När en partner backar: AI som säkrar vaccinutveckling

MSD valde den 2025-12-19 att inte utnyttja sin option för att gå vidare med Evaxions gonorrévaccinkandidat EVX-B2. Resultatet är tydligt: Evaxion får tillbaka de globala rättigheterna och behöver hitta en ny licenspartner – samtidigt som bolaget säger att kassaflödesprognosen till andra halvåret 2027 inte påverkas eftersom någon affär inte låg i budget.

Många tolkar sådana besked som ett “nej” till vetenskapen. Jag tycker det är en förenkling. Den här typen av beslut handlar ofta om portföljprioritering, risk/avkastning och tajming – inte bara om prekliniska datapunkter.

För oss som följer serien AI inom läkemedel och bioteknik är caset extra intressant: det visar hur sårbar vaccinutveckling kan bli när den hänger på en partnerstrategi, och varför AI i läkemedelsutveckling inte bara handlar om att hitta nya targets. Det handlar också om att optimera beslut, minska friktion i överlämningar och hålla utvecklingen igång när spelplanen ändras.

Vad betyder MSD:s beslut i praktiken?

MSD:s beslut betyder en sak direkt: Evaxion äger åter hela projektet EVX-B2 och kan själva driva vidare utveckling och/eller söka ny partner. Det kan låta som ett steg bakåt, men i praktiken är det ofta mer nyanserat.

En option är ett sätt för ett storbolag att “reservera en stol” utan att ta hela risken direkt. När optionen inte utnyttjas kan det bero på att:

• Intern portfölj konkurrerar: ett annat vaccin- eller antiinfektivt program kan ha gått före i prioritet.
• Kommersiell osäkerhet: marknadsstorlek, betalningsvilja och implementering kan vara svårare än den medicinska logiken.
• Utvecklingsrisk: prekliniska resultat kan vara lovande men fortfarande långt från klinisk validering.
• Strategisk tajming: storbolaget vill vänta på mer data, eller på att fältet rör sig (t.ex. regulatoriskt).

Det viktiga för Evaxion är att bolaget kommunicerar att beslutet inte ändrar runway till H2 2027. Det är en konkret signal till investerare och partners: projektet kan drivas utan akut finansieringsstress.

Varför gonorré är ett vaccinområde som lockar – men också skrämmer

Gonorré är en av de mest prioriterade sexuellt överförbara infektionerna globalt eftersom resistensutveckling gör behandlingen svårare över tid. Men vaccinutveckling här är knepig:

• Patogenen har immundodging-mekanismer och varierar antigen.
• Kliniska endpoints och studiedesign kan bli komplexa.
• Implementering kräver ofta samspel med sexualhälsa, screening och beteendefaktorer.

Det är exakt sådana “messy problems” där AI kan bidra – inte genom magi, utan genom att göra beslutsunderlag snabbare, bredare och mer robusta.

EVX-B2 och varför prekliniskt lovande inte räcker för en deal

Evaxion beskriver EVX-B2 som en kandidat med lovande prekliniska resultat, inklusive en mRNA-version i samarbete med Afrigen Biologics. Det säger något om strategi: parallella spår (klassisk vaccinplattform och mRNA) kan öka chansen att hitta rätt balans mellan immunogenicitet, säkerhet och tillverkning.

Men här är ett mönster jag sett om och om igen i biotech: “Lovande prekliniskt” kan betyda allt från en stark musdata-signal till en bred, reproducerbar effekt med tydlig mekanism och god translaterbarhet. Och storbolag gör sällan en tung commitment innan de ser:

1. Tydligare “human relevance” (t.ex. starka correlates of protection, humana ex vivo-modeller, eller biomarkörer).
2. Tillverknings- och CMC-mognad (stabilitet, skalbarhet, batch-konsistens).
3. Regulatorisk plausibilitet (vilken väg till godkännande är realistisk?).

Det innebär inte att EVX-B2 är svagt. Det innebär att affärslogiken kan kräva mer datapaket än vad optionens tidpunkt gav.

AI som brygga mellan preklinik och partnerkrav

AI i bioteknik kan här fungera som en översättningsmotor mellan forskning och affär. Konkret kan AI hjälpa team att:

• prioritera vilka antigen/epitoper som mest sannolikt ger brett skydd över stammar,
• förutse immunogenicitet baserat på sekvens- och strukturdata,
• bygga tidiga modeller för go/no-go som väger in effekt, säkerhet, CMC-risk och tidslinje.

En bra AI-approach ersätter inte immunologer eller kliniker – den gör deras val mer spårbara och snabbare att kommunicera till en partner.

Partnerskap i vaccinutveckling: det de flesta bolag missar

De flesta bolag pratar om partnerskap som om det bara handlade om “kapital och distribution”. Den verkliga svårigheten är kontinuitet: att säkra att kunskap, data och beslut inte sitter i huvudet på ett par nyckelpersoner eller i ett par slides.

När en partner backar uppstår nästan alltid tre risker:

1. Tappad momentum – teamet skiftar fokus medan man letar ny partner.
2. Fragmenterad evidens – data finns, men narrativet och logiken bakom prioriteringar är svåra att rekonstruera.
3. Försvagad förhandlingsposition – osäkerhet tolkas som risk, även om den är hanterbar.

