AI i bioteknik: 2025 års forskningsnyheter som formar vården

Åtta barn födda efter mitokondriedonation. En återfallsrisk i tarmcancer som halveras med acetylsalicylsyra – men bara i rätt genetisk undergrupp. Och ett ögonimplantat som ger tillbaka delar av synen vid torr makuladegeneration.

Det är lätt att läsa 2025 års topplista över forskningsnyheter som en rad fristående mirakel. Jag tycker det är mer intressant att se mönstret: medicinen blir allt mer “subgruppsstyrd” (vem har nytta av vad, och varför?), och teknikerna blir så komplexa att mänsklig intuition inte räcker. Här blir AI inom läkemedel och bioteknik praktiskt, inte bara ett buzzword.

Den här texten går igenom vad som faktiskt hände i forskningen 2025 – och varför det förändrar hur vi bör jobba med kliniska prövningar, biomarkörer, etik och införande i svensk vård. Framför allt: hur AI kan minska risk, öka träffsäkerhet och korta vägen från labb till patient.

Mitokondriedonation: varför “tre föräldrar” är fel fokus

Kärnpunkten: Mitokondriedonation handlar mindre om “spektakulär genetik” och mer om att förhindra svåra ärftliga mitokondriella sjukdomar som annars kan dominera helt – där klassisk PGT (preimplantatorisk genetisk testning) inte räcker.

I juli 2025 presenterades långsiktigt arbete från Newcastle: åtta barn födda efter mitokondriedonation, utan uppenbar risk för allvarlig sjukdom, och med mitokondriesjukdomsanlag som antingen inte gick att mäta eller låg på mycket låga nivåer. Resultaten låg i samma härad som PGT när det gäller graviditetsutfall: cirka 40 % av “behandlade” kvinnor fick kliniska graviditeter.

Var AI passar in i nästa steg

När ett område går från “kan det fungera?” till “hur gör vi det säkert och skalbart?” blir datahanteringen snabbt flaskhalsen. Mitokondriedonation är precis där.

AI kan bidra på tre konkreta sätt:

1. Kvalitetskontroll i cell- och embryodata

   • Bildanalys av mikroskopi för att identifiera subtila avvikelser i cellkärnöverföring, äggkvalitet och tidiga utvecklingsmönster.
   • Automatiserad flaggning av riskmönster som är svåra att se för ögat, särskilt när materialet är litet och varje fall är dyrt.

2. Riskmodellering av heteroplasmi

   • Mitokondriellt DNA blandas ibland i nivåer (heteroplasmi). AI-modeller kan koppla ihop mätningar från tidiga embryostadier med sannolikheter för kliniskt relevanta nivåer senare.
   • Det gör uppföljning mer riktad: vem behöver tätare kontroller, och vad ska vi mäta?

3. Beslutsstöd för etik och urval

   • Svensk lag förbjuder i dag ärftliga genetiska förändringar. Samtidigt har Statens medicinsk-etiska råd (Smer) börjat bereda frågan igen.
   • AI kan inte fatta etiska beslut – men den kan göra risk/nytta mer kvantifierbar: sannolikheter, osäkerhetsintervall, jämförelser mot alternativ (PGT, donorägg, adoption), och konsekvenser över tid.

En sak är tydlig: när evidensen börjar se stabil ut blir frågan i Sverige mindre “om” och mer “hur” – och då behövs bättre analysverktyg.

När behandling blir subgruppsmedicin: från ASA till blinatumomab

Kärnpunkten: 2025 gav flera exempel på samma princip: rätt behandling kan ge stor effekt – men bara om du identifierar rätt patienter.

ASA vid kolorektal cancer: billig tablett, dyr precision

En nordisk studie visade att acetylsalicylsyra (ASA) halverade återfallsrisken i en stor tumörgenetisk undergrupp efter operation för kolorektal cancer: från 14 % till 7 % efter tre år. Det är en effektstorlek som få hade väntat sig av en så gammal substans.

Men effekten kommer med en läxa: utan biomarkörstrategi riskerar man både överbehandling och besvikelse. Om man ger ASA brett, till alla, kommer nettoeffekten försvinna i bruset – och biverkningsprofilen blir svårare att försvara.

AI-vinkeln: AI kan förbättra subgruppsmedicin genom att kombinera:

• tumörgenetik
• histopatologi (digital patologi)
• kliniska riskfaktorer
• behandlingsdata

…och ge bättre prediktion av vem som faktiskt är i “ASA-responsgruppen”. Det kan också hjälpa vården att införa behandlingen smart: lokala flöden, provtagningslogik och uppföljningsrutiner.

Blinatumomab vid barn-ALL: effekt som skapar införandeproblem

Vid akut lymfatisk leukemi (ALL) hos barn visade blinatumomab en slående effekt i en stor undergrupp: återfallsrisken minskade tre gånger. Kliniskt är det svårt att ignorera.

Det som bromsar införande är ofta inte medicinen – utan systemet:

• pris
• logistik
• prioriteringsetik
• uppföljningskrav

AI-vinkeln: här är nyttan ofta “tråkig men avgörande”. Prediktiv analys kan förbättra:

• resursplanering (vilka patienter förväntas behöva längre vårdtid?)
• biverkningsövervakning
• real world evidence efter införande

Det minskar osäkerheten som annars gör beslut långsamma.

Autoimmun sjukdom möter cancerlogik: teklistamab och CAR-T-spåret

Kärnpunkten: Immunterapier som utvecklats för cancer håller på att bli en andra motor för svår autoimmunitet.

