Beskriv ditt barn för en chattbot, så hittar den nästan alltid en diagnos
Forskare gav tre AI-modeller berättelserna om 220 barn på en barnpsykiatrisk mottagning. Med barnets egna ord missade AI:n de flesta problemen. Med förälderns ord hittade den något hos nästan alla, även hos barnen som inte hade någon diagnos.
Den här översättningen är automatiskt genererad och kan innehålla fel.
Klockan är elva på kvällen. Din nioåring har äntligen somnat efter ännu en kväll med tårar över läxorna, och du sitter med mobilen i handen. Du öppnar en chattbot och skriver tre meningar om det som oroar dig. Sedan frågar du: vad är det här?
Många föräldrar har gjort något liknande. Nu har en grupp barnpsykiatrer testat vad man får till svar.
De utgick från 220 verkliga barn som kom till en mottagning för första gången och gav deras berättelser till tre av de mest kända AI-modellerna. Samma barn, berättat på fyra olika sätt. Resultatet säger mindre om hur smarta maskinerna är och mer om något annat: svaret berodde på vem som berättade.
En fråga, nedskriven ord för ord
Studien gjordes vid två universitetssjukhus i Turkiet under våren och sommaren 2026. Alla barn som kom till den barnpsykiatriska mottagningen för första gången fick frågan om de ville vara med, från småbarn till sjuttonåringar. Snittåldern var nio år.
Innan något annat hände fick föräldern en öppen fråga: Vilket besvär är det som har fått er att komma hit i dag? Barnet fick svara för sig: Varför har du kommit hit i dag? Vad är det som är jobbigast för dig?
Svaren skrevs ned så ordagrant som möjligt. Sedan gjorde barnpsykiatern det barnpsykiatrer gör: en fullständig utredning, ett samtal med familjen, en undersökning och till slut en diagnos, eller ingen diagnos.
Efteråt gav forskarna varje fall till AI-modellerna fyra gånger. En gång med bara det barnet hade sagt. En gång med bara det föräldern hade sagt. En gång med båda. Och en gång med båda plus läkarens egna anteckningar, där alla diagnosord var borttagna.
Det första man lägger märke till är hur lite det fanns att gå på.
- Barnets egna ord9 ord
- Förälderns ord32 ord
- Barn och förälder tillsammans46 ord
- Barn, förälder och läkarens anteckningar122 ord
Nio ord. Så långt var ett typiskt svar när ett barn berättade varför det var där. Några sa ingenting alls. Föräldrarna sa ungefär tre gånger så mycket, och det är ändå kortare än det här stycket.
Samma barn, fyra olika svar
Modellerna fick två uppgifter: först avgöra om det här alls lät som en diagnos, och i så fall räkna upp de tre mest sannolika.
- Barnets egna ord36–44 %
- Förälderns ord66–69 %
- Barn och förälder tillsammans69–72 %
- Barn, förälder och läkarens anteckningar79–83 %
Med bara barnets ord stämde AI:ns första förslag med läkarens i ungefär fyra fall av tio. Med förälderns ord var det nära sju av tio. När läkarens anteckningar lades till blev det omkring åtta av tio.
Två saker är värda att stanna upp vid.
Att lägga barnets ord till förälderns gjorde nästan ingen skillnad. Statistiskt sett klarade sig modellerna inte bättre med båda än med bara föräldern.
Det spelade knappt någon roll vilken AI som användes. De tre modellerna var OpenAI:s GPT-5.6, Googles Gemini 3.5 Flash och Anthropics Claude Sonnet 4.6. De skilde sig tydligt åt bara när de hade enbart barnets ord. Så fort en förälder kom med i bilden var skillnaderna så små att de lika gärna kunde vara slump. Vad man matade in betydde mycket mer än vilken maskin man matade in det i.
Två sätt att ha fel
Det är här studien blir intressant. En läkare som ”har rätt i 70 procent av fallen” kan ha fel på två helt olika sätt: genom att missa ett barn som har det svårt, eller genom att sätta en etikett på ett barn som mår bra. Forskarna tittade på båda.
Barnet hade en diagnosHur ofta AI:n sa att det fanns något där. 199 barn.
- Barnets egna ord41–59 %
- Förälderns ord94–98 %
- Barn och förälder tillsammans94–99 %
- Barn, förälder och läkarens anteckningar93–98 %
Barnet hade ingen diagnosHur ofta AI:n sa att det inte fanns något där. 21 barn.
- Barnets egna ord62–86 %
- Förälderns ord24–38 %
- Barn och förälder tillsammans14–43 %
- Barn, förälder och läkarens anteckningar52–62 %
När AI:n bara hörde barnet var den försiktig, nästan för försiktig. I ungefär hälften av alla fall svarade den att inget verkade vara fel. Men 199 av de 220 barnen hade faktiskt en diagnos. AI:n missade ungefär hälften av dem.
När AI:n hörde föräldern slog det över åt andra hållet. Nu hittade den något hos nästan alla. Den fångade upp fler än nio av tio av barnen som hade en diagnos.
