AI i bioteknik: Vad BrainCools emission säger om 2026

82 procent tecknades med stöd av teckningsrätter. Det är en siffra som sticker ut när ett svenskt life science-bolag gör en företrädesemission – särskilt i ett läge där många investerare fortfarande kräver tydlig väg till klinisk nytta och intäkter.

Den 2025-12-19 kommunicerade BrainCool att teckningsperioden i bolagets företrädesemission avslutats och att emissionen blev övertecknad. Styrelsen beslutade därför även om en övertilldelningsemission riktad till externa investerare. För mig är det här mer än en finansieringsnotis: det är ett datapunkt i en större trend. Kapitalet rör sig mot bolag som kan visa praktisk effekt i vården – och allt oftare mot team som bygger in AI som metod, inte som marknadsföring.

Det här inlägget är en del av vår serie ”AI inom läkemedel och bioteknik”, där vi tittar på vad som faktiskt driver utvecklingen. Den här gången: vad en övertecknad emission kan signalera om AI-driven innovation i svensk bioteknik, och hur du som beslutsfattare kan läsa mellan raderna.

Övertecknad emission: ett marknadskvitto, inte en applåd

En överteckning betyder i praktiken att efterfrågan på att teckna aktier överstiger utbudet i emissionen. Det är ett kvitto på intresse, men det är inte samma sak som att risken är borta.

Varför 82 procent via teckningsrätter spelar roll

Att drygt 82 procent tecknades med stöd av teckningsrätter säger något specifikt: befintliga ägare valde i hög grad att försvara (eller öka) sina positioner. Det tolkas ofta som att de som redan kan bolaget bäst bedömer att planen är trovärdig.

Samtidigt ska man inte romantisera siffran. Företrädesemissioner görs ofta för att:

• förlänga runway och minska finansieringsrisk
• ta bolaget genom en klinisk milstolpe
• skala produktion/marknad eller stärka regulatoriska aktiviteter

Det investerare egentligen köper är en tidslinje: ”Om ni får kapital nu, vad kan ni bevisa innan ni behöver kapital igen?”

Övertilldelningsemission: varför externa investerare är extra intressanta

När styrelsen dessutom beslutar om en övertilldelning riktad till externa investerare blir signalen tvådelad:

1. Det finns fler som vill in än vad företrädesemissionen rymde.
2. Bolaget vill ta in kapital från investerare som inte nödvändigtvis redan är inne.

Det här är relevant i AI-spåret. Nya investerare kommer ofta med andra krav: mer fokus på datatillgång, skalbarhet, mätbara kliniska utfall och hur bolaget kan bygga en produktportfölj där algoritmer och data blir en konkurrensfördel.

Finansiering som bränsle för AI i neurologi och medicinteknik

AI i vården blir inte verklighet för att någon tränar en modell på en laptop. Det blir verklighet när man kan finansiera det som är dyrt och tråkigt: dataarbete, klinisk validering, kvalitetsledning och regulatorik.

AI-kostnaden som ofta glöms bort: data “i drift”

Många pratar om AI-modeller, men i verkligheten är det datainfrastrukturen som avgör om AI ger klinisk effekt.

För bolag i gränslandet mellan medtech och biotech (som ofta jobbar nära akutsjukvård, intensivvård och neurologi) brukar AI-relaterade kostnadsdrivare vara:

• Datainsamling i klinisk miljö (standardisering, etik, samtycken, säkerhet)
• Annotering och kvalitetssäkring (vem granskar vad som är “rätt”?)
• Drift och monitorering (modellens prestanda över tid, bias, driftstopp)
• Regulatoriskt arbete för mjukvara/algoritmer som påverkar vårdbeslut

Kapital från en emission kan vara det som gör att ett bolag faktiskt kan gå från “lovande prototyp” till “infört arbetssätt”.

Varför neurologi är ett område där AI ofta betalar sig snabbare

Neurologi och akutsituationer handlar ofta om minuter och standardiserade flöden. Där passar AI bra, eftersom nyttan kan mätas i:

• kortare tid till behandling
• mer konsekventa beslut
• minskad variation mellan kliniker

När investerare ser ett bolag med tydlig klinisk användning och potential att mäta effekt i verklig vård blir kapital ofta lättare att mobilisera.

Det investerare faktiskt letar efter i AI-driven bioteknik 2026

När vi går in i 2026 har marknaden blivit mer krävande. AI nämns i varannan pitch, men få kan svara tydligt på hur AI påverkar kostnad, tid eller kliniskt utfall.

Här är en checklista jag återkommer till när jag bedömer om en AI-vinkel är substans eller fernissa.

1) Klinisk nytta som går att mäta

Ett bra AI-case kan formuleras som en enkel kausal kedja:

“Om vi gör X i arbetsflödet kan vi minska Y, vilket ger Z i kliniskt utfall eller kostnad.”

