsfall. Men det skrapar också bara på ytan av alla möjliga tillämpningsfall vi har i vården för liknande lösningar. Vi har oändligt mycket text i hela vår organisation, och många fall där vi skulle kunna använda den här språkförmågan inte bara för att avvikelser, men också för andra typer av indikatorer, statistik och annat, säger Magnus Kjellberg och fortsätter:
![]()
Det talar också för att vi behöver bli mer försiktiga med att skapa för mycket struktur för tidigt. Det kan visa sig att vi är helt fel ute. Bättre att samla in fritext, och sen låta AI göra de klassificeringar vi behöver.
![]()
Magnus Kjellberg
Chef för Center of Excellence for AI vid Sahlgrenska Universitetssjukhuset
AI-modellerna som ska stå för klassificeringen är givetvis en viktig del i projektet. Men att göra data tillgänglig mellan regionerna är också en central aspekt. Avvikelserna är inte nödvändigtvis jämnt spridda över landets regioner, och kan data delas nationellt ökar det potentiella värdet.
Till skillnad från många andra vårdrelaterade AI-initiativ har det här projektet en fördel: Avvikelser som är avslutade är allmän handling, och skiljer sig på så vis från journaldata. Dessutom är det i den typ av analys som projektet ska göra inte relevant vem den inblandade patienten är.
Lorna Bartram, projektledare på AI Sweden, ser det som en stor fördel:
![]()
Eftersom avvikelserapporterna inte omgärdas av samma integritetsskyddande reglering blir den här tillämpningen ett bra sätt att förstå hur tekniken kan användas i praktiken. Genom att använda data som är enklare att jobba med kan vi bygga konkreta lösningar, där lärdomar och resultat från arbetet sedan kan flyttas in i andra tillämpningar i vården – men också i andra samhällsektorer som hanterar avvikelserapporter.
![]()
Lorna Bartram
AI Transformation Strategist, Healthcare på AI Sweden
Detta projekt medfinansieras av Europeiska regionala utvecklingsfonden genom Tillväxtverket.
Läs den vetenskapliga artikeln om Region Västmanlands LLM-projekt kring läkemedelsavvikelser.
Mer om projektet i AI Sweden Podcast
Anders Krifors och Magnus Kjellberg gästade AI Sweden Podcast, där de berättade mer om projektet.
En patientavvikelse är en oönskad händelse eller omständighet som har inträffat, eller hade kunnat inträffa, i samband med hälso- och sjukvård och som har lett till, eller hade kunnat leda till, att en patient skadas.
Avvikelsehantering handlar om det systematiska arbetet med att upptäcka, dokumentera och rapportera dessa händelser och risker.
Alla anställda inom vården är skyldiga att rapportera både de faktiska skadorna och de situationer där en skada nästan inträffade. Syftet är att lära sig av misstagen för att förhindra att liknande situationer händer igen.
Projektkickoff
Projektdeltagarna träffades i Göteborg i december 2025 för att kicka igång projektet Regional samverkan kring utveckling av AI-verktyg i vården.
Kristin Heinonen och Lorna Bartram, som projektleder från AI Sweden, under projektstarten i Göteborg.
Magnus Kjellberg är en av Västra Götalandsregionens representanter i arbetet.
Marlene Erming, chefssjuksköterska, Lasarettet Trelleborg.
Astrid Sjögren från AI Sweden deltog i kick-offen för att dela med sig av erfarenheter från andra projekt.
Relaterade artiklar