Tillämpning av artificiell intelligens i rehabiliteringshantering vid schizofreni: en systematisk översiktskartläggning

Varför smarta verktyg spelar roll vid allvarlig psykisk sjukdom

Schizofreni kan göra det svårt för människor att tänka klart, knyta an till andra och klara vardagen, och många fortsätter att ha problem även efter sjukhusbehandling. Samtidigt är vården för psykisk hälsa överbelastad världen över, och många får lite eller inget kontinuerligt stöd. Denna artikel undersöker hur artificiell intelligens (AI) – samma familj av tekniker som ligger bakom telefonassistenter och rekommendationer på webben – testas som ett nytt stöd i den långa rehabiliteringsresan vid schizofreni: att hålla människor stabila, stödja läkemedelsanvändning och upptäcka tidiga varningssignaler innan en kris inträffar.

Från sjukhusbesök till vardagslivet

Författarna inleder med att kontrastera två mycket olika mål inom psykiatrin. Diagnos syftar till att ge ett namn åt ett tillstånd, såsom schizofreni, så att kliniker kan kommunicera och planera behandling. Rehabilitering, däremot, handlar om att hjälpa människor att leva, arbeta och delta i sina samhällen över år eller decennier. Det omfattar att följa symtom över tid, justera medicinering, förebygga återfall samt bygga färdigheter och sociala kontakter. Trots tydliga riktlinjer är detta slags långsiktiga stöd ojämnt världen över: många träffar aldrig en specialist och uppföljning är ofta oregelbunden. Detta gap har öppnat dörren för digitala verktyg – smarttelefoner, bärbar teknik, onlineplattformar – som kan samla information kontinuerligt och erbjuda hjälp på distans.

Vad denna översikt granskade

För att förstå hur AI används i rehabilitering granskade forskarna 83 studier publicerade mellan 2012 och slutet av 2025. Alla studier involverade personer med kliniskt bekräftad schizofreni eller närliggande psykotiska störningar och fokuserade på uppgifter knutna till fortlöpande vård, inte enbart diagnos. Teamet grupperade varje projekt i rehabiliteringsdomäner såsom symtomövervakning, läkemedelshantering, riskhantering, funktionsutbildning och psykosocialt stöd. De noterade också vilka typer av data som användes (till exempel tal, elektroniska journaler eller telefonens sensorer), vilka AI-tekniker som tillämpades, hur väl systemen presterade och om de testats i verkliga miljöer.

Hur AI används i dag

Det mesta arbetet hittills kretsar kring att övervaka symtom över tid. Många studier analyserade tal, text eller mobildata för att uppskatta svårighetsgrad av hallucinationer, tankestörningar, motivation eller social funktion utan att förlita sig enbart på tidskrävande kliniska intervjuer. Andra använde telefonens sensorer, bärbar teknik eller internetsökmönster för att varna för ett möjligt återfall dagar eller veckor innan sjukhusvård. En andra stor grupp studier fokuserade på medicinering: att kontrollera om människor tog sina läkemedel med hjälp av mobilkameror, förutsäga vem som kan sluta ta en medicin eller svara dåligt, och identifiera biverkningar såsom hormonförändringar eller ökad diabetesrisk via rutinmässiga journaldata. En tredje klunga handlade om riskhantering, till exempel prognoser för återfall, återinläggning, våld eller allvarlig fysisk sjukdom. Endast ett fåtal projekt försökte stödja färdighetsträning eller vägleda terapeuter i realtid, trots att dessa områden är centrala för att återuppbygga vardagslivet.

Hur bra är dessa system hittills?

Papperligen ser många modeller lovande ut. För uppgifter som att placera personer i riskgrupper eller uppskatta symtompoäng var den typiska noggrannheten ganska hög, och vissa små studier rapporterade mycket god prestanda vid analys av röst- eller beteendemönster. System för återfallsvarning kunde ofta upptäcka ovanliga beteendeförändringar, men de tenderade att missa många faktiska återfall samtidigt som de gav falska larm, vilket innebär att de lämpar sig bättre som tidiga ”knuffar” än som fristående beslutsfattare. Viktigt är att endast ett fåtal studier testade sina system på helt nya patientgrupper, och väldigt få rapporterade hur väl prognoserna var kalibrerade – det vill säga om en uppgiven risk faktiskt överensstämde med vad som hände. Ännu färre projekt stängde loopen genom att omvandla prognoser till konkreta åtgärder, såsom kontakt från en kliniker eller behandlingsjusteringar, och sedan mäta om detta förbättrade patienternas liv.

Vad som behöver hända härnäst

Översikten slutar i att AI har tydlig potential att stärka rehabiliteringen vid schizofreni genom att hålla närmare koll på symtom, stödja läkemedelsanvändning och identifiera personer med högre risk för återfall eller medicinska problem. De flesta verktyg befinner sig dock fortfarande i ”tidigt prototypsteg”, anpassade till data från höginkomstländer och testade främst på kortsiktiga eller indirekta utfall. För att verkligen hjälpa patienter behöver framtida system noggrann extern testning, tydliga sätt att uttrycka osäkerhet, skydd för integritet och rättvisa, samt utformningar som håller kliniker och patienter i loopen snarare än att ersätta dem. Framför allt menar författarna att framgång inte bör mätas enbart med tekniska poäng utan med om AI-stödd vård minskar kriser och hjälper människor med schizofreni att delta mer fullt i vardagslivet.

Citering: Yang, H., Chang, F., Muroi, F. et al. Application of artificial intelligence in schizophrenia rehabilitation management: a systematic scoping review. Transl Psychiatry 16, 180 (2026). https://doi.org/10.1038/s41398-026-03872-3

Nyckelord: rehabilitering vid schizofreni, digital fenotyping, läkemedelsföljsamhet, återfallsprognos, AI för psykisk hälsa