En liten studie med tio patienter med behandlingsrefraktära autoimmuna sjukdomar (bland annat Graves sjukdom, reumatoid artrit och Sjögrens syndrom) visade att myelomläkemedlet teklistamab gav symtomförbättring hos 9 av 10, och att sex kunde sätta ut sin konventionella antiinflammatoriska behandling under perioder.

Jag gillar inte hype kring små studier – men jag tar dem på allvar när mönstret upprepas från olika håll (CAR-T 2024, bispecifika 2025). Det antyder att vissa autoimmuna sjukdomar bör förstås som felprogrammerade immunsystemkretsar där “reset” ibland är mer logiskt än livslång dämpning.

Vad AI kan göra innan detta blir standard

För att flytta detta från “spektakulära fall” till robust vård behövs bättre urval och riskstyrning:

• Fenotypning av patienter: AI kan kombinera labbdata, autoantikroppspaneler, kliniska symtom och behandlingstext (journal) för att hitta vilka som liknar responders.
• Tidiga varningssignaler: kontinuerlig analys av infektionstecken, blodvärden och vitalparametrar hos patienter som får immunpåverkande terapier.
• Design av adaptiva prövningar: där man snabbare kan styra om rekrytering mot de subgrupper som verkar svara.

Teknik som kräver träning: synimplantat och fysisk aktivitet vid cancer

Kärnpunkten: 2025 visade att behandling inte alltid är en molekyl. Ibland är det en kombination av teknik + beteende + uppföljning.

Torr makuladegeneration: när medicinteknik blir “rehab först”

Ett implantat i gula fläcken, tillsammans med specialglasögon, gav delvis svartvit syn till patienter som blivit blinda av åldersrelaterad torr makuladegeneration. Tekniken är krånglig, har biverkningar och kräver lång träning.

AI-vinkeln: här kan AI göra skillnaden mellan “finns på ett ställe i landet” och “går att skala”. Exempel:

• personaliserade träningsprogram baserade på patientens prestationsdata
• datorseende för att mäta funktionell syn i vardagliga uppgifter
• fjärrmonitorering som minskar antalet fysiska besök

Träning efter tjocktarmscancer: evidens som vården måste operationalisera

I en randomiserad fas 3-studie med drygt 450 patienter minskade återfallen efter fem år med 6,4 procentenheter för dem som följde ett treårigt träningsprogram efter kirurgi och cytostatika.

Effekten är tydlig. Men en annan sak är också tydlig: utan struktur blir “träning på recept” en broschyr i en pärm.

AI-vinkeln: prediktiv uppföljning och beteendestöd kan öka adherence:

• upptäcka tidigt vilka som riskerar att avbryta
• anpassa intensitet efter fatigue och samsjuklighet
• koppla träningsdata till kliniska mål (återbesök, labb, symtom)

Från CRISPR till xenotransplantation: 2025 visar att riskstyrning är allt

Kärnpunkten: När medicinen gör det som tidigare var otänkbart (personspecifik genterapi, genetiskt modifierade djurorgan) blir riskstyrning och uppföljning den viktigaste infrastrukturen.

• Skräddarsydd genterapi till ett enskilt barn utvecklades på kort tid och korrigerade en metabol gendefekt i levern in vivo. Patienten blev inte botad, men symtomen dämpades tydligt.
• Genetiskt modifierad grisnjure fungerade hos dialyspatient, med överlevnad i ett fall upp till 271 dagar innan organet behövde tas ut.

Det här är inte “färdiga produkter”. Det är början på en era där varje patient kan bli ett projekt. Och det går inte att driva som 1990-talets läkemedelsutveckling.

AI som säkerhetslager (inte som marknadsföring)

Om du arbetar i biotech eller life science i Sverige, skulle jag prioritera AI där den ger mest praktiskt värde:

1. Automatiserad säkerhetssignalering i små patientgrupper
2. Dataintegration (labbsvar, imaging, omics, journal, device-data)
3. Simulering och “digitala tvillingar” för att testa protokoll och uppföljningsintervall innan man exponerar fler patienter
4. Regulatorisk spårbarhet: versionering av modeller, dataproveniens, audit trails

Det är så man bygger förtroende när behandlingarna är komplexa och dyra.

Vad betyder allt detta för svensk bioteknik 2026?

Sverige har en stark biotekniksektor, men vår konkurrensfördel kommer inte vara att “ha AI”. Den kommer vara att kombinera AI med klinisk verklighet: kvalitetsregister, standardiserade vårdflöden och en kultur som tar implementering på allvar.

Om mitokondriedonation närmar sig en svensk omprövning, om bispecifika antikroppar flyttar in i autoimmunitet, och om fler behandlingar kräver biomarkörer för att fungera – då behöver vi samma sak överallt:

• tydliga dataflöden
• bättre patientselektering
• snabbare, säkrare uppföljning

Det är där AI inom läkemedel och bioteknik faktiskt tjänar sitt syfte.

Min ståndpunkt: tekniken är redan tillräckligt stark för att skapa värde. Flaskan sitter i processer, data och ansvar.

Vill du bygga lead-genererande initiativ i gränslandet mellan AI och biotech? Börja inte med en modell. Börja med en smal klinisk fråga (t.ex. “vem ska få ASA efter kolorektal cancer?” eller “hur följer vi upp mitokondriedonation säkert?”) och designa datan baklänges.

Vilken av 2025 års trender kommer påverka din verksamhet mest – subgruppsmedicin, avancerad genetik eller teknik som kräver beteendeförändring?