När storbolag backar: AI-väg fram för gonorrévaccin

MSD väljer att inte utnyttja sin option på Evaxions gonorrévaccinkandidat EVX-B2. Det låter som en baksmälla två dagar före jul, men det är inte automatiskt dåliga nyheter. När en stor partner kliver åt sidan händer något som många bioteknikbolag faktiskt behöver: strategisk klarhet.

För Evaxion betyder beslutet att de återfår globala rättigheter och kan forma programmet utan att kompromissa för en enskild partners portföljlogik. För alla oss som följer AI inom läkemedel och bioteknik är det här en nyttig fallstudie i hur licensstrategi, data och plattformsval hänger ihop. För gonorré är inte “ännu en indikation” – det är en infektion där antibiotikaresistens pressar fram ett vaccinbehov som marknaden länge skjutit framför sig.

En sak är säker: när big pharma tackar nej betyder det inte att vetenskapen är fel. Ofta betyder det att timing, riskprofil eller portföljprioriteringar inte matchar.

Vad det faktiskt betyder när MSD inte tar optionen

Beslutet i sig är tydligt: MSD går inte vidare med optionen för EVX-B2. Evaxion får tillbaka rättigheterna och kan nu söka en ny licens- eller utvecklingspartner. Bolaget har samtidigt kommunicerat att kassaflödesprognosen inte påverkas och sträcker sig till andra halvåret 2027, eftersom en affär med MSD inte var inräknad.

Det här är värt att stanna vid. Många marknadsreaktioner på “partner hoppar av” utgår från att hela affärscaset faller. Men om kapitalplanen redan är byggd utan milstolpar och upfronts från en partner så handlar nyheten mer om vägval än om överlevnad.

Vanliga skäl till att storbolag backar (utan att projektet är “dött”)

När jag tittar på licensaffärer i vaccin- och infektionsfältet ser jag ofta samma mönster:

• Portföljträngsel: intern konkurrens om utvecklingsresurser, särskilt i klinik och CMC.
• Tidslinje: vaccin kräver ofta längre datauppbyggnad och tydliga korrelat för skydd.
• Kommersiell osäkerhet: betalningsvilja, upphandling och målgruppsdefinitioner kan vara oklara.
• Riskjusterad avkastning: storbolag jämför mot andra projekt med snabbare “proof”.

För en AI-driven biotech blir frågan: kan vi minska osäkerheten snabbare än tidigare? Om svaret är ja, blir nästa partnerdiskussion helt annorlunda.

Gonorré 2025: varför vaccinfönstret är öppet igen

Gonorré har länge varit ett område där vården lappat och lagat med antibiotika. Men resistensläget gör att “behandla när det händer” blir en sämre strategi för varje år. Det är också därför vaccinfältet fått ny energi: behovet är tydligt, och samhällskostnaderna (infertilitet, komplikationer, smittspridning) är svåra att ignorera.

Det finns dessutom en realitet som gynnar nya vaccinprogram: regulatorer och folkhälsomyndigheter är mer vana vid att utvärdera nya vaccinteknologier än före pandemin. Det betyder inte att kraven är lägre – men vägen är mer kartlagd.

Varför gonorré är en knepig vaccinutmaning

Neisseria gonorrhoeae är skicklig på att undvika immunförsvaret. Variation i ytproteiner, komplexa immunsvar och svårigheten att hitta stabila mål gör att traditionella “en antigen–en lösning”-upplägg ofta blir för svaga.

Det är här AI i läkemedelsutveckling blir relevant på riktigt. Inte som buzzword, utan som ett sätt att:

• prioritera vilka antigenkombinationer som sannolikt ger brett skydd
• modellera epitoper och immunogenicitet tidigt
• minska antalet experimentella iterationer

EVX-B2 och mRNA-spåret: vad Evaxion kan göra nu

Evaxion beskriver lovande prekliniska resultat och att en mRNA-version utvecklas i samarbete med Afrigen Biologics. Det är strategiskt smart av två skäl.

För det första: mRNA kan korta iterationstiden. Om antigenurvalet behöver justeras, går det ofta snabbare än vid mer klassiska proteinbaserade processer.

För det andra: Afrigen-kopplingen signalerar industriell relevans och en vilja att bygga kapacitet i ett bredare ekosystem. Det kan i sin tur göra programmet mer attraktivt för partners som värdesätter leveransbarhet och tillverkning lika mycket som biologi.

“När storbolag backar” – den konstruktiva tolkningen

Evaxion sitter nu med en möjlighet som många biotechbolag saknar: rättigheter + runway. Det öppnar för att designa nästa steg utan panik.

En realistisk plan är att fokusera på:

1. Skärpa målprofilen (TPP): Vem ska vaccinet skydda, när och hur ofta? Vilken effekt är kliniskt meningsfull?
2. Bygga ett datapaket som svarar på partners frågor: inte fler grafer, utan rätt grafer.
3. Välja rätt affärsmodell: licens, co-development, regionala avtal eller ett konsortium.

Det är här AI kan bli en konkret accelerator.

