AI inom fysioterapi: Vad är verklighet och vad är bara hype år 2026?

Läget för AI inom fysioterapin, kategori för kategori

”AI inom fysioterapi” avser tre olika tekniker i tre olika utvecklingsstadier, och att klumpa ihop dem är ett exempel på hur marknadsföringen går före verkligheten. Genom att sortera dem efter kategori får man reda på vad som faktiskt fungerar idag.

• Dokumentationsstöd ingår i den praktiska tillämpningen. Verktyg för automatisk anteckning sammanställer anteckningar från ett möte, och vårdcentraler använder dem redan dagligen.
• Rörelseanalys är ett område som fortfarande befinner sig i utvecklingsfasen och är beroende av validering. Datorseende och bärbara sensorer fungerar tekniskt sett, men det finns fortfarande få vetenskapligt granskade belägg för klinisk användning.
• System för kliniskt beslutsstöd befinner sig fortfarande på forskningsstadiet. Modeller för triagering och resultatprognoser förekommer främst i vetenskapliga tidskrifter och inom akademiska sjukvårdssystem, inte inom privatpraktik.

Ett mönster går som en röd tråd genom alla tre. Införandet styrs av styrkan i den publicerade evidensen, inte av hur övertygande en leverantör låter. När forskningen är gedigen använder vårdpersonalen verktyget. När den inte är det väntar de.

Hjälp med dokumentation: anteckningar i realtid och skapande av anteckningar

Det är inom dokumentationen som AI faktiskt har slagit igenom på fysioterapikliniker, och det beror på att den underliggande uppgiften passar väl in på vad tekniken är bra på. Verktyg för automatisk transkription lyssnar på ett besök via en telefon eller klinikens mikrofon, transkriberar samtalet och genererar ett utkast till journalanteckning uppdelat i avsnitt för subjektiva och objektiva uppgifter, bedömning samt handlingsplan. Terapeuten granskar sedan utkastet, korrigerar det och undertecknar det. Maskinen skapar utkastet, men det är fortfarande människan som bär ansvaret för vad som skrivs in i journalen.

Intresset för dessa verktyg beror på dokumentationsbördan, som är väl dokumenterad inom hela hälso- och sjukvården. Enligt en ofta citerad studie i Annals of Internal Medicine lägger läkare nära två timmar på elektroniska journaler och kontorsarbete för varje timme av direkt patientvård. Sjukgymnaster står inför en liknande belastning, eftersom journalföringen ofta sträcker sig utanför schemalagda tider och bidrar till dokumenterad utbrändhet. De tidiga införandena av ambient scribing inom hälso- och sjukvården visar på blygsamma, inte dramatiska, vinster. En storskalig studie som rapporterats av STAT fann endast en blygsam minskning av den totala tiden för elektroniska patientjournaler och ingen signifikant förändring i dokumentationen efter arbetstid, där primärvården och kvinnliga kliniker gynnades mer än andra.

Användningen inom just fysioterapin ligger fortfarande före den inom primärvården, men den är påtaglig och växer. American Physical Therapy Association har börjat ta upp generativa verktyg i sina riktlinjer för klinisk praxis och betraktar dem som ett nytt dokumentationshjälpmedel som klinikerna måste övervaka snarare än att lita blint på. De flesta fysioterapiverksamheterna är idag en del av större öppenvårdsgrupper och sjukhusanknutna kliniker som redan använder företagsomfattande journalsystem, eftersom dessa miljöer har personal som ansvarar för regelefterlevnad och som kan granska en ny källa till journalanteckningar innan den påverkar faktureringen.

När det gäller noggrannhet är det just här som en ärlig beskrivning är viktigast. Ambient-skrivare skapar flytande och trovärdiga anteckningar, men flyt är inte detsamma som korrekthet. Ett genererat anteckningsutkast kan felaktigt tillskriva ett symptom, hitta på en detalj som läkaren aldrig nämnde eller släta över ett tvetydigt fynd till en falsk säkerhet. Eftersom utkastet ser felfritt ut kan en stressad läkare lättare godkänna ett fel än att upptäcka ett tomt fält. Granskningssteget är inte en formalitet, och kliniker som behandlar det som en sådan tar på sig risken.

Ansvaret följer underskriften, inte programvaran. När en anteckning som utarbetats av AI innehåller ett fel som påverkar vården eller en granskning är det den kliniker som undertecknat den som bär ansvaret för dokumentet, och gällande regelverk för vårdslarv och licensiering ger inget skydd för att delegera formuleringen till en modell. Leverantörerna friskriver sig från kliniskt ansvar i sina villkor, vilket innebär att frågan om ansvarsskyldighet har ett tydligt svar som talar för försiktighet.

