EU-pengar räcker inte – AI som gör läkemedel snabbare

EU kan mycket väl öka stödet till europeisk läkemedelsutveckling – och ändå missa målet. Problemet är inte bara hur mycket pengar som fördelas, utan hur innovationsmaskinen faktiskt fungerar i praktiken: långa ledtider, fragmenterade data, tunga regulatoriska processer och en vård som ofta sitter på värdefulla insikter utan att kunna använda dem i skala.

Det är här jag håller med den underliggande tesen i Kim Liedholms krönika (2025-12-19): att “strössla pengar” riskerar att bli symbolpolitik om strukturen förblir densamma. För svensk primärvård – och för vårdcentraler som vill vara en del av Primärvård 4.0 – är detta mer än EU-politik. Det påverkar vilka behandlingar vi får, hur snabbt de når patienter och om Sverige förblir relevant som testbädd för kliniska studier.

Min ståndpunkt: EU behöver koppla finansiering till mätbar AI-adoption i hela kedjan – från forskning till vårdcentral. Annars flyttar värdet, talen­tet och de mest attraktiva prövningarna dit där beslut och data rör sig snabbare.

Varför mer pengar inte automatiskt ger fler läkemedel

Mer kapital ger inte effekt om flaskhalsarna ligger i process, data och incitament. Läkemedelsutveckling är ett genomflödesproblem: idéer måste snabbt kunna sorteras, prioriteras, testas och skalas. Om varje steg tar längre tid i Europa än i USA eller delar av Asien spelar extra pengar mindre roll än vi gärna vill tro.

Tre återkommande hinder i europeisk kontext:

1) Fragmenterade system och datasilos

Sjukvårdsdata är ofta spridd över regioner, journalsystem och kodningspraxis. Biobanker, register och kliniska data finns – men är svåra att kombinera. Resultatet blir att forskning och utveckling går långsammare, och att små bolag får högre “koordineringskostnad” än de mäktar med.

2) Riskkapitalets logik och tidshorisont

EU-stöd kan hjälpa tidiga projekt, men det är i de dyra utvecklingsfaserna (preklinik, fas I–II) som gapet mot USA ofta märks. Om kapitalet inte följs av snabbare experimentcykler och tydligare “proof points” blir nästa runda ändå svår.

3) Klinisk verklighet når inte tillbaka till utveckling

Primärvården sitter på signaler om behandlingsutfall, biverkningar, följsamhet och samsjuklighet. Men om detta inte kan återföras som strukturerad kunskap till bolag och akademi, tappar Europa en av sina mest värdefulla resurser.

Det här är varför “mer pengar” inte räcker. Europeisk läkemedelsinnovation behöver en produktivitetsförbättring. Och den snabbaste produktivitetsmotorn vi har 2025 heter AI.

AI som produktivitetsmotor i läkemedelsutveckling – konkret, inte abstrakt

AI hjälper när den kortar beslutscykler och höjer träffsäkerheten i val. Det handlar mindre om stora visioner och mer om vardagsnära förbättringar: bättre urval av målproteiner, smartare studiedesign och snabbare analys av data.

Här är fyra områden där AI ger tydliga effekter i utvecklingskedjan:

1) Target discovery och prioritering

Att välja rätt biologiskt mål tidigt sparar år och miljarder. Med maskininlärning kan man kombinera omics-data, litteratur och real world evidence för att:

• rangordna sjukdomsmekanismer
• hitta subpopulationer som sannolikt svarar
• förutse risker för tox och off-target-effekter

Poängen: AI gör att fler projekt kan stoppas tidigt – och att de som fortsätter har bättre odds.

2) Förutsägbara prekliniska experiment

Många prekliniska modeller generaliserar dåligt till människa. AI kan hjälpa till med:

• prediktion av ADME (absorption, distribution, metabolism, excretion)
• tox-signalering över datapunkter och assay-typer
• design av molekyler med önskad profil

Det är inte magi. Men det är en systematisk metod för att minska “gissandet”.

3) Smartare kliniska studier

Europa förlorar när rekrytering går långsamt och protokoll blir för komplexa. AI kan användas för att:

• identifiera lämpliga kliniker och patientkohorter
• simulera studiedesign (inkl. inklusionskriterier som inte sabbar rekrytering)
• upptäcka avvikelser tidigt (kvalitetsövervakning)

Om EU vill ha fler studier i Europa måste EU göra studier enklare att driva.

4) Snabbare regulatoriska underlag

Det är fullt möjligt att minska den administrativa bördan utan att tumma på kvalitet – genom AI-stöd för:

• dokumentgranskning och spårbarhet
• konsistenskontroller mellan moduler
• sammanställning av säkerhets- och effektdata

Här finns en nyckel: EU-finansiering bör premiera verktyg som gör regulatoriskt arbete mer konsekvent och mindre manuellt.