Den ”fångade” också upp de flesta av barnen som inte hade någon.
Tänk efter vad det betyder. En orolig förälder beskriver sitt barn. Läkaren kommer efter en fullständig utredning fram till att det här ligger inom det normala. AI:n, som läser samma förälders ord, föreslog en diagnos för de flesta av de barnen.
Det är inte så konstigt som det låter. En förälder som har bokat tid på en barnpsykiatrisk mottagning beskriver ett problem. Det är därför de är där. Orden är fulla av oro, och AI:n svarar på orden. Den har inte sett barnet leka, inte hört barnet prata och inte ställt den följdfråga som får oron att krympa.
Varför nio ord inte räcker
Varför var barnets egen berättelse så mycket mindre användbar?
Delvis för att barn säger lite. Men det berodde också på vad som var fel. Med bara barnets ord klarade sig modellerna ganska bra när det gällde ångest och tvång. Sådant händer på insidan, och ett barn kan ibland sätta ord på det: Jag är rädd hela tiden. Jag måste kolla dörren.
Med ADHD, autism och språksvårigheter var det annorlunda. En sjuåring säger inte ”jag är ouppmärksam i flera olika sammanhang”. Det är de vuxna runt barnet som ser det. För de diagnoserna behövde AI:n föräldern.
Åldern spelade också in, precis som man kan vänta sig. För varje år äldre barnet var ökade oddsen för att AI:n träffade rätt utifrån barnets egna ord med omkring 16 procent. En sextonåring kan beskriva hur det känns inuti. En femåring säger ”jag vet inte”.
Även med alla kort på bordet var vissa saker fortfarande svåra att se.
- Tvångssyndrom (OCD)83–92 %
- Autism77–96 %
- ADHD78–81 %
- Ångest69–85 %
- Språk- och talstörningar58–78 %
- Depression50–60 %
- Intellektuell funktionsnedsättning15–23 %
Depression fångades upp hos ungefär hälften av barnen som hade det. Intellektuell funktionsnedsättning föreslogs nästan aldrig, och det är rimligt: den fastställs med tester, inte med en beskrivning.
Vad studien inte visar
- Nio av tio barn här hade en diagnos. Så ser det ut på en specialistmottagning. Bland barn i allmänhet har de flesta ingen. En AI som gärna hittar något skulle då ha fel betydligt oftare. Det sista steget är vårt eget resonemang, inte något som studien mätte.
- Bara 21 barn saknade diagnos. Siffrorna om dem är grova, och det säger forskarna själva.
- Läkarens anteckningar skrevs av samma läkare som ställde diagnosen. Diagnosorden var borttagna, men anteckningarna kan ändå ha pekat åt rätt håll. Det bästa resultatet kan alltså vara väl smickrande för AI:n.
- Läkaren är inget perfekt facit. Varje diagnos ställdes av en enda psykiater i det vanliga kliniska arbetet, utan en andra bedömning.
- Allt var på turkiska, och berättelserna var korta. Ett långt samtal med en chattbot hemma är en annan situation, på gott och ont.
- Ingen mätte vad som händer sedan. Studien jämförde svar. Den följde ingen familj som agerade på det en AI hade sagt.
Om det är du som sitter där med mobilen
Forskarnas egen slutsats är nykter: modellerna klarade sig bäst när de hade en yrkespersons iakttagelser till hjälp, och de gav ofta en diagnos till barn som inte hade någon.
Utifrån det tycker vi att tre saker är rimliga att säga. De är vår tolkning, inte medicinska råd.
En AI svarar på din beskrivning, inte på ditt barn. Om du skriver när du är som mest orolig får du ett svar som passar din oro.
”Det kan vara ADHD” från en chattbot är en svagare signal än det känns som. I den här studien sa modellerna något sådant om de flesta barn vars föräldrar var oroliga, också om dem där specialisten inte hittade något.
Det är ändå värdefullt att skriva ned det. Det föräldrarna sa med 32 ord var den enskilt viktigaste uppgiften i hela studien. Anteckningar om vad du ser, när det händer och hur länge det har pågått är precis det som läkaren på vårdcentralen eller skolsköterskan kommer att fråga efter.
Samma regel gäller för screeningtesterna här på sajten, också de för ADHD och autism. Ett högt resultat är en anledning att prata med någon som kan bedöma hela människan. Det är aldrig en diagnos.
Barnet i studien som sa nio ord hade inte fel, och det hade inte föräldern som sa trettiotvå heller. De berättade var och en om den del de kunde se. Att lägga ihop delarna är fortfarande en uppgift för någon som är med i rummet.
Källor och vidare läsning
- Kayış, H., Tahıllıoğlu, A., Hira Selen, A. T. & Gedizlioğlu, Ç. (2026). Large language model diagnostic performance across informant sources in child and adolescent psychiatry: a prospective multicenter study. Scientific Reports. Publicerad online den 20 november 2026 som en tidig version av den accepterade artikeln.

