Expansion till nya vårdmarknader: den växande betydelsen av medicinsk AI

Artificiell intelligens inom medicinen förknippas oftast med att upptäcka avvikelser i medicinska bilder, analysera provresultat och hjälpa läkare att ställa diagnoser. På senare tid har jag emellertid stött på allt fler framsteg som går långt utöver dessa tillämpningar och utmanar vår syn på vad medicinsk teknik kan åstadkomma. Vissa är så ambitiösa att deras potentiella inverkan kan sträcka sig långt bortom hälso- och sjukvården, påverka helt andra delar av våra liv och ge upphov till ny teknik, nya affärsmodeller och till och med marknader som ännu inte finns.

Varför sällsynta sjukdomar blir attraktiva för medicinska startupbolag

Ett av de mest intressanta områdena som jag har följt på senare tid är läkemedelsutveckling: att med hjälp av beräkningsmetoder och artificiell intelligens söka efter och utveckla nya läkemedelssubstanser. DeepMinds arbete med AlphaFold har spelat en viktig roll för utvecklingen inom området. Dess databas med över 200 miljoner förutsagda proteinstrukturer har gett forskare en stor mängd information att använda för att utforska potentiella molekylära interaktioner, och har också öppnat nya möjligheter för startupbolag som inriktar sig på specifika medicinska tillstånd.

Anta att någon vill starta ett företag för att utveckla en behandling mot en relativt sällsynt sjukdom som drabbar en liten andel kvinnor i en viss åldersgrupp. Den första frågan är: varför rikta in sig på en så begränsad marknad när man skulle kunna satsa på ett mycket vanligare tillstånd? Men även efter att ha avgränsat världens befolkning till just den här gruppen skulle det fortfarande kunna finnas tusentals potentiella patienter. Och om behandlingen kräver att patienterna tar ett läkemedel varje dag i tio år eller resten av livet, kan även den relativt lilla patientgruppen utgöra en betydande marknad.

Ett läkemedelsföretag behöver inte nödvändigtvis tiotals miljoner kunder för att vara kommersiellt lönsamt. Naturligtvis är det ett enormt steg från att uppskatta en potentiell marknad till att generera faktiska intäkter, eftersom kostnaderna för forskning, kliniska prövningar, tillverkning och myndighetsgodkännande också måste räknas in. Ändå kan ett startupbolag inrikta sig på en enda sjukdom där vårdbehoven inte är tillgodosedda och bygga upp ett helt forskningsprogram kring den.

Recursion Pharmaceuticals är till exempel ett USA-baserat bioteknikföretag som utvecklar AI-drivna behandlingar för sjukdomar där det finns ett stort ouppfyllt medicinskt behov. En av företagets läkemedelskandidater, REC-4881, riktar sig mot familjär adenomatös polypos, ett sällsynt ärftligt tillstånd som uppskattningsvis drabbar 50 000 personer i USA och fem större europeiska länder. Företaget har rapporterat lovande resultat från en klinisk fas 1b/2-prövning, bland annat en minskning av onormal vävnadstillväxt hos patienterna.

Virtuella laboratorier som en ny affärsmodell

Det är en verklig utmaning att hitta en molekyl som kan påverka ett protein som är förknippat med en viss sjukdom. Det kräver att man går igenom enorma mängder kemiska föreningar för att hitta dem som kan binda till målproteinet, förändra dess aktivitet eller påverka närliggande biologiska processer. Det är inte bara den kemiska sammansättningen som spelar roll. Varje molekyls tredimensionella struktur är avgörande för hur dessa interaktioner uppstår.

Det är i praktiken omöjligt att testa alla tänkbara kombinationer i ett fysiskt laboratorium. Även med betydande ekonomiska resurser skulle det ta alldeles för lång tid att genomföra så många experiment. Därför flyttas delar av forskningsprocessen till virtuella miljöer, där beräkningsmodeller och simuleringar kan förutsäga molekylära interaktioner och identifiera de mest lovande föreningarna för vidare testning. Metoden minskar antalet experiment som behöver utföras i laboratoriet, men förutsägelserna måste fortfarande bekräftas genom fysiska tester.

Ett helt ekosystem av startupbolag med olika affärsmodeller växer fram kring den här tekniken. Vissa bygger upp infrastruktur för molekylsimuleringar och gör den tillgänglig för läkemedelsföretag och forskargrupper. Andra använder befintliga verktyg för att utveckla egna läkemedelskandidater. Det är ett intressant exempel på hur ett enda tekniskt framsteg kan skapa affärsmöjligheter på flera nivåer av marknaden. Ett företag kan bygga upp en kommersiellt framgångsrik verksamhet utan att någonsin lansera ett eget läkemedel, förutsatt att dess teknik visar sig vara värdefull för andra utvecklare.

Isomorphic Labs är ett utmärkt exempel. Företaget utvecklar AI-teknik för läkemedelsutveckling och molekylär design. Det har etablerat forskningssamarbeten med Novartis och Eli Lilly och utökade sitt samarbete med Novartis år 2025 till att omfatta ytterligare program för läkemedelsutveckling. Det visar hur teknik för att upptäcka och utforma molekyler i sig kan utgöra grunden för en verksamhet som samarbetar med stora läkemedelsföretag.

