AI och CAR‑T: när AcouSort möter MFX i produktionen

Den stora flaskhalsen i många CAR‑T-flöden är inte idéerna i forskningslabbet. Det är minuterna och timmarna i provhanteringen: separering, tvätt, överföring, kvalitetskontroller och allt som måste ske snabbt nog för att cellerna ska må bra – och standardiserat nog för att tillverkningen ska gå att skala.

Det är därför nyheten 2025-12-19 om att AcouSort inleder ett samarbete med MFX sticker ut. Fokus är tydligt: att utvärdera om AcouSorts akustiska cellseparation kan fungera ihop med MFX bioreaktorsystem för att korta provbearbetningstider och förenkla steget in i cellexpansion vid tillverkning av CAR‑T-celler.

Jag gillar den här typen av samarbeten av ett skäl: de handlar om att sy ihop ett processflöde, inte att optimera en isolerad modul. Och i vår serie ”AI inom läkemedel och bioteknik” är det exakt här AI får störst effekt – när data, utrustning och beslutslogik kopplas samman till ett robust system.

Varför provhantering är en dyr bromskloss i CAR‑T

Provhantering är där variabilitet och tidsförlust smyger in. I CAR‑T-produktion jobbar man ofta med patientunika utgångsmaterial, vilket gör att varje avvikelse får konsekvenser: lägre utbyte, sämre cellkvalitet, fler omkörningar och i värsta fall en batch som inte går att frigöra.

Tiden är inte bara pengar – den är biologi

Celler beter sig inte som kemikalier på en hylla. Fördröjningar påverkar:

• Viabilitet (hur många celler som överlever processen)
• Fenotyp (vilka celltyper som dominerar efter hantering)
• Stressmarkörer och senare expansionsförmåga
• Kontaminationsrisk vid fler manuella moment

I praktiken betyder det att en ”liten” förbättring i provbearbetningen ofta ger en kedjeeffekt: bättre förutsägbar expansion, stabilare kvalitetstester och enklare planering av produktion.

Standardisering är vägen till skala

CAR‑T rör sig gradvis från hantverk till industri. Det kräver:

1. Färre manuella ingrepp
2. Mer reproducerbara separations- och överföringssteg
3. Tydliga digitala spår (audit trail) för kvalitet och regulatorik

Samarbeten som det mellan AcouSort och MFX blir intressanta eftersom de potentiellt kan minska friktionen mellan provförberedelse och bioreaktorbaserad expansion.

AcouSort + MFX: vad är poängen med teknikfusionen?

Kärnan är att koppla ihop selektion/separation med expansion utan onödiga mellanlandningar. En typisk process innehåller moment där celler flyttas mellan system, byter medium, koncentreras eller tvättas. Varje sådant steg kostar tid och introducerar variation.

Akustisk cellseparation som processmodul

AcouSort arbetar med akustofluidik – celler påverkas av ljudvågor i mikroflöden, vilket kan användas för att separera eller koncentrera cellpopulationer. För cellterapi är det attraktivt eftersom metoden i grunden kan vara:

• Skonsam (mindre mekanisk stress än vissa alternativa metoder)
• Kontinuerlig (passar flödesbaserade system)
• Integrerbar (kan byggas in som ett steg i en sluten kedja)

Poängen i samarbetet är inte att ”byta ut allt”. Det är att se om AcouSorts steg kan spela snyggt med MFX bioreaktorsystem och därmed minska tiden från prov till stabil expansion.

Bioreaktorsteget är där värdet realiseras

MFX bioreaktorsystem (som samarbetet nämner) representerar den del av kedjan där cellerna ska expandera till rätt mängd och kvalitet. Om du kan komma in i bioreaktorn med rätt cellkoncentration, rätt sammansättning och med mindre variation mellan patienter, så får du:

• Stabilare expansionskurvor
• Färre avbrott i körningen
• Mer förutsägbara kvalitetsutfall

Och här finns en tydlig koppling till AI: när processens indata blir stabilare kan modeller faktiskt bli användbara, i stället för att drunkna i brus.

Där AI gör jobbet: från ”smart utrustning” till smarta flöden

AI i bioteknik blir värdefull när den kopplas till beslut som sparar tid, minskar risk och höjer utbyte. I CAR‑T-produktion handlar det ofta om att gå från reaktiv felsökning till proaktiv styrning.

1) Prediktiv processkontroll i cellexpansion

När cellerna väl är i expansion kan AI användas för att förutsäga hur batchen kommer utvecklas baserat på tidiga signaler:

• Flödesparametrar, temperatur, gasutbyte
• Cellkoncentration och viabilitet från inline- eller atline-mätningar
• Metaboliter (t.ex. glukos/laktat) och pH

En praktisk effekt: modellen kan flagga tidigt om batchen riskerar att falla utanför specifikation och föreslå åtgärder som media-feed, justerad omrörning eller ändrad gasning.

