På vei inn i nye helsetjenestemarkeder: Den økende betydningen av medisinsk KI

Kunstig intelligens innen medisin forbindes oftest med å oppdage avvik i medisinske bilder, analysere prøvesvar og hjelpe leger med å stille diagnoser. I det siste har jeg imidlertid støtt på stadig flere nyvinninger som går langt utover disse bruksområdene, og som utfordrer måten vi tenker på hva medisinsk teknologi kan utrette. Noen er så ambisiøse at de potensielt kan få betydning langt utover helsevesenet, påvirke helt andre områder av livene våre og gi opphav til nye teknologier, forretningsmodeller og til og med markeder som ennå ikke finnes.

Derfor blir sjeldne sykdommer attraktive for medisinske oppstartsbedrifter

Et av de mest interessante områdene jeg har fulgt med på i det siste, er legemiddelutvikling – jakten på og utviklingen av nye legemiddelforbindelser ved hjelp av beregningsmetoder og kunstig intelligens. DeepMinds arbeid med AlphaFold har spilt en viktig rolle i utviklingen på dette feltet. Databasen deres med mer enn 200 millioner predikerte proteinstrukturer har gitt forskere et vell av informasjon som de kan bruke til å undersøke potensielle molekylære interaksjoner, og har også åpnet nye muligheter for oppstartsbedrifter som retter seg mot bestemte medisinske tilstander.

La oss si at noen ønsker å starte et selskap for å utvikle en behandling for en relativt sjelden sykdom som rammer en liten andel kvinner i en bestemt aldersgruppe. Det første spørsmålet er: Hvorfor satse på et så begrenset marked når man kunne gå etter en langt vanligere sykdom? Selv etter at verdens befolkning er avgrenset til denne spesifikke gruppen, kan det likevel være tusenvis av potensielle pasienter. Og dersom behandlingen krever at pasientene tar medisiner hver dag i ti år eller resten av livet, kan selv en relativt liten pasientgruppe utgjøre et betydelig marked.

Et kommersielt levedyktig legemiddelselskap trenger ikke nødvendigvis titalls millioner kunder. Det er selvsagt et enormt sprang fra å anslå et potensielt marked til å skape faktiske inntekter, blant annet på grunn av kostnadene til forskning, kliniske studier, produksjon og myndighetsgodkjenning. Likevel kan en oppstartsbedrift konsentrere seg om én underbehandlet sykdom og bygge et helt forskningsprogram rundt den.

Recursion Pharmaceuticals er for eksempel et amerikansk bioteknologiselskap som utvikler KI-baserte behandlinger for sykdommer med et betydelig udekket medisinsk behov. Et av legemidlene selskapet undersøker, REC-4881, retter seg mot familiær adenomatøs polypose, en sjelden arvelig tilstand som anslagsvis rammer 50 000 mennesker i USA og fem store europeiske land. Selskapet har rapportert lovende resultater fra en fase 1b/2-studie, blant annet en reduksjon i unormal vevsvekst hos pasienter.

Virtuelle laboratorier som ny forretningsmodell

Det er en reell utfordring å finne et molekyl som kan påvirke et protein knyttet til en bestemt sykdom. Dette krever at svært mange kjemiske forbindelser undersøkes systematisk, slik at man kan finne dem som kan binde seg til målproteinet, endre aktiviteten dets eller påvirke beslektede biologiske prosesser. Det er ikke bare den kjemiske sammensetningen som betyr noe. Tredimensjonalstrukturen til hvert molekyl spiller en avgjørende rolle for hvordan disse interaksjonene finner sted.

Det er i praksis umulig å teste alle tenkelige kombinasjoner i et fysisk laboratorium. Selv med betydelige økonomiske ressurser ville det tatt altfor lang tid å gjennomføre så mange eksperimenter. Derfor flyttes deler av forskningsprosessen over i virtuelle miljøer, der beregningsmodeller og simuleringer kan forutsi molekylære interaksjoner og identifisere de mest lovende forbindelsene for videre testing. Denne tilnærmingen reduserer antallet eksperimenter som må utføres i laboratoriet, men forutsigelsene må fortsatt valideres gjennom fysiske tester.

Et helt økosystem av oppstartsbedrifter med ulike forretningsmodeller vokser fram rundt disse teknologiene. Noen bygger infrastruktur for molekylær simulering og gjør den tilgjengelig for legemiddelselskaper og forskerteam. Andre bruker eksisterende verktøy til å utvikle egne legemiddelkandidater. Dette er et interessant eksempel på hvordan ett enkelt teknologisk gjennombrudd kan skape forretningsmuligheter på flere nivåer i markedet. Et selskap kan bygge en kommersielt vellykket virksomhet uten noen gang å lansere et eget legemiddel, forutsatt at teknologien viser seg å være verdifull for andre utviklere.

Isomorphic Labs er et godt eksempel. Selskapet utvikler KI-teknologi for legemiddelutvikling og molekylær design. Det har etablert forskningssamarbeid med Novartis og Eli Lilly, og i 2025 utvidet samarbeidet med Novartis til å omfatte flere legemiddelutviklingsprogrammer. Dette viser hvordan teknologien som brukes til å oppdage og utforme molekyler, i seg selv kan danne grunnlaget for en virksomhet som samarbeider med store legemiddelselskaper.

