HPV-vaccin: starkare skydd – och vad AI kan göra nu

37%. Så mycket lägre risk för höggradiga cellförändringar i vulva och vagina sågs hos vaccinerade kvinnor i en ny svensk registerstudie. Och för dem som vaccinerats före 17 års ålder var siffran 55%.

Det här är mer än ännu en ”vacciner fungerar”-rubrik. Det är ett datapunktstarkt kvitto på att prevention ofta ger bredare effekt än vi först mäter – och en påminnelse om att Sverige sitter på en unik kombination av registerdata, forskningsmiljöer och vårdinfrastruktur. För oss som jobbar med AI inom läkemedel och bioteknik pekar resultaten också på något konkret: när vi kan mäta effekt på fler utfall och i större populationer, blir AI inte en teknikdemo utan ett praktiskt verktyg för snabbare, säkrare beslut.

Studien kommer från Karolinska institutet och bygger på nära 779 000 kvinnor födda 1985–1998. Forskarna kopplar det fyravalenta HPV-vaccinet (typer 6, 11, 16 och 18) till minskad risk för allvarliga cellförändringar även utanför livmoderhalsen. Här går jag igenom vad som faktiskt betyder något i resultaten – och hur AI kan hjälpa läkemedels- och biotech-team att hitta nästa ”extra skyddseffekt” snabbare.

Vad studien visar – siffrorna som spelar roll

Studien visar en tydlig association: HPV-vaccination hänger ihop med lägre risk för höggradiga cellförändringar i vulva och vagina, inte bara i livmoderhalsen.

I praktiken är det viktigt av två skäl. För det första: cellförändringar i vulva/vagina är ovanligare än cervixförändringar, vilket gör att många studier blir för små eller för korta för att ge stabila skattningar. För det andra: om vaccinet har effekt på flera anatomiska platser, stärker det logiken bakom att se HPV-prevention som ett bredare cancerskydd.

Kort om upplägget (och varför det är relevant)

Forskarna använde svenska hälsoregister för att följa 778 943 kvinnor över tid och jämförde de som fått minst en dos med de som inte vaccinerats. Resultaten justerades för flera bakgrundsfaktorer (t.ex. ålder, utbildning, inkomst och moderns sjukdomshistoria), vilket är centralt i registerstudier där randomisering saknas.

Resultaten i klartext

• 37% lägre risk för allvarliga cellförändringar i vulva och vagina hos vaccinerade jämfört med ovaccinerade.
• 55% lägre risk hos dem som vaccinerats före 17 års ålder.

Det är svårt att överskatta betydelsen av den ålderseffekten. Den stödjer en princip som folkhälsan ofta kan, men ibland slarvar med i praktiken: timing slår mycket annat.

Varför tidig vaccination ger starkare skydd

Tidig vaccination ger bäst skydd eftersom den träffar innan sannolik exponering för HPV blir hög.

HPV smittar vid sexuell kontakt och många infektioner är övergående, men vissa typer (framför allt 16 och 18) kan leda till långvarig infektion och i förlängningen cellförändringar. Vaccinets styrka ligger i att förhindra infektion (eller minska sannolikheten kraftigt) innan den etableras.

Det praktiska ”före 17” handlar om mer än biologi

Ja, det handlar om immunologiskt skydd och exponering. Men det handlar också om programdesign:

• Vaccination i skolan når fler och jämlikare.
• Det blir färre missade doser när det sker strukturerat.
• Tröskeln för att ”komma ikapp” senare i livet är högre än många tror.

Jag har sett flera verksamheter lägga stort fokus på kommunikation (viktigt) men missa det logiska: om logistiken inte sitter blir kommunikationen ett plåster på en läckande kran.

Bredare skyddseffekter: vad det betyder för prevention och vård

Att HPV-vaccin skyddar mot fler cellförändringar än de mest kända (cervix) förändrar hur vi bör prata om prevention.

Det påverkar tre nivåer: individ, vårdflöde och policy.

För individen: ett mer komplett beslutsunderlag

När människor hör ”livmoderhalscancer” tänker många att frågan inte gäller dem (t.ex. pojkar/män) eller att nyttan är smal. Men HPV kan kopplas till flera cancerformer och förstadier. Ett tydligare budskap är därför:

HPV-vaccination är ett bredare skydd mot HPV-relaterade cellförändringar – inte en singelåtgärd för en diagnos.

Det gör samtalet med vårdnadshavare enklare och mindre laddat. Fokus flyttas från moraliserande kring sexualitet till det det faktiskt är: prevention.

För vården: screening och vaccination är ett paket

Vaccin ersätter inte screening, men det kan förändra hur screeningprogrammen behöver dimensioneras över tid.

