AI i biopsier: EndoDrill och USA-lyftet i Q4

BiBBInstruments har precis gjort något som många svenska medtech- och biotechbolag pratar om, men få lyckas med i praktiken: få tidig kommersiell dragkraft i USA. Under Q4 2025 har orderingången för EndoDrill GI redan passerat Q3 med drygt 170 procent, efter nya beställningar via distributören TaeWoong Medical USA.

Det här är mer än en försäljningsnotis. Jag ser det som ett tydligt tecken på en större rörelse i vår serie ”AI inom läkemedel och bioteknik”: när kliniken får bättre provmaterial kan AI och dataanalys faktiskt göra nytta på riktigt – i diagnostik, behandlingsval och i hur nya terapier utvärderas.

EndoDrill löser ett konkret problem (tillförlitliga biopsier i EUS), och just den typen av förbättringar är ofta den mest underskattade “AI-hävstången” i vården. AI kan inte kompensera för dåliga vävnadsprover. Men med bättre prover kan AI hjälpa vården att bli snabbare, mer konsekvent och mer precis.

Varför USA-traction i EUS betyder mer än kvartalssiffror

USA är den största enskilda marknaden för endoskopiskt ultraljud (EUS), och det är också en marknad där klinisk standard snabbt formas av ett fåtal starka center. Därför är BiBBInstruments strategi – att gå via referenssjukhus och Key Opinion Leaders – inte bara rimlig, den är ofta avgörande.

När fyra ledande universitetssjukhus lägger första beställningar efter en roadshow är signalvärdet stort. Det handlar om mer än “tidiga användare”. Det är sjukhus som:

• sätter praxis för andra kliniker
• publicerar data och fallserier som påverkar riktlinjer
• påverkar inköp och standardisering i större sjukhussystem

Om ett enda referenssjukhus helt går över till EndoDrill GI uppskattar bolaget intäkten till cirka 2 miljoner kronor per år (på transferprisnivå). Det är ett viktigt ankare: det gör potentialen begriplig och mätbar.

Referenscenter är vårdens “go-to-market-maskin”

Många underskattar hur “kommersiell” amerikansk sjukvård är i sin innovationsadoption. Den är inte alltid snabb i byråkrati, men den är extremt känslig för resultat: bättre diagnostikutfall, färre omprov, tydligare patologisvar och mer förutsägbara arbetsflöden.

Det är också här AI kommer in: när resultat kan mätas och standardiseras, kan data samlas in och analyseras systematiskt. Real-world data blir inte bara en fras – det blir ett verktyg för att bevisa kliniskt och ekonomiskt värde.

EndoDrill i praktiken: bättre vävnad, bättre beslut

Kärnpunkten är enkel: EndoDrill använder en motoriserad, roterande cylinder istället för en manuell biopsinål. Målet är att få ut intakta vävnadskärnor (kärnbiopsier), vilket ger patologer bättre material att arbeta med.

Konsekvensen är större än den låter. Vid misstänkt cancer i exempelvis bukspottkörtel, lever eller magsäck är provkvalitet ofta skillnaden mellan:

• snabbt, tydligt diagnosbesked
• eller otydliga svar som kräver omprov

Varje omprov kostar tid, pengar och patientförtroende. Och i onkologi är tid ofta en klinisk riskfaktor.

Det här är en AI-fråga – även om instrumentet inte är “AI”

I diskussionen om AI i läkemedel och bioteknik hamnar fokus ofta på modeller och algoritmer. Men jag har gång på gång sett att den verkliga flaskhalsen sitter tidigare i kedjan:

AI i diagnostik är bara så bra som datan den får. Dåliga biopsier ger dåliga beslut, oavsett modell.

När provmaterialet blir mer robust kan AI användas mer konsekvent för exempelvis:

• digital patologi (bildanalys av vävnadssnitt)
• triagering av prover (prioritera avvikande fynd)
• beslutstöd (koppla morfologi till molekylära profiler)
• prediktiva modeller för behandlingsrespons

Det är här medtech och AI möts på riktigt: instrument som förbättrar insamlingen gör AI-användningen mer kliniskt trovärdig.

Roadshow som strategi: varför utbildning säljer bättre än reklam

BiBBInstruments och TaeWoong genomförde i november en roadshow där grundaren/CMO dr Charles Walther besökte sex ledande sjukhus för utbildning och demonstration i klinisk miljö. Jag gillar den approachen av ett skäl: den respekterar klinikens logik.