En individanpassad tablett på tjugo minuter

Vissa startupbolag tar idén om läkemedelsutveckling ännu längre. Nyligen träffade jag ett team som arbetar med teknik kopplad till hudcancer. De är intresserade av att identifiera genetiska anlag för sjukdomen och utforska sätt att behandla den på DNA-nivå. I stället för att utveckla ett läkemedel för en bred patientgrupp undersöker de om behandlingar kan anpassas efter en enskild persons genetiska profil.

Grundarna beskrev en särskilt visionär bild av framtiden. Föreställ dig att du går in på en klinik, lämnar ett salivprov och låter en apparat analysera ditt DNA för att ta fram ett läkemedel som är särskilt utformat för dig. Enligt deras vision skulle hela processen en dag kunna ta omkring tjugo minuter och kosta så lite som 100 dollar. Det här är förstås fortfarande en teknisk ambition, inte en tillgänglig medicinsk tjänst, och för att förverkliga den skulle man behöva övervinna enorma vetenskapliga, tillverkningsmässiga och regulatoriska utmaningar.

Samtal som detta visar ändå hur mycket ambitionerna hos entreprenörer inom medicin håller på att förändras. I stället för att bara förbättra befintliga diagnostiska metoder frågar de sig om själva processen för att utveckla behandlingar skulle kunna göras om i grunden. Jag tycker det är fascinerande hur framsteg inom datorteknik får grundare att ompröva processer som i stort sett varit oförändrade i årtionden.

Varför startupbolag inom kirurgisk robotik ofta siktar på att bli uppköpta

Medan datorteknik gör det möjligt för små team att utforska ett stort antal möjligheter inom läkemedelsutveckling, kräver kirurgisk robotik helt andra resurser. Att bygga ett system som kan utföra kirurgiska ingrepp kräver avancerad maskinteknik, exakt rörelsestyrning, omfattande tester och tillgång till kliniska miljöer. Det kan ta tio till femton år att utveckla en tillförlitlig robotarm för kirurgi, och en enda installation kan kosta miljontals dollar. Den potentiella kundkretsen är också begränsad, och tillverkarna måste erbjuda underhåll och teknisk support i flera år. För ett litet startupbolag gör detta kirurgisk robotik till en exceptionellt komplex och kapitalkrävande verksamhet.

Därför bygger vissa team sina strategier kring att så småningom bli uppköpta av ett stort medicintekniskt företag. Målet är att utveckla ett övertygande teknikkoncept och visa vilken potential det har. Ett startupbolag kan till exempel bygga en prototyp av en robotarm som kan utföra vissa ingrepp på en medicinsk övningsdocka, trots att den är långt ifrån redo att användas på en riktig patient. Samtidigt tar teamet aktivt kontakt med investerare, deltar i branschkonferenser och bygger relationer med potentiella företagsköpare, något vi ofta ser när vi arbetar med medicinska evenemang på Scryon. I grund och botten försöker de sälja in teknikens löfte innan den har blivit en färdig produkt.

Först tyckte jag att det här tillvägagångssättet var ganska märkligt. Varför utveckla medicinsk utrustning om man inte tänker sälja den själv? Men det finns en affärslogik bakom det. Ett litet team kan ha skickliga ingenjörer och en lovande idé, men sakna resurser för flera års tester, tillgång till sjukhus och tillverkning i stor skala. Ett stort företag kan tillhandahålla den infrastrukturen genom att köpa upp startupbolaget i ett relativt tidigt skede.

Den här strategin visar hur små team och stora företag kan komplettera varandra: det ena fokuserar på att utveckla och testa nya idéer, medan det andra har resurserna att omvandla dem till fungerande medicinska produkter. Och ett företags storlek speglar inte nödvändigtvis hur komplicerat arbetet bakom dess teknik är. 

Jag har själv sett detta genom projekt på Keymakr, där vi har samarbetat med utvecklare från allt från små startupbolag till en av världens ledande tillverkare av medicinsk utrustning. Oavsett företagets storlek innebär projekten ett noggrant arbete med att förfina algoritmer, förbereda medicinska datauppsättningar och kontrollera att annoteringarna är korrekta och uppfyller kliniska krav. 

Bortom den ursprungliga idén

Företag som undersöker en viss biologisk mekanism kan en dag utveckla en teknik som förändrar helt andra branscher. Det kan få långtgående konsekvenser, ända från radikalt förlängd livslängd till en fullständig omvandling av samhället som vi känner det.

Det är kanske detta som fascinerar mig mest med dagens medicinska startupbolag. Med hjälp av AI tar små team sig an utmaningar som fram till nyligen skulle ha krävt resurserna hos stora företag, och de gör det ofta från oväntade utgångspunkter. Många av de här idéerna kommer aldrig att omsättas i praktiken, men entreprenörer behöver inte nödvändigtvis veta på förhand hur stor marknad en framgångsrik teknik så småningom kan skapa. Ibland blir de mest intressanta möjligheterna synliga först när det ursprungliga vetenskapliga problemet har lösts.