Risker kopplade till betalare och efterlevnad utgör en tredje begränsning. Dokumentationen för fysioterapi måste styrka den medicinska nödvändigheten, motivera vårdplanen och stämma överens med de koder som faktureras, och de anteckningar som genereras kan tendera att bli för allmänna och därmed inte klara en granskning från betalaren, även om den kliniska vården var väl genomförd. En anteckning som låter bra men saknar de specifika funktionsnedsättningarna och mätbara målen som en betalare förväntar sig kan leda till avslag eller återkrav. Kliniker som framgångsrikt inför automatisk dokumentation behandlar den som ett första utkast som en kliniker bearbetar till regelkonform dokumentation, inte som en färdig journal som de godkänner i stora volymer.

Rörelseanalys: datorseende och bärbara sensorer för gång och rörelse

Rörelseanalys är det område där tekniken verkligen fungerar, men där de kliniska påståendena ligger långt före den faktiska evidensen. Två helt olika typer av verktyg slås ihop under samma marknadsföringsbegrepp, och att skilja dem åt är det första steget för att kunna tolka leverantörernas påståenden på ett objektivt sätt. Rörelseinspelning av laboratoriekvalitet, den typ som använder markörmatriser och kraftplattor, har årtionden av biomekanisk forskning bakom sig och ger mätningar som kliniker kan lita på. Verktyg för video- och hållningsuppskattning av konsumentkvalitet, de som en klinik kan köra från en surfplatta eller en telefon, använder datorseende för att utläsa ledpositioner från vanliga filmklipp, och deras noggrannhet varierar kraftigt beroende på belysning, kameravinkel, klädsel och den rörelse som spåras.

Den vetenskapligt granskade evidensbasen för verktygen för mobiltelefoner och surfplattor är tunn och oftast begränsad. I valideringsstudier ingår vanligtvis några dussin deltagare, och man redovisar överensstämmelse med markörbaserad rörelsedetektering vid specifika uppgifter – såsom en knäböj eller att stå på ett ben – under kontrollerade förhållanden. Dessa studier tenderar att visa godtagbar överensstämmelse för stora, planära rörelser och betydligt svagare överensstämmelse för rotationsrörelser, fina ledvinklar eller allt som mäts utanför axeln. Ett verktyg som uppskattar knäböjningen med några få graders noggrannhet under en filmad knäböjning fyller verkligen sin funktion. Samma verktyg som påstår sig kunna kvantifiera subtila asymmetrier i gångmönstret i en rörig klinikkorridor gör ett påstående som den publicerade forskningen inte stöder.

Var klinikerna faktiskt använder dessa verktyg idag säger mer än broschyrerna. Idrottsprestationer och idrottsundersökningar ligger i framkant när det gäller införandet, eftersom rörelserna är repeterbara, idrottarna är samarbetsvilliga och risken med felaktiga mätningar är lägre än inom medicinsk rehabilitering. Vissa ortopediska och neurologiska rehabiliteringsprogram genomför pilotprojekt, ofta inom universitetskliniker eller sjukhusorganisationer som kan jämföra resultaten med sina egna instrumenterade laboratorier. Den vanliga privata vården har knappt berörts alls. De flesta kliniker som bedömer gång eller rörelsekvalitet förlitar sig fortfarande på tränad observation och validerade funktionstester, inte för att de avvisar tekniken, utan för att inget videoverktyg hittills har visat att det förbättrar ett resultat som klinikern inte redan kunde bedöma själv.

Bärbara tröghetssensorer ligger ett steg längre fram än ren videobaserad analys. Accelerometrar och gyroskop som fästs på en lem eller bärs som innersula mäter kadens, stegtid och stegsymmetri med större tillförlitlighet än hållningsuppskattning, eftersom de registrerar rörelsen direkt istället för att härleda den från pixlar. Gångforskning med hjälp av bärbara enheter har gett mer konsekventa publicerade resultat, särskilt när det gäller stegräkning och tidsmässiga parametrar. Det finns fortfarande en klyfta mellan att mäta en parameter på ett tillförlitligt sätt och att visa att åtgärder baserade på denna mätning förändrar patientens återhämtning, och det är just den andra studien som de flesta leverantörer inte har genomfört.

Den ärliga bedömningen för 2026 är att rörelseanalys ger dig ett snabbt och repeterbart sätt att registrera vissa mätvärden, men inte ett validerat substitut för klinisk bedömning. Betrakta alla noggrannhetsuppgifter som beroende av just den uppgift och den uppställning som de testades under, och fråga dig om valideringen jämförde verktyget med rörelsemätning av guldstandard eller mot ingenting alls. Ett verktyg som påskyndar arbetsflödet vid utformning av träningsprogram är en helt annan sak än ett verktyg som påstår sig kunna mäta rörelser med diagnostisk noggrannhet. Physitrack programbyggare använder till exempel smart sökning för att hjälpa en kliniker att snabbt hitta övningar, vilket är en sök- och arbetsflödesfunktion snarare än rörelseanalys, och det är värt att skilja detta från de påståenden om posuppskattning som denna kategori egentligen handlar om.