En skreddersydd pille på tjue minutter

Noen oppstartsbedrifter tar ideen om legemiddelutvikling enda lenger. Nylig møtte jeg et team som arbeider med teknologi knyttet til hudkreft. De er interessert i å identifisere genetiske disposisjoner for sykdommen og undersøke hvordan den kan behandles på DNA-nivå. I stedet for å utvikle et legemiddel for en bred pasientgruppe undersøker de om behandlinger kan tilpasses den enkeltes genetiske profil.

Grunnleggerne beskrev en særlig ambisiøs visjon for framtiden. Se for deg at du går inn på en klinikk, avgir en spyttprøve og får en enhet til å analysere DNA-et ditt for å lage et legemiddel som er spesialutviklet for deg. I visjonen deres kan hele prosessen en dag ta rundt tjue minutter og koste så lite som 100 dollar. Dette er selvfølgelig fortsatt en teknologisk ambisjon, ikke en tilgjengelig medisinsk tjeneste, og det vil kreve at man overvinner enorme vitenskapelige, produksjonsmessige og regulatoriske utfordringer for å gjøre den til virkelighet.

Likevel viser samtaler som denne hvor mye ambisjonene til gründere innen medisin er i endring. I stedet for bare å forbedre eksisterende diagnostiske prosedyrer spør de om selve prosessen med å utvikle behandlinger kan utformes på grunnleggende nye måter. Jeg synes det er fascinerende hvordan framskritt innen datateknologi får gründere til å revurdere prosesser som i stor grad har vært uendret i flere tiår.

Hvorfor oppstartsbedrifter innen kirurgisk robotikk ofte utvikler seg med sikte på å bli kjøpt opp

Mens datateknologi gjør det mulig for små team å utforske et enormt antall muligheter innen legemiddelutvikling, krever kirurgisk robotikk et helt annet nivå av ressurser. Å bygge et system som kan utføre kirurgiske inngrep, krever avansert maskinteknikk, presis bevegelsesstyring, omfattende testing og tilgang til kliniske miljøer. Det kan ta ti til femten år å utvikle en pålitelig robotarm for kirurgi, og én enkelt installasjon kan koste flere millioner dollar. Den potensielle kundebasen er også begrenset, og produsentene må tilby vedlikehold og teknisk støtte i årevis. For en liten oppstartsbedrift gjør dette kirurgisk robotikk til en svært kompleks og kapitalkrevende virksomhet.

Derfor legger noen team strategiene sine opp rundt et framtidig oppkjøp av et stort medisinteknologiselskap. Målet deres er å utvikle et overbevisende teknologisk konsept og vise hvilket potensial det har. En oppstartsbedrift kan for eksempel bygge en prototype av en robotarm som kan utføre bestemte inngrep på en medisinsk treningsdukke, selv om den er langt fra klar til å brukes på en ekte pasient. Samtidig oppsøker teamet aktivt investorer, deltar på bransjekonferanser og bygger relasjoner med mulige bedriftskjøpere, slik vi ofte ser gjennom arbeidet med medisinske arrangementer hos Scryon. I bunn og grunn forsøker de å selge løftet om en teknologi før den er et ferdig produkt.

Til å begynne med syntes jeg denne tilnærmingen var ganske merkelig. Hvorfor utvikle medisinsk utstyr hvis du ikke har til hensikt å lansere det på markedet selv? Men det ligger en forretningsmessig logikk bak. Et lite team kan ha dyktige ingeniører og en lovende idé, men mangle ressurser til å gjennomføre testing over flere år, tilgang til sykehus og muligheten til å produsere i stor skala. Et stort selskap kan tilby denne infrastrukturen ved å kjøpe opp oppstartsbedriften på et relativt tidlig stadium.

Denne strategien viser hvordan små team og store selskaper kan utfylle hverandre: Det ene konsentrerer seg om å utvikle og teste nye ideer, mens det andre har ressursene som trengs for å gjøre dem om til levedyktige medisinske produkter. Og størrelsen på et selskap gjenspeiler ikke nødvendigvis hvor komplekst arbeidet bak teknologien er. 

Jeg har selv sett dette gjennom prosjekter hos Keymakr, der vi har samarbeidet med utviklere fra alt fra små oppstartsbedrifter til en av verdens ledende produsenter av medisinsk utstyr. Uansett hvor stort selskapet er, innebærer disse prosjektene et grundig arbeid med å finjustere algoritmer, klargjøre medisinske datasett og kontrollere at annoteringene er nøyaktige og oppfyller kliniske krav. 

Utover den opprinnelige ideen

Et selskap som undersøker en bestemt biologisk mekanisme, kan en dag utvikle en teknologi som forandrer helt andre bransjer. Dette kan få vidtrekkende konsekvenser, helt fram til radikalt økt levealder og en fullstendig omforming av samfunnet slik vi kjenner det.

Kanskje er det nettopp dette som fascinerer meg mest ved medisinske oppstartsbedrifter i dag. Med hjelp av KI tar små team fatt på utfordringer som inntil nylig ville krevd ressursene til store selskaper, og de angriper dem ofte fra uventede vinkler. Mange av disse ideene vil aldri bli omsatt i praksis, men gründere trenger ikke nødvendigvis å vite på forhånd hvor stort et marked en vellykket teknologi etter hvert kan skape. Noen ganger dukker de mest interessante mulighetene først opp etter at det opprinnelige vitenskapelige problemet er løst.