AI tränar läkarstudenter på patientfall – KTH-ingenjörer prisas för examensarbete

Bästa examensarbete för Civilingenjörer till Christopher Polhems minne

Det systematiska arbetet och den tydliga nyttan för både utbildningssektorn och hälso- och sjukvården gör att William Ivegren och Jonathan Schiött tilldelas den prestigefyllda utmärkelsen. Det vinnande bidraget utsågs i hård nationell konkurrens, efter att lärosätena gjort sina urval bland de omkring 4 580 examensarbeten som genomförts inom civilingenjörsutbildningarna under 2025. 
 
– Det känns verkligen så, så kul och en stor ära! Det var nästan så att man släppt detta lite och gått vidare i livet, men när jag fick samtalet öppnades allt upp igen. Jag mindes allt slit, alla timmar som Jonathan och jag spenderade tillsammans och alla fantastiska människor vi träffade och arbetade med längs vägen. Utan dem hade vi aldrig kunnat genomföra det här arbetet, och därför känns det otroligt att få ta emot priset, säger William Ivegren. 

Arbetet förmedlar ett hoppfullt men nyanserat budskap: AI kan förstärka, men inte ersätta, mänsklig expertis. Det visar hur avancerad teknik kan överbrygga klyftan mellan simulering och verklig klinisk praxis – en insikt som kan tillämpas på alla utbildningar där förmågan att göra bedömningar i komplexa situationer är central. 

Skalbar feedback i virtuella patientmöten

Systemet testades direkt på 136 läkarstudenter under en klinisk kurs i reumatologi vid Karolinska Institutet. Ett problem inom läkarutbildningen är tillgången till erfarna läkares tid som kan lära upp nya läkarstudenter så att de blir bra på att ställa diagnoser och ge förslag på behandlingar i detta fall inom reumatologi. Genom att använda AI och en maskin/social robot som en komplettering till de erfarna läkarna kan en del av utbildningen ske med hjälp av virtuella patientmöten och dialog mellan läkarstudenterna och de tränade AI-modellerna. 

Detta frigör tid från de erfarna läkarna och gör att läkarstudenterna får fler möjligheter att träna på att göra diagnoser och då med återkoppling från AI. 

Nyttan med examensarbetet var att den AI-lösning som William och Jonathan tog fram gav mer tid för träning men också att AI-roboten bidrog till en hög precision vid bedömningen av patienterna. Detta ledde till att läkarstudenterna fick fler träningstillfällen och AI-roboten upplevdes som ett trovärdigt komplement till erfarna läkare inom området. 

• Hög precision: Språkmodellerna nådde en bedömningsnoggrannhet i klass med erfarna reumatologer. 
• Bättre resultat: Den AI-genererade återkopplingen förbättrade studenternas prestationer både i de virtuella patientdialogerna och på det avslutande provet. 
• Starkt mottagande: Studenterna skattade återkopplingen som trovärdig, användbar och bidragande till ett fördjupat lärande. 

Forskningsresultat som lever vidare i undervisningen

Arbetet stannade inte på papperet. Systemet har fortsatt att användas aktivt i undervisningen på Karolinska Institutet även efter att studien slutfördes. KI har bedömt att arbetet ligger i den tekniska fronten och satsar därför forskningsresurser för att realisera Jonathans och Williams arbete i praktiken. Examenspriskommittén gjorde bedömningen att resultaten också kan spela stor roll för träning av studenter inom andra områden såsom ingenjörsutbildningen, där tillgången till lärartid också är begränsat. 

– Examenspriset är ett kvitto på att arbetet vi gjorde faktiskt spelar roll och att andra ser samma potential i tekniken som vi gör. Vi valde det här projektet för att vi ville göra skillnad. Att systemet vi utvecklade fortfarande används i undervisningen, och nu det här priset, visar att vi lyckades med det, säger Jonathan Schiött 

För framtidens hälso- och sjukvård innebär detta goda nyheter: 

• Bättre förberedda läkare: Medicinstudenter får obegränsade möjligheter att träna på komplexa patientfall och få direkt, högkvalitativ återkoppling innan de möter sina första riktiga patienter.  
• Avlastning för sjukvården: Genom automatiserad och skalbar feedback sparas värdefull handledartid för erfarna läkare och forskare. 
• Säkrare diagnostik: När träningen blir mer tillgänglig och träffsäker stärks studenternas kliniska resonemang, vilket i förlängningen leder till att tekniken kan bidra till bättre förberedda studenter eller på sikt kan få betydelse för patientsäkerheten.