En AI-robot som tränar läkarstudenter i att möta patienter har visat lovande resultat vid Karolinska Institutet. Studenter som fick återkoppling från AI presterade bättre på ett praktiskt prov. Nu prisas två KTH-studenter för tekniken, men forskningen visar också tydliga begränsningar.

William Ivegren och Jonathan Schiött får Sveriges Ingenjörers examenspris för sitt arbete med ett AI-system som ska hjälpa blivande läkare att utveckla sina kliniska färdigheter. Systemet har testats inom läkarutbildningen vid Karolinska Institutet (KI), där studenter har fått öva på att samtala med virtuella patienter.

Enligt Sveriges Ingenjörer omfattade examensarbetets undersökning 136 läkarstudenter. Den senare vetenskapligt publicerade effektstudien bygger på resultat från 115 studenter.

Det som gör resultaten intressanta är att forskarna inte bara har frågat studenterna vad de tycker om tekniken. De har också undersökt hur studenterna faktiskt presterade i ett praktiskt patientprov.

AI-roboten spelar patient

Systemet heter SARI, Social AI-enhanced Robotic Interface, och använder en social robot från Furhat Robotics tillsammans med stora språkmodeller.

Roboten har ett animerat ansikte och kan föra muntliga samtal med studenterna. Den spelar rollen som en patient med exempelvis reumatiska besvär.

Studenten ska samla in relevant information genom att ställa frågor om symtom, tidigare sjukdomar, läkemedel och andra omständigheter som kan ha betydelse för patientens tillstånd.

Efter samtalet kan AI-systemet analysera dialogen och ge skriftlig återkoppling. Studenten får veta vilka relevanta frågor som ställdes, vad som missades och vilka delar av samtalet som kan förbättras.

Tekniken är alltså främst ett hjälpmedel för att träna patientintervjuer och kliniskt resonemang, inte en robot som självständigt behandlar eller diagnostiserar patienter.

Studenter med AI-stöd fick högre resultat

I den vetenskapliga studien i JMIR Medical Education, publicerad i mars 2026, jämfördes två grupper av läkarstudenter.

Båda grupperna fick öva med virtuella patienter och undervisades av specialistläkare. Skillnaden var att den ena gruppen dessutom fick AI-genererad skriftlig återkoppling efter robotövningarna.

Därefter genomförde studenterna ett åtta minuter långt praktiskt prov med en person som spelade patient med en inflammatorisk ryggsjukdom. En reumatolog bedömde prestationen utan att veta vilken grupp studenten tillhörde.

Resultaten visade en tydlig skillnad.

Skillnaden i genomsnittsresultat var statistiskt signifikant. Andelen som klarade provet var dessutom 17,1 procentenheter högre i gruppen som hade fått AI-återkoppling.

Men när forskarna undersökte de olika delarna av provet framträdde en viktig begränsning.

Den tydligaste förbättringen gällde studenternas förmåga att samla in patientens sjukdomshistoria, det som inom vården kallas anamnes.

För delmomentet diagnostik och behandling kunde forskarna däremot inte visa någon statistiskt säkerställd förbättring.

Resultaten ger därmed stöd för att AI kan hjälpa studenter att bli bättre på att ställa relevanta frågor. De visar inte att studenterna blivit bättre på att ställa diagnoser.

AI:n bedömde nästan lika träffsäkert som läkarna

En annan del av forskningen handlar om hur väl AI-systemet kunde bedöma studenternas patientdialoger.

Forskarna jämförde sju språkmodeller med medicinska expertbedömningar av 30 inspelade samtal. Totalt ingick 701 bedömningspunkter.

Den bäst presterande modellen nådde omkring 82 procents överensstämmelse med experternas gemensamt fastställda bedömningar. Läkarnas genomsnitt låg på ungefär samma nivå.

AI-systemet kunde dessutom genomföra bedömningen på mindre än 30 sekunder, jämfört med omkring sex minuter för mänsklig rättning.

Det är en möjlig fördel i en utbildning där många studenter behöver individuell återkoppling.

Men jämförelsen gäller bedömningen av utbildningsdialoger utifrån förutbestämda kriterier. Den innebär inte att AI-systemet är lika skickligt som en erfaren reumatolog på att undersöka patienter, ställa diagnoser eller fatta behandlingsbeslut.

Resultaten behöver bekräftas

Även studien av studenternas provresultat har begränsningar.

Grupperna fördelades inte genom ett helt slumpmässigt urval, vilket innebär att andra skillnader mellan studenterna kan ha påverkat resultatet.

Undersökningen genomfördes dessutom inom en enda medicinsk specialitet vid ett lärosäte. Effekten mättes efter utbildningsmomentet, och det är fortfarande oklart om förbättringarna består över tid.

Det saknas också belägg för att användningen av AI-återkoppling leder till färre feldiagnoser eller bättre vårdresultat hos verkliga patienter.

En annan viktig detalj är att båda studentgrupperna använde roboten. Studien visar därför framför allt den extra nyttan av AI-genererad återkoppling, inte att en fysisk robot i sig ger bättre utbildning än andra undervisningsmetoder.

Samtidigt visar försöket ett konkret användningsområde för AI inom svensk högre utbildning.

Studenter kan träna patientmöten upprepade gånger och få snabb individuell återkoppling, medan lärare och specialistläkare fortfarande ansvarar för undervisning, medicinska bedömningar och handledning.

Det är också så tekniken har använts vid KI, som redan har infört systemet i undervisningen på läkarprogrammets sjätte termin.

Får examenspris i november

Examensarbetet genomfördes vid Kungliga Tekniska högskolan i samarbete med Karolinska Institutet under 2025.

Den vetenskapliga effektstudien publicerades i mars 2026. Nyheten den 22 oktober gäller att utvecklarna nu belönas för arbetet.

William Ivegren och Jonathan Schiött får Sveriges Ingenjörers examenspris till Christopher Polhems minne, med en sammanlagd prissumma på 50 000 kronor. Priset delas ut den 10 november.

Forskningen visar att AI-genererad återkoppling kan förbättra vissa färdigheter redan under läkarutbildningen. Om tekniken också kan bidra till säkrare diagnoser och bättre patientvård återstår att undersöka.