När populationen får högre vaccintäckning kan vi förvänta oss:

• färre utredningar och behandlingar av höggradiga förändringar
• minskad belastning på gynekologiska mottagningar
• mer utrymme för att fokusera på grupper med lägre täckning eller högre risk

Det här är ett område där precision health blir konkret: rätt insats till rätt grupp vid rätt tidpunkt.

För policy: ett argument för jämlik implementering

Om tidig vaccination ger 55% lägre risk i detta utfall, blir det en politisk och organisatorisk fråga att säkra att alla faktiskt får samma chans att vaccineras tidigt.

I praktiken innebär det att mäta (och agera på) skillnader mellan skolor, kommuner och regioner – och att ta igen tapp snabbt.

Var AI passar in: från registersignal till beslut som håller

AI kan bidra genom att snabbare hitta, validera och operationalisera bredare skyddseffekter av vaccin – utan att tumma på säkerhet och transparens.

Det är här många företag och FoU-team går fel. De börjar med en modell, inte med ett beslut. Bättre startpunkt är: vilket beslut vill vi kunna ta tidigare – och med bättre evidens?

1) AI för snabbare effektanalys i stora datamängder

Registerstudier bygger på enorma mängder data och komplexa samband. AI och maskininlärning kan:

• hitta mönster i subgrupper (ålder, socioekonomi, region)
• föreslå robusta jämförelsegrupper (t.ex. matchning)
• upptäcka bias (t.ex. ”healthy vaccinee”-effekt) tidigare i analysen

Det betyder inte att man ska ”låta modellen bestämma”. Men AI kan vara en kompetent medanalytiker som skalar det som annars tar månader.

2) AI för att förutsäga vilka utfall som bör följas

Ett återkommande problem i prevention är att vi mäter det som är standard, inte det som är mest informativt. Med AI-stödd litteraturanalys och signalspaning kan team identifiera:

• närliggande utfall (förstadier, biomarkörer)
• anatomiska platser eller cancerformer som sannolikt påverkas
• rimliga tidshorisonter för när effekter kan synas

Det är extra relevant nu, i slutet av 2025, när vården generellt pressas av bemanning och ekonomi. Att välja rätt uppföljningsmått är ett sätt att få mer evidens per investerad krona.

3) AI i utvecklingen av nästa generations vaccin

Nästa steg är inte bara ”fler doser” eller ”mer täckning”, utan smartare design:

• bättre antigenval
• optimerade adjuvansstrategier
• effektivare klinisk studieplanering

Här kan AI bidra med prediktioner kring immunogenicitet, simulering av studiedesign och bättre urval av studiedeltagare. För biotech-bolag blir det en konkurrensfördel att kunna visa att man kan komma till tydliga beslut med färre iterationer.

Vanliga frågor jag får (och raka svar)

Skyddar HPV-vaccin bara om man vaccinerar sig tidigt?

Nej, man kan ha nytta även senare. Men den här studien visar att skyddet mot höggradiga förändringar i vulva/vagina var starkast före 17 års ålder – vilket stödjer tidig vaccination.

Räcker en dos?

Studien jämförde ”minst en dos” mot ingen vaccination. I program och klinisk praxis styr rekommendationer dosantal. Poängen här är att även vid den grova indelningen syns en tydlig skyddseffekt.

Varför är registerdata så värdefullt för läkemedel och bioteknik?

För att det kan ge storskalig real-world evidence: hur en insats fungerar i verkligheten, över tid, i hela populationer. Det kompletterar kliniska studier och kan upptäcka bredare effekter och långtidsskydd.

Nästa steg: vad företag och vårdaktörer bör göra 2026

Om jag skulle prioritera tre saker inför 2026, baserat på den här typen av resultat, skulle det vara:

1. Mät täckning och ålder vid vaccination hårdare – timing är en förstklassig KPI.
2. Koppla vaccination till precisionsuppföljning – vilka grupper behöver extra stöd, på riktigt?
3. Bygg AI-kapacitet kring evidens, inte bara produkt – modeller som stödjer regulatoriska och kliniska beslut är de som skapar värde.

Det är också en bra påminnelse till alla som arbetar med AI inom läkemedel och bioteknik: det mest intressanta är sällan att AI kan ”förutsäga” något. Det intressanta är att AI kan hjälpa oss bevisa något snabbare, med färre blinda fläckar.

Vaccinens framtid handlar inte bara om att förebygga en sjukdom i taget. Den handlar om att förstå hur prevention spiller över i flera utfall – och att bygga system som hittar de effekterna tidigt. Vilken HPV-relaterad cancerform tror du blir nästa där vi kan visa tydlig minskning med bättre data och smartare analys?