Bryggan till svensk primärvård: vårdcentralen är inte ”slutstationen”

Primärvården är där de flesta patientresor börjar – och där real world data föds. Om vi menar allvar med AI inom läkemedel och bioteknik måste vårdcentraler bli en aktiv del av innovationen, inte en passiv mottagare.

Det låter stort. I praktiken kan det börja smått.

Så skapar vårdcentraler innovationsvärde med AI (utan att tappa fokus på vård)

Det här är åtgärder jag tycker fler verksamhetschefer borde sätta på sin 90-dagarslista:

1. Strukturera det som redan görs

   • Mallar för anamnes och status som ger mer kodbar data
   • Standardiserade begrepp för symtom, duration, funktionspåverkan

2. AI-stöd för journaldokumentation

   • Automatiska sammanfattningar av besök
   • Förslag på ICD-koder och åtgärdsplaner
   • Avvikelseflaggor (t.ex. läkemedelskrockar)

3. AI-triage i patientkommunikation

   • Prioritera ärenden rätt
   • Minska telefonköer
   • Styr till egenvård när det är medicinskt rimligt

4. Kvalitetsuppföljning som inte kräver extra personal

   • AI som identifierar patienter med låg följsamhet
   • Uppföljningspåminnelser för riskgrupper (t.ex. hypertoni, diabetes)

Det här är Primärvård 4.0 i praktiken: bättre flöde, jämnare kvalitet och data som faktiskt kan användas.

Snabbare läkemedel kräver inte bara laboratorier. De kräver vårdprocesser som kan mäta och återkoppla.

Vad EU borde finansiera: AI-infrastruktur, inte bara projekt

EU-stöd behöver skifta från “fler initiativ” till “gemensamma byggblock”. Annars får vi hundratals piloter som dör när projektpengarna tar slut.

Här är en mer träffsäker finansieringslogik:

1) Gemensamma data- och interoperabilitetskrav

Om ett projekt får stöd ska det följa tydliga krav på:

• standardiserade dataformat
• metadata och dokumentation
• spårbarhet och modellkort (model cards)

2) Kliniskt validerade AI-moduler

EU borde premiera AI som:

• testats i verkliga vårdflöden
• mäts på kliniska kvalitetsindikatorer (tid, säkerhet, återbesök)
• kan granskas och revideras

3) Upphandling som gynnar skalning

Sverige är fullt av smarta bolag som fastnar i “pilotfällan”. Ett EU-tryck på upphandlingsmodeller som belönar skalbarhet (inte bara lägsta pris) skulle göra stor skillnad.

4) Kompetenslyft där det gör mest nytta

AI i vården faller ofta på att personalen inte får tid att lära sig. Stöd bör öronmärkas för:

• superanvändare på vårdcentral
• medicinska sekreterare och vårdadministratörer
• lokala dataansvariga

Pengar utan kompetens blir konsultnota. Pengar med kompetens blir kapacitet.

Vanliga följdfrågor (och raka svar)

Är AI i primärvården verkligen relevant för läkemedelsutveckling?

Ja. Läkemedel som fungerar i kliniska prövningar kan falla i verkligheten på grund av samsjuklighet, följsamhet eller interaktioner. Primärvården ser hela bilden och kan leverera real world evidence som förbättrar både utveckling och användning.

Måste vårdcentraler dela all data för att bidra?

Nej. Värdet kan skapas via aggregerade analyser, federerad inlärning eller lokala modeller där data inte lämnar regionen. Det viktiga är strukturen, kvaliteten och governance.

Vad är en rimlig start om man har liten IT-avdelning?

Börja med ett tydligt användningsfall: AI-stöd för journaldokumentation eller triage. Mät effekt i tid per besök, väntetider och återbesöksgrad. Skala först när ni ser stabila siffror.

Nästa steg: gör AI till Europas sätt att komma ikapp

EU:s diagnos – att Europa satsar för lite på läkemedelsutveckling – är rimlig. Men terapin kan inte vara “mer av samma”. Om finansieringen inte binder ihop data, vård och utveckling kommer vi fortsätta se innovationer växa upp här och kommersialiseras någon annanstans.

För svensk primärvård är detta en möjlighet. Vårdcentraler som tar AI på allvar blir inte bara effektivare i vardagen. De blir också bättre partners i kliniska studier, uppföljning och innovation – vilket i sin tur gör Sverige mer attraktivt för investeringar och prövningar.

Om du leder en vårdcentral eller arbetar med verksamhetsutveckling: vilket AI-steg kan ni ta under Q1 2026 som både sparar tid och höjer datakvaliteten? Där börjar resan mot Primärvård 4.0 – och mot en starkare europeisk läkemedelsutveckling.