Snabbare CAR‑T-produktion: lärdomar från AcouSort–MFX

Det är inte bristen på bra CAR‑T‑idéer som bromsar fältet. Det är fabriken.

När en patient väntar på en autolog CAR‑T‑behandling är tiden inte bara pengar – den är klinisk risk. Varje extra timme i provhantering, varje onödig manuell överföring och varje steg som kräver ”hantverk” ökar sannolikheten för avvikelser, kassationer och förseningar. Därför är notisen om att AcouSort har inlett ett samarbete med MFX (publicerad 2025-12-19) intressant på ett sätt som går långt bortom två bolags pressrader: den pekar på var nästa produktivitetslyft i cellterapi faktiskt kommer ifrån.

Samarbetet handlar om att utvärdera om AcouSorts akustiska cellseparation kan fungera tillsammans med MFX bioreaktorsystem för att korta tiderna för provbearbetning och göra överföringen till cellexpansion smidigare i CAR‑T‑tillverkning. I den här delen av vår serie AI inom läkemedel och bioteknik använder jag samarbetet som en konkret lins: tekniksammanslagningar i processtegen är precis där AI i läkemedelsindustrin kan börja ge mätbar effekt – inte som vision, utan som produktion.

Varför provhantering är flaskhalsen i CAR‑T

CAR‑T-tillverkning faller ofta på de ”tråkiga” delarna: provlogistik, beredning, selektion, tvätt och överföring. Det är här variabiliteten smyger in.

I en typisk autolog kedja ska patientens celler samlas in, bearbetas och expanderas – och det ska ske under hårda kvalitetskrav. Om provbearbetningen tar för lång tid kan cellkvaliteten påverkas, och om stegen är för manuella blir processen svår att skala. Resultatet är en dubbel press:

• Kliniken vill ha snabbare “vein-to-vein”-tid (från insamling till infusion).
• Tillverkningen vill ha stabilare, mer standardiserade processer som går att upprepa utan att vara beroende av enskilda operatörer.

Det är just i den spänningen ett samarbete som AcouSort–MFX blir relevant: om du kan reducera friktion i provhantering och få en renare överlämning till bioreaktorn, kan du ofta vinna tid utan att kompromissa med kvalitet.

Det många missar: överlämningar skapar fel

Många produktionsproblem uppstår inte i själva expansionen, utan i övergångarna.

Varje gång celler flyttas mellan system skapas risker:

• kontaminationsrisk
• felmärkning och spårbarhetsbrister
• cellförluster
• variation i skjuvkrafter och temperatur
• ökade ledtider (köer, väntetider, handpåläggning)

Om en teknik kan minska antalet ”händer och slangar” mellan prov och expansion, är det en direkt väg till högre robusthet.

Vad samarbetet AcouSort–MFX signalerar

Kärnan i notisen är enkel: parterna vill testa om AcouSorts teknik går att kombinera med MFX bioreaktorsystem för att effektivisera provbearbetning och föra materialet snabbare in i cellexpansion.

Det här är inte bara ett integreringsprojekt. Det är en markör för hur cellterapifältet mognar.

Från ”maskin per steg” till sammanhängande flöden

Historiskt har många cellterapiprocesser byggts som en kedja av separata verktyg – ett för separation, ett för aktivering, ett för expansion, ett för formulering. Det fungerar i liten skala, men blir dyrt och sårbart i större.

När bolag börjar fokusera på kompatibilitet mellan steg händer tre saker:

1. Cykeltiden krymper (mindre väntan och färre manuella moment).
2. Data blir mer sammanhängande (lättare att följa cellernas resa).
3. Kvalitetssystem förenklas (färre gränssnitt och avvikelser).

Det är exakt den typen av processinnovation som brukar ge störst effekt per investerad krona.

Varför bioreaktorn är en strategisk nod

Bioreaktorn är ofta det steg där mycket ”värde” skapas: expansion, näringsstyrning, ibland closed-system-logik. Om ingångsmaterialet är ojämnt – i cellkomposition, viabilitet eller volym – blir kontrollen svårare.

Om AcouSort kan bidra till en mer definierad, snabbare och skonsam provberedning innan MFX-systemet tar vid, kan det ge:

• stabilare startpopulation för expansion
• mindre variation mellan batcher
• enklare parameterstyrning i bioreaktorn

Det betyder inte att allt är löst. Men det är ett tydligt steg från ”vi har en bra komponent” till ”vi har ett bättre flöde”.

Där AI faktiskt gör nytta: provflöde, kvalitet och beslut

AI i bioteknik pratas ofta om i samband med target discovery och molekyldesign. Bra, men långt från patientens behandlingstillfälle. I cellterapi är det mer pragmatiskt: AI kan kapa tid och avvikelser i produktion.

Här är tre konkreta AI‑områden som passar som hand i handske med ett AcouSort–MFX‑upplägg.

1) Prediktiv styrning av processtider och kapacitet

När processen blir mer integrerad kan du börja förutsäga ledtider på riktigt.