AI för partnerstrategi: från magkänsla till beslutslogg

Här finns en tydlig, praktisk roll för AI: att bygga ett “partnerskapslager” ovanpå utvecklingsarbetet.

Det kan låta abstrakt, men tänk så här: en partner vill snabbt förstå projektets risker och värdedrivare. AI kan hjälpa till att skapa ett standardiserat, uppdaterat beslutsunderlag som inte tar tre månader att sammanställa.

Exempel på vad ett AI-stött partnerpaket kan innehålla:

• Risk heatmap för preklinik, CMC, klinik, regulatoriskt och kommersiellt, med tydliga antaganden.
• Scenariomodeller: vad händer med värde och tidslinje om vi väljer plattform A vs B?
• Konkurrens- och landskapsanalys som uppdateras löpande (utan att teamet lägger veckor på manuellt arbete).
• “Narrative consistency check”: AI som flaggar när nya data motsäger tidigare hypoteser eller när endpoints inte längre matchar indikationen.

Poängen är inte att AI “bestämmer” partner. Poängen är att AI gör det svårare att hamna i läget där projektet känns otydligt bara för att partnerrelationen ändrats.

Så kan AI hålla EVX-B2 (och liknande program) på räls

När Evaxion nu driver vidare och söker ny licenspartner blir frågan operativ: hur undviker man att partnerskapsförändringen bromsar R&D? Jag tycker man ska tänka i tre spår.

1) Datakontinuitet: ett gemensamt språk för evidens

Ett av de snabbaste sätten att tappa fart är att data finns i olika system, olika format och med olika definitioner. Med AI-stödda arbetsflöden (och strikt datastyrning) kan man skapa:

• en gemensam ontologi för antigen, assays, endpoints och batchar,
• automatiserad kvalitetskontroll av datapipelines,
• spårbarhet från rådata → analys → beslut.

Det här är tråkigt arbete. Men det är också det som gör att en ny partner snabbt kan säga “ja” istället för “vi behöver sex månader till för due diligence”.

2) Snabbare hypotescykler: bättre beslut per vecka

Vaccinutveckling är iteration: antigenval, adjuvans/leverans, dosering, immunprofil. AI kan korta cyklerna genom att:

• föreslå experiment som maximerar informationsvärde (aktiv inlärning),
• hitta mönster i immunprofiler som annars kräver stora team,
• förutse vilka kombinationer som sannolikt faller på tox eller tillverkning.

Den typen av “bättre beslut per vecka” är ofta mer värdefull än en enskild stor genombrottsgraf.

3) Kommersiell realism tidigt: vad ska bevisas, för vem?

Ett gonorrévaccin kan ha stor samhällsnytta, men kommersiell logik är fortfarande nödvändig för att få stora partners att satsa. AI kan användas för att:

• modellera möjliga introduktionsstrategier (målgrupper, regioner, program för sexualhälsa),
• simulera pris- och volymscenarier,
• identifiera vilka evidenskrav betalare och myndigheter sannolikt kommer ställa.

Det minskar risken att projektet optimeras för fel mål.

En mening som ofta stämmer: “Partnern köper inte din data – de köper din förmåga att göra nästa steg säkert.”

Vanliga följdfrågor (och raka svar)

Betyder “optionen utnyttjas inte” att projektet är dött?

Nej. Det betyder att storbolaget inte tar nästa avtalssteg just nu. Projektet kan fortfarande vara starkt, särskilt om ägaren har kapital och plan för nästa datapunkt.

Är det här ett misslyckande för Evaxion?

Inte nödvändigtvis. Ett misslyckande vore om man saknar plan för att fortsätta och inte kan paketera projektet för nästa partner. Evaxions runway till H2 2027 ger handlingsutrymme.

Var kommer AI in konkret för ett biotechteam?

I praktiken i tre saker: prioritering, dokumentation av beslut och snabbare iteration. Det är där tid och pengar sparas, och där partnerförtroende byggs.

Nästa steg: gör partnerstrategi till en del av utvecklingsstrategin

MSD:s besked om EVX-B2 är en påminnelse om att vaccinutveckling inte bara är immunologi. Det är också portföljdynamik och beslut under osäkerhet. De bolag som klarar svängarna är ofta de som kan hålla ihop tre världar samtidigt: data, berättelse och leveransplan.

Om du arbetar i biotech eller läkemedel och vill skapa fler “ja” och färre utdragna “kanske”, börja där det gör ont:

• Har ni en levande riskmodell som uppdateras med ny data?
• Kan ni på två veckor producera ett partnerpaket som håller för due diligence?
• Vet ni vilka datapunkter som faktiskt minskar kommersiell risk, inte bara vetenskaplig?

AI inom läkemedel och bioteknik är som mest användbart när det gör teamet snabbare i vardagen och tydligare i besluten. När nästa partner knackar på dörren ska projektet kännas lätt att ta över – inte som ett pussel.

Vad tror du är den största flaskhalsen för att göra vaccinutveckling “partner-ready”: data, CMC eller den kommersiella planen?