Bakgrund
Kolorektalcancer (KRC) är en av de cancerdiagnoser som oftast missas eller fördröjs i primärvården. AI-baserade riskbedömningsverktyg kan stödja tidigare upptäckt, men de flesta har endast validerats retrospektivt, med kodad data och utanför verkliga kliniska miljöer. Det finns begränsad evidens för hur sådana verktyg påverkar allmänläkares diagnostiska resonemang och kliniska beslutsfattande. Därför krävs genomförbarhetsstudier innan storskaliga prövningar för att bedöma användbarhet, acceptans och metodologiska överväganden.

Syfte med studien
Att utvärdera om, och på vilka sätt, tillgång till AI-genererade KRC-riskprediktioner påverkar allmänläkares diagnostiska resonemang, beslutsfattande och planerad handläggning i en simulerad primärvårdsjournalmiljö.

Metod
Denna multimetodologiska explorativa genomförbarhetsstudie utvärderar två AI-modeller tränade på primärvårdsdata från elektroniska patientjournaler som inkluderar både strukturerade variabler och fritextinformation. Modellerna uppskattar KRC-risk baserat på året före diagnos, där en modell exkluderar data från de sista tre månaderna för att undersöka en tidigare prediktion av underliggande ännu odiagnosticerad KRC. Tio allmänläkare från tre universitetsanknutna vårdcentraler i Stockholm kommer att granska 40–60 avidentifierade patientjournaler i primärvården från patienter som senare diagnostiserats med KRC via ett simulerat patientjournalgränssnitt. Randomisering på patient–läkarnivå avgör om AI-genererade riskprediktioner visas. Kvantitativa utfall inkluderar diagnostisk misstanke, styrka i misstanken, planerad handläggning och ICD-10-kodning. Analyser jämför bedömningar med och utan AI-stöd med hjälp av regressionsmodeller och relativa risker för marginaleffekter, med hänsyn till klustring inom läkare och patienter. Semistrukturerade intervjuer kommer att undersöka användbarhet, upplevd påverkan och kontextuella faktorer som påverkar AI-integrering. Kvalitativa data analyseras med konventionell innehållsanalys.

Resultat
Då studien ännu pågår finns inga resultat ännu, men beräknas klara våren 2026. Förväntade utfall inkluderar insikter om genomförbarhet, användbarhet och metodologiska utmaningar vid utvärdering av AI-baserat beslutsstöd i primärvården. Studien kommer också att undersöka variation i diagnostiskt resonemang mellan specialistläkare och ST-läkare (Läkare under specialistutbildning till allmänläkare)

Implikationer för praktik/policy
Resultaten kommer att påverka utformningen av en framtida klusterrandomiserad kontrollerad studie som utvärderar AI-baserat diagnostiskt stöd för KRC-detektion i primärvården. Genom att identifiera faktorer som underlättar eller hindrar implementering, och genom att ge tidig evidens om hur AI kan påverka diagnostiskt resonemang, syftar detta arbete till att vägleda säker och effektiv integrering av AI-beslutsstöd för att förbättra tidig cancerupptäckt i rutinmässig klinisk praxis.