Så hjälper AI biotechs att re-strategisera efter en förlorad partner

När en option inte tas uppstår ett vakuum: Vad ska vi bevisa härnäst, och för vem? AI kan göra den frågan mer empirisk.

AI i antigen- och epitopdesign

Nyckeln i vaccin mot bakterier är ofta kombinationer: flera antigen, flera epitoper, balans mellan bredd och styrka. Med ML-modeller som tränas på immunologiska dataset (och kompletteras med strukturella prediktioner) kan team:

• ranka antigenkandidater baserat på konservationsgrad och sannolik immunogenicitet
• simulera hur mutationer kan påverka bindning och presentation
• designa multivalent formulering mer systematiskt

Det minskar risken att man springer på den klassiska smällen: “starkt svar i en modell, svagt i nästa”.

AI för att välja bästa prekliniska väg (och spara månader)

Det mest underskattade värdet av AI i R&D är beslutsstöd:

• vilka djurmodeller och readouts korrelerar bäst med önskad human effekt?
• vilka assay-uppsättningar ger mest information per krona?
• var finns datapunkter som en framtida partner måste se innan de signar?

Jag brukar kalla det “att köpa tid tillbaka”. Och i vaccinprogram är tid ofta den dyraste valutan.

AI i CMC och tillverkningsstrategi

Partners tvekar ofta inte på biologi, utan på CMC-risk. För mRNA särskilt gäller frågor om skalning, stabilitet, kvalitetsattribut och leverantörskedja.

AI kan här bidra med:

• prediktiva modeller för stabilitet och degradering
• kvalitetsövervakning och processoptimering i tidig tillverkning
• robustare “design space” som gör regulatoriska diskussioner smidigare

Det är inte lika glamoröst som antigen-design. Men det är ofta där affärer vinns.

Licensstrategi 2026: så gör EVX-B2 mer partnerbart

Det finns en bättre väg än att bara “leta ny partner”. Målet är att göra programmet lätt att köpa.

Bygg en partnerpitch som börjar i risk, inte i vision

Storbolag och större vaccinspelare tänker i riskmatriser. En bra partnerpitch svarar tidigt på:

• Vad är den största biologiska risken – och vad har ni gjort för att sänka den?
• Vad är den största CMC-risken – och vad är planen för att eliminera den?
• Vad är regulatorisk väg – och vilka endpoints är realistiska?

När det sitter, kan visionen komma efteråt.

Välj partnerprofil: “vaccinmaskin” eller “strategisk nischspelare”

Evaxion kan ta två tydliga spår:

• Större vaccintillverkare: bra för global kommersialisering, men högre krav på moget datapaket.
• Nischade infektionsbolag/regionella partners: snabbare beslut, men kan kräva fler steg av Evaxion innan exit.

Ett tredje alternativ är en konsortiemodell (akademi, NGO, regional industri), särskilt om folkhälsoargumentet väger tungt.

People also ask (fast på svenska)

Är det ett dåligt tecken att MSD inte tar optionen? Inte nödvändigtvis. Det är ett tecken på att projektets risk/timing inte matchade MSD:s prioriteringar just nu.

Vad vinner Evaxion på att få tillbaka rättigheterna? De kan styra utvecklingsplan, partnerstrategi och affärsmodell – och de kan förhandla från en position där rättigheter inte är låsta.

Var kommer AI in konkret? I antigenprioritering, epitopdesign, experimentplanering, analys av prekliniska data, samt CMC-optimering och kvalitetskontroll.

Nästa steg för biotechs som vill skapa leads med AI (utan att bli säljiga)

Om du jobbar i biotech eller läkemedel och vill använda AI mer praktiskt – det här är vad jag hade gjort under Q1 2026:

1. Kartlägg beslutspunkter i programmet (go/no-go) och koppla data till varje punkt.
2. Identifiera var osäkerheten är dyrast (tid, CMC, immunogenicitet) och sätt AI där.
3. Bygg ett “partner-ready” datapaket: tydliga grafer, standardiserade analyser, spårbarhet.
4. Sätt governance tidigt: datakvalitet, model risk management, validering – särskilt om ni siktar på klinik.

Det är också här många företag vill ha extern hjälp: att gå från “vi har testat en modell” till en reproducerbar AI-arbetsprocess som tål due diligence.

Vad jag tar med mig från MSD–Evaxion-händelsen

Det mest intressanta är inte att MSD sa nej. Det intressanta är vad Evaxion kan göra med ja:et till sin egen plan. Med rätt prioriteringar kan EVX-B2 gå från “lovande prekliniskt program” till ett projekt där nästa partner känner att riskerna är avgränsade och tidslinjen begriplig.

För AI inom läkemedel och bioteknik är lärdomen enkel: AI är som mest värdefull när den hjälper dig välja nästa experiment och nästa affärsdiskussion – inte när den bara producerar fler resultat.

Om 2026 blir året då fler vaccinprogram byggs med AI som beslutsmotor snarare än sidoprojekt, kommer vi se fler “optioner som inte togs” följas av starkare, snabbare andra rundor. Vilket program blir först med att visa det på riktigt?