2) AI för provhantering: mindre manuellt, mer robust

I provhanteringen är den stora vinsten ofta minskad variation. Här kan AI stödja genom att:

• Optimera separationsparametrar baserat på provets egenskaper
• Detektera avvikande beteenden i flödesdata (anomalidetektion)
• Koppla historisk batchdata till rekommenderade inställningar

Det blir extra relevant om separationssteget (t.ex. akustisk separation) integreras med bioreaktorn: då kan du skapa en sammanhängande datakedja där AI ser hela flödet.

3) Digital batch release och QA som inte fastnar i Excel

Många organisationer underskattar hur mycket ledtid som försvinner i dokumentation och granskning. AI kan hjälpa till med:

• Automatisk sammanställning av batchrapporter
• Avvikelseklassning och rotorsaksanalys baserat på loggar
• Förslag på CAPA-åtgärder (med mänsklig granskning)

Det här är inte glamoröst. Det är därför det fungerar. De tråkiga minuterna är ofta de dyraste.

En bra tumregel: Om ett steg kräver tre manuella kontroller för att vara säkert, är det kandidaten som ska digitaliseras och modelleras.

Vad samarbetet signalerar för svensk biotech – och varför det spelar roll 2025

Svensk bioteknik vinner när tekniker byggs ihop i praktiska flöden. Ensamma innovationer är lätta att imponeras av i en demo. Det som skapar klinisk och kommersiell effekt är när de går att driftsätta i vardagen.

Från ”komponent” till ”plattformstänk”

Att AcouSort och MFX testar kompatibilitet är ett plattformsmässigt resonemang: kan vi minska överlämningar mellan system? Kan vi göra processkedjan mer sluten? Kan vi förkorta tid till expansion?

Det här är också säsongsmässigt relevant i slutet av året. Många team planerar 2026 års produktions- och utvecklingsroadmap nu. Att ha konkreta integrationsspår att utvärdera (snarare än fler fristående piloter) är ofta det som avgör om en satsning får budget.

Det här kommer regulatorik och upphandling att premiera

Regulatoriskt är trenden tydlig: spårbarhet, reproducerbarhet och riskkontroll väger tungt. Integrerade, datadrivna flöden gör det enklare att:

• Visa kontroll över kritiska processparametrar
• Argumentera för jämförbarhet vid förändringar
• Skala till fler patienter utan att kvaliteten blir ett lotteri

När AI används rätt kan den också bli en del av kontrollstrategin – men bara om datakvaliteten håller. Därför börjar allt med robust provhantering.

Praktiska frågor att ställa om du utvärderar AI och automation i cellterapi

Om du arbetar med cellterapi, bioprocess eller digitalisering är det här checklistan jag själv hade använt i en workshop. Den hjälper dig avgöra om ett samarbete/integration är värt att lägga tid på.

Process och teknik

1. Vilka två moment skapar mest ledtid mellan prov och expansion?
2. Hur många öppna (icke-slutna) handgrepp finns i flödet?
3. Var uppstår variation mellan patienter som påverkar utbytet mest?
4. Kan separationssteget köras kontinuerligt eller semi-kontinuerligt?

Data och AI

1. Vilka mätpunkter har vi idag som är tillförlitliga varje batch?
2. Finns loggar i maskinläsbart format (inte bara PDF)?
3. Har vi tydlig definition av ”bra batch” och ”dålig batch” för träning?
4. Vilka beslut vill vi att AI ska stödja – och vem äger beslutet?

Verksamhet

1. Vad är den tydligaste nyttan: tid, kostnad, kvalitet eller kapacitet?
2. Vilken förändring klarar teamet utan att produktionen störs?

Om du inte kan svara på 5–8 med hyfsad tydlighet är det sällan lönt att börja med ”mer avancerad AI”. Börja med datagrunden och integrerade steg.

Vad du kan göra redan i januari 2026

Om du vill få fart på AI inom läkemedel och bioteknik i just cellterapiflöden finns tre bra startpunkter:

• Kartlägg ledtider steg för steg (med faktiska tider, inte uppskattningar). Många blir överraskade.
• Identifiera ett enda kritiskt överlämningssteg (t.ex. separation → bioreaktor) och gör det till pilot för integration.
• Bygg en ”minsta användbara datamodell”: standardiserade loggar, batch-ID, och 5–10 parametrar som alltid registreras.

När AcouSort och MFX nu tittar på att korta provbearbetning och förenkla vägen in i cellexpansion är det ett bra exempel på hur förbättringar i processen skapar utrymme för AI som faktiskt gör nytta.

Det blir intressant att följa hur många minuter som går att kapa och hur mycket variation som går att ta bort när tekniksteg kopplas ihop. För i cellterapi är hastighet inte en slogan – det är en del av kvaliteten.

Vad skulle hända i din organisation om ni kunde korta tiden från prov till stabil expansion med en enda arbetsdag, utan att öka bemanningen?