Stöd för kliniska beslut: triagering, prognos av utfall och sökning efter evidens

Kliniskt beslutsstöd är den minst utvecklade av de tre kategorierna, och det är lätt att överdriva dess betydelse. Det mesta av det som finns finns i forskningstidskrifter och pilotprojekt inom hälso- och sjukvården, inte i den programvara som en privat klinik köper in. Leverantörer använder ibland begrepp från beslutsstöd för att beskriva funktioner som egentligen bara är sök- eller filtreringsfunktioner, så klyftan mellan vad som publiceras och vad som faktiskt tas i bruk är större här än någon annanstans.

De publicerade arbetena kan grovt indelas i tre grupper. Algoritmer för diagnosstöd försöker identifiera troliga tillstånd eller styra patienter mot rätt vårdkedja utifrån inskrivningsdata. Modeller för resultatprognoser uppskattar hur en patient kommer att svara på en viss behandlingsform, ofta med hjälp av stora datamängder från tidigare fall för att förutsäga återhämtningstid eller sannolikheten för ett gott resultat. Verktyg för informationssökning och litteratursammanfattning hjälper läkare att snabbare hitta relevant forskning om ett tillstånd eller en behandling än vad en manuell databassökning skulle göra. Var och en av dessa har gett upphov till vetenskapligt granskade resultat, och alla är fortfarande i stort sett begränsade till akademiska medicinska centrum och integrerade hälsosystem som har den datainfrastruktur och den forskningspersonal som krävs för att driva dem.

Vanliga kommersiella PT-programvaror innehåller sällan något av detta. En modell som tränats på patientpopulationen inom ett visst hälsosystem kan inte automatiskt överföras till en annan klinik med annan demografi och andra dokumentationsvanor. Särskilt modeller för resultatprognoser tenderar att ge sämre resultat när de tillämpas utanför den datamängd som de byggdes på, och att validera dem för nya populationer kräver tid och pengar som de flesta leverantörer inte har investerat. Resultatet blir att det beslutsstöd som du kan hänvisa till i en vetenskaplig tidskrift inte är samma beslutsstöd som du kan köpa och ta i bruk redan nästa vecka.

Verktyg för beslutsstöd ställs också inför högre krav än dokumentationsverktyg, och anledningen är enkel. En automatiserad dokumenterare utarbetar ett utkast som en kliniker läser igenom, korrigerar och undertecknar, så att människan behåller kontrollen över den slutgiltiga journalanteckningen. En triagealgoritm eller en utfallsmodell påverkar det kliniska omdömet direkt och kan styra en kliniker mot ett beslut redan innan anteckningen ens har skrivits. När ett verktyg påverkar vad du beslutar snarare än hur du dokumenterar ditt beslut, ökar kraven på validering kraftigt.

Det är just detta direkta inflytande på bedömningen som också komplicerar ansvarsfrågan. Om ett triageförslag leder till att en patient avstår från en bilddiagnostisk undersökning som visade sig vara nödvändig, blir frågan om vem som bär ansvaret för missbedömningen akut – på ett sätt som aldrig är fallet vid ett felstavat anteckningsfel. Tillsynsmyndigheter och yrkesorganisationer har ännu inte fastställt i vilken utsträckning en kliniker kan förlita sig på en algoritmisk rekommendation innan ansvarsskyldigheten övergår, och den osäkerheten gör att försiktiga kliniker håller sig på avstånd. Evidensen för dessa verktyg kanske så småningom kommer ikapp, men för närvarande är den ärliga bedömningen att kliniskt beslutsstöd inom fysioterapi är ett forskningsområde, inte en produktkategori.

Varför införandet fortfarande släpar efter marknadsföringen

Tre hinder förklarar varför klinikerna inför ny teknik så mycket långsammare än vad leverantörerna lovar, och dessa gäller för alla tre kategorierna. Den första är ansvarsskyldigheten, och den förblir olöst. När en automatisk anteckningsfunktion skriver en anteckning som felaktigt återger ett fynd, eller ett triageverktyg föreslår en felaktig klassificering, är det fortfarande den kliniker som godkänt anteckningen som bär ansvaret, inte programvaran som genererade resultatet. Denna ansvarsstruktur ger klinikerna alla skäl att ta det lugnt och granska anteckningarna, vilket raderar en stor del av den effektivitet som verktygen utlovar. Ingen tillsynsmyndighet har dragit en tydlig gräns för var leverantörens ansvar slutar och det kliniska ansvaret börjar.