Exempel på mätbara mått (beroende på produkt):

• tid till intervention (minuter)
• frekvens av komplikationer (procent)
• vårdtid (dagar)
• resursbelastning (antal moment per patient)

2) Datatillgång som är hållbar, inte bara “en studie”

En modell som tränas på en begränsad dataset kan se bra ut i en powerpoint. Men investerare vill veta:

• Kan ni fortsätta få data om 12, 24 och 36 månader?
• Har ni rättigheter att använda datan för produktutveckling?
• Hur ser datakvaliteten ut i verklig drift?

3) Regulatorisk plan för AI-komponenten

AI som påverkar diagnostik eller behandling kräver disciplin. Det är inte bara en teknisk fråga utan en ledningsfråga.

Bra tecken är när bolag kan beskriva:

• hur modellen valideras och uppdateras
• hur riskhantering och spårbarhet görs
• hur man undviker att prestanda faller när patientmixen förändras

4) En kommersiell logik som tål upphandling

Svensk och nordisk vård köper inte “AI”. De köper förbättrade resultat, minskad belastning och enklare implementering.

En trovärdig modell svarar på:

• Vem betalar och varför?
• Hur lång är säljcykeln i offentlig vård?
• Vad krävs för att IT och klinik ska säga ja?

Det är här många bolag tappar investerarnas tålamod. Överteckning tenderar att komma när marknaden upplever att bolaget har en plan som passar hur vården faktiskt fungerar.

Så kan du använda den här nyheten som beslutsfattare

Nyheter om emissioner kan kännas finansiella och distanserade. Men för dig som jobbar med strategi, innovation eller affärsutveckling inom läkemedel, medtech eller bioteknik kan de vara praktiska signaler.

Om du är investerare: tolka signalen utan att bli fartblind

En övertecknad emission är en positiv datapunkt, men jag hade alltid kompletterat med tre frågor:

1. Vilken milstolpe finansieras – och när ska den vara klar?
2. Hur ser planen ut för nästa finansieringsrunda? (tid, villkor, triggers)
3. Var sitter den största genomföranderisken? (klinisk, regulatorisk, produktion, sälj)

Att 82 procent kom via teckningsrätter betyder att insiders och befintliga ägare har skinn i spelet. Det är bra. Men det ersätter inte behovet av en tydlig genomförandeplan.

Om du jobbar i ett life science-bolag: ta med dig logiken till din egen AI-roadmap

Finansiering följer tydlighet. Om ditt bolag bygger AI-stöd i produkt eller process, gör det lätt att förstå genom att formulera:

• vilket kliniskt problem ni minskar
• vilket arbetsflöde som förändras
• vilken data ni behöver och hur ni får den
• hur ni tänker kring validering och uppdateringar

Det låter basalt, men de team som kan säga detta på tre minuter tenderar att få möten, piloter och kapital.

Om du är i vården: använd kapitalflöden som en tidig indikator

När kapital söker sig till vissa typer av lösningar (t.ex. neurologi, akuta flöden, beslutsstöd) kan det ge en hint om vad som kommer fler piloter kring under 2026.

Det kan vara läge att:

• kartlägga var er verksamhet har mest variation och väntetid
• definiera datakällor som går att använda säkert
• förbereda en “pilot-mall” så att ni kan utvärdera nya AI-stöd snabbare

Frågor som ofta kommer upp (och raka svar)

Är en övertecknad emission ett tecken på att bolaget är “säkert”?

Nej. Det är ett tecken på att marknaden just nu bedömer att risk/uppsida är attraktiv. Operativ och klinisk risk finns kvar.

Varför kopplas finansiering ihop med AI i läkemedel och bioteknik?

För att AI kräver mer än utveckling: dataarbete, klinisk evidens och regulatorik kostar. Utan kapital blir AI ofta en demo, inte en produkt.

Vad betyder övertilldelning i praktiken?

Att bolaget tar in extra kapital utöver den planerade emissionen, vanligtvis för att efterfrågan varit hög och bolaget vill stärka kassan eller accelerera planen.

Nästa steg: 2026 blir året då AI måste bevisa effekt

BrainCools övertecknade emission är intressant eftersom den pekar på en större rörelse: investerare belönar bolag som kan koppla kapital till konkreta steg mot klinisk nytta. I AI inom läkemedel och bioteknik handlar det inte om att ha den snyggaste modellen, utan om att bygga en kedja från data till evidens till implementering.

Om du vill skapa leads eller partnerskap i den här miljön: formulera din AI-satsning så att den går att granska. Visa vilka datapunkter som ska förbättras, hur valideringen sker och vad som händer när modellen möter verkligheten.

Vilken del av din AI-resa är mest underfinansierad just nu – data, validering eller införande i vården?