Med historiska batchdata och realtidsdata (volymer, cellräkning, viabilitet, temperaturprofil, pumpflöden) kan ML‑modeller användas för att:

• prognostisera om en batch riskerar att bli sen innan den är sen
• optimera schemaläggning i anläggningen
• prioritera prover när kapaciteten är pressad

Det låter administrativt, men effekten är klinisk: kortare väntan och färre ombokningar.

2) AI för avvikelsedetektering i realtid

Closed och semi-closed system ger mer sensordata. AI kan då fungera som ett ”tidigt varningssystem”.

Exempel på mönster som går att fånga:

• avvikande flödeskurvor som tyder på igensättning
• temperaturdrift som korrelerar med lägre viabilitet
• oväntade cellförluster mellan steg (som annars upptäcks för sent)

Nyckeln är att bygga modellerna så att de är validerbara och kan användas i en GxP‑miljö. Det kräver disciplin: tydliga datadefinitioner, versionshantering och spårbarhet.

3) Beslutsstöd: ”Go/No-go” innan expansion

Ett av de dyraste misstagen är att köra vidare med ett prov som redan från början har låg sannolikhet att nå produktkrav.

Med bättre provhantering och tydliga datapunkter kan AI‑baserat beslutsstöd hjälpa till att:

• avgöra om materialet ska gå direkt till expansion
• föreslå extra tvätt/separation
• flagga för att ny leukafares kan behövas

Det är känsligt, eftersom besluten påverkar patienten. Men just därför är systematik bättre än magkänsla.

En praktisk tumregel: ju tidigare i kedjan du kan upptäcka låg sannolikhet för “pass”, desto mindre slöseri och desto snabbare omtag.

Vad betyder det här för företag som vill bygga eller skala cellterapi?

Om du jobbar med cellterapi, CDMO, processteknik eller digitalisering i life science finns det flera tydliga lärdomar att dra redan nu – innan resultaten från samarbetet är offentliga.

Prioritera integration över ”ännu ett verktyg”

De flesta organisationer kan köpa fler instrument. Få kan få dem att bete sig som en sammanhängande produktionslina.

När du utvärderar teknik (separation, bioreaktor, analyssystem), ställ frågor som:

• Hur ser överlämningen ut mellan steg – mekaniskt, digitalt och regulatoriskt?
• Vilka data genereras, och kan de mappas till batch record utan specialbyggen?
• Hur många manuella moment elimineras i praktiken?

Räkna på tid i timmar, inte bara kostnad per batch

Kostnad är viktig, men i CAR‑T blir tidsbesparing ofta den verkliga hävstången: fler batcher per vecka, kortare köer, mindre stress i QA.

Ett enkelt sätt att komma igång är att göra en ”time map” av processen:

1. Lista alla steg från provmottagning till expansionstart.
2. Mät faktisk tid (inklusive väntan).
3. Markera steg med manuell handpåläggning och överföringar.

Det är nästan alltid där de snabbaste vinsterna finns.

Bygg AI‑beredskap: datakvalitet och standarder

AI i produktion misslyckas sällan på grund av algoritmen. Det faller på data.

Tre saker jag tycker alla team borde göra under 2026 om de menar allvar:

• Standardisera variabelnamn och enheter (inga ”Temp2_final_final”).
• Säkra tidsstämpling i varje kritiskt steg.
• Definiera “golden batch”-referenser som modeller kan jämföras mot.

Det är inte glamoröst. Det är effektivt.

Vanliga frågor (som alltid kommer upp)

Är snabbare provhantering alltid bättre?

Nej. Snabbare är bara bättre om cellkvaliteten och spårbarheten hålls stabila. I cellterapi måste tidsvinsten komma från färre överlämningar, mindre väntan och bättre standardisering – inte från att ”skynda” genom kritiska moment.

Kan AI användas i GxP-miljö utan att bli en valideringsmardröm?

Ja, men bara om du designar för det från start: tydlig modellversionering, låst träningsdata, spårbara features och definierad användning (t.ex. beslutsstöd snarare än autonom styrning i första läget).

Varför samarbeten mellan teknikbolag blir vanligare nu

Cellterapi har rört sig från pionjärfas till industrialisering. När marknaden kräver repeterbarhet och skala blir kompatibilitet och flödesdesign viktigare än enskilda ”bästa” delkomponenter.

Nästa steg: från pilotintegration till datadriven produktion

AcouSort och MFX sätter fingret på rätt problem: provbearbetning och överföring till cellexpansion är där tid, kvalitet och kostnad möts. Om samarbetet leder till ett mer sammanhängande flöde är det en konkret illustration av vart cellterapiproduktion är på väg – och varför AI i läkemedel och bioteknik behöver börja i processerna, inte i PowerPoint.

Om du arbetar med cellterapi och vill få ut mer av din produktionskedja under 2026: börja med att kartlägga överlämningar, rensa datagrunden och välj ett enda processteg där AI kan ge tydlig effekt (t.ex. avvikelsedetektering). När det fungerar kan du skala.

Vilket steg i er CAR‑T‑kedja skulle ge störst klinisk nytta om ni kapade 12 timmar – och har ni datan som krävs för att göra det säkert?