I sjukvården köper man inte “funktioner”. Man köper:

• trygghet i användning
• tydlighet i arbetsflöde
• bevis på att det fungerar för just deras patientmix

Att flera universitetssjukhus lade sina första beställningar efter turnén visar att formatet fungerade. Det säger också något om problemet EndoDrill adresserar: manuella biopsiinstrument upplevs inte fullt ut möta dagens krav.

Vad kliniker faktiskt vill veta (och hur du bör svara)

Om du jobbar med AI/medtech i läkemedels- eller bioteknikmiljö och vill skapa leads, ta med dig detta. Kliniker ställer nästan alltid samma typ av frågor:

1. Blir provkvaliteten bättre? (inte “ser det coolt ut?”)
2. Hur ofta slipper vi omprov?
3. Hur påverkas procedurtiden?
4. Hur ser inlärningskurvan ut?
5. Finns referenser från sjukhus vi litar på?

De svaren blir ännu starkare när du kompletterar med data från verklig användning – och där blir AI relevant: uppföljning, trendanalys, kvalitetskontroll och jämförelser mellan center.

2026: från pilotkänsla till skalning – milstolpar som avgör

BiBBInstruments beskriver att målet är regelbunden användning vid cirka fem referenssjukhus, och att en kick-off med säljteamet inför nationell lansering sker i januari i Detroit. Det är en klassisk “proof-to-scale”-båge.

För bolag i den här fasen är det sällan tekniken som fäller avgörandet. Det är operationalisering. Jag skulle hålla extra koll på fyra milstolpar (oavsett om du följer BiBB specifikt eller arbetar med liknande produkter):

• Adoptionsdjup på referenscenter: används instrumentet i rutin, eller bara ibland?
• Standardisering i utbildning: kan fler än en “champion” på kliniken använda det?
• Data som kan publiceras: fallserier, jämförelser, komplikations- och omprovsfrekvens
• Ekonomiskt case: tydligt argument för inköp och förbrukningskostnader

Europa parallellt: smart, men krävande

BiBBInstruments för dialoger om europeiska distributionspartners med ambition att nå avtal under första kvartalet. Parallell spårning är smart eftersom momentum skapar förhandlingsstyrka.

Samtidigt är Europa fragmenterat: upphandling, ersättningssystem och klinisk praxis skiljer sig åt. Att knyta till sig professor Peter Vilmann som rådgivare är därför logiskt – klinisk trovärdighet och nätverk väger tungt när nya instrument ska in i rutiner.

Vad betyder detta för AI inom läkemedel och bioteknik?

Den praktiska lärdomen är tydlig: AI blir mest värdefull när den kopplas till ett förbättrat flöde av biologisk och klinisk data. EndoDrill är ett exempel på hur en “analog” innovation (ett motoriserat biopsiinstrument) kan skapa förutsättningar för mer digital precision.

Här är tre konkreta sätt som instrumentinnovation och AI förstärker varandra i läkemedel och bioteknik:

1. Bättre provmaterial stärker biomarkörstrategier. Mer intakt vävnad kan göra molekylär profilering mer tillförlitlig.
2. Mer konsekvent diagnostik ger renare studiedata. Kliniska prövningar lider ofta av heterogen kvalitet i diagnostik och inklusion.
3. Real-world data blir jämförbar. När provtagning och analys standardiseras kan AI hitta signaler som annars drunknar i variation.

Det är därför jag tycker att “AI i bioteknik” måste inkludera instrument och processer, inte bara modeller.

Så kan du använda detta som beslutsstöd (och skapa leads)

Om du ansvarar för innovation, affärsutveckling eller klinisk strategi – och vill omsätta AI i läkemedel och bioteknik till något som faktiskt går att köpa, implementera och skala – här är en enkel checklista jag själv använder:

• Starta i klinikens smärta: omprov, otydliga svar, tidsfördröjningar, patientflöden.
• Kartlägg datakedjan: var uppstår kvalitetsbrister – provtagning, hantering, analys, rapportering?
• Bygg “evidence först”: pilot på referenscenter, samla real-world data, skapa publicerbara resultat.
• Sätt en mätbar standard: t.ex. andel diagnostiska prover, omprovsfrekvens, tid till beslut.

Vill du få fler kvalificerade leads i den här sektorn? Prata mindre om “AI” som koncept och mer om mätbara kliniska utfall. AI ska vara en motor bakom förbättringen – inte rubriken.

Det intressanta inför 2026 är om fler svenska bolag följer samma mönster: först förbättra datakvaliteten i kliniken, sedan skala AI-tillämpningen. Vem blir nästa att få traction i USA – och vilka datadrivna vårdflöden skapar de på vägen?