Bristfällig validering förvärrar ansvarsproblemet utanför dokumentationen. ”Ambient scribing” stöder sig på bevis från en omfattande mängd allmän hälso- och sjukvårdsforskning om vårdpersonalens arbetstid och utbrändhet, och står därför på fastare grund. Det gör däremot inte rörelseanalys och beslutsstöd. De flesta påståenden om rörelseanalys bygger på små jämförelsestudier mot rörelsemätning som guldstandard, och de flesta modeller för beslutsstöd finns i vetenskapliga tidskrifter snarare än i praktisk tillämpning. En klinikchef som ombeds att motivera ett inköp inför en betalare eller ett ansvarsförsäkringsbolag har knappt någon vetenskapligt granskad grund att stå på när det gäller dessa två kategorier.

Skepticismen bland kliniker inom fysioterapin är dokumenterad och rimlig – det handlar inte om ett reflexmässigt motstånd. I diskussioner på APTA:s forum och inom fysioterapins yrkesgemenskaper återkommer samma invändningar gång på gång, bland annat anteckningar som verkar trovärdiga men innehåller påhittade detaljer, verktyg som förutsätter idealiska registreringsförhållanden som klinikerna sällan har, och leverantörer som presenterar pilotresultat som definitiva bevis. Kliniker som har sett en antecknare hitta på ett symptom eller en hållningsbedömare felavläsa ledvinklarna hos en överviktig patient behöver ingen varningsetikett. De har redan vägt in risken i sitt förtroende.

Dessa tre krafter tillsammans skapar ett strukturellt mönster, inte en tillfällig fördröjning som en bättre produktcykel kommer att överbrygga. Införandet följer bevisens kvalitet, och bevishierarkin inom dessa kategorier är stabil. Dokumentation har det starkaste stödet och den bredaste användningen, rörelseanalys förekommer i pilotprojekt inom idrott och specialiserad rehabilitering där en kontrollerad miljö kompenserar för bristfällig validering, och beslutsstöd förblir begränsat till akademiska medicinska centra med forskningspersonal som övervakar det. Ett pilotprojekt lyckas just därför att ett motiverat team kontrollerar förutsättningarna. I den dagliga verksamheten försvinner den kontrollen, vilket gör att de resultat som uppnåddes i pilotprojektet försämras och verktyget fastnar innan det når den allmänna patientmängden.

Klyftan mellan teori och praktik överbryggas därför endast när evidensbasen fördjupas och ansvarsfrågan klargörs, kategori för kategori. Leverantörernas förtroende utvecklas snabbare än båda dessa faktorer. Det är denna skillnad i takt – och inte någon enskild saknad funktion – som gör att marknadsföringen hela tiden ligger steget före den kliniska tillämpningen.

Vad fysioterapeuter faktiskt bör hålla ett öga på år 2026

När en leverantör märker en rehabiliteringsprodukt med ”AI”, fråga var bevisen kommer ifrån innan du frågar vad funktionen gör. En demonstration och en fallstudie är inte detsamma som validering. Begär att få ta del av den vetenskapligt granskade studien som ligger till grund för alla påståenden om noggrannhet eller resultat, och kontrollera om författarna är oberoende av det företag som säljer verktyget. Vitböcker som tagits fram av leverantören och interna jämförelser visar bara att produkten fungerar bra under de förhållanden som leverantören själv har valt.

Fråga hur verktyget stämmer överens med en etablerad referens. När det gäller rörelseanalys innebär det överensstämmelse med den så kallade ”guldstandarden” för rörelsedata i en publicerad studie, inte en jämförelse med ingenting. När det gäller dokumentation innebär det uppmätta felfrekvenser i de genererade anteckningarna, inte en påstådd tidsbesparing.

Fastställ kraven på mänsklig inblandning. Ta reda på exakt vilket steg som kräver din granskning och ditt godkännande, och klargör vem som bär ansvaret om verktyget ger felaktiga resultat. En anteckning som du undertecknar är din anteckning, oavsett vilken programvara som har skapat den. Ett förslag till triagering som du agerar på är ditt kliniska beslut.

Alla tre kategorierna har ett verkligt användningsvärde, och ”ambient scribing” har etablerat sig i de dagliga arbetsflödena. De andra två ligger längre bak på beviskurvan än vad marknadsföringen ger intryck av. Betrakta varje ”AI”-etikett som ett påstående som bör kontrolleras mot publicerade arbeten, så kommer du att kunna skilja de verktyg som verkligen hjälper dig från dem som bara är bra på att marknadsföra sig.