Motoriserade biopsier i USA: data som matar AI i vården

Q4-försäljningen för BiBBInstruments i USA är redan 170 % högre än Q3. Det är en siffra som sticker ut, inte för att den i sig bevisar en långsiktig succé, utan för att den pekar på något som många inom läkemedel och biotech ofta underskattar: diagnostikens kvalitet avgör hur snabbt AI kan skapa kliniskt värde.

När en ny endoskopisk teknik börjar få fäste på amerikanska universitetssjukhus handlar det inte bara om ett svenskt exportcase. Det handlar om ett tydligt tecken på att vården rör sig mot mer standardiserad provtagning, mer tillförlitlig patologi och i förlängningen mer användbara data för AI-modeller som stödjer precisionsmedicin.

I den här delen av vår serie ”AI inom läkemedel och bioteknik” tar jag BiBBInstruments framfart i USA som startpunkt och zoomar ut: varför motoriserade biopsier är intressanta för AI, vad som faktiskt krävs för att skala i USA 2026, och hur bättre vävnadsprover kan korta vägen från biomarkörhypotes till behandlingsbeslut.

USA-adoptionen: varför referenssjukhus betyder allt

Den snabbaste vägen in i amerikansk sjukvård går nästan alltid via förtroende – inte via broschyrer. BiBBInstruments strategi, tillsammans med distributören TaeWoong Medical USA, är klassisk men effektiv: börja med noggrant utvalda referenscenter och bygg bevis i vardagskliniken.

Efter en roadshow i november, där bolagets grundare och CMO dr Charles Walther besökte sex ledande sjukhus för utbildning och demonstrationer, lades första beställningarna av fyra universitetssjukhus. Därefter kom nya order om cirka 300 000 kronor, och bolaget beskriver att Q4 redan passerat Q3 med bred marginal.

Varför just USA är en multiplikator

USA är världens största marknad för endoskopiskt ultraljud (EUS). Men marknadsstorlek är bara halva förklaringen. Den andra halvan är att USA ofta fungerar som en global “signalmarknad”:

• När Key Opinion Leaders (KOLs) i USA byter rutin eller metod, följer andra efter.
• Nya arbetssätt sprids snabbt via utbildning, konferenser och nätverk mellan sjukhus.
• Real-world data från USA får ofta hög trovärdighet även i dialoger med europeiska aktörer.

Det är därför fem sjukhus med regelbunden användning kan vara mer värt än femtio sporadiska kunder.

Ett svenskt medtech-bolag som blir standard på några amerikanska referenscenter bygger inte bara intäkter – det bygger en “klinisk norm”.

Från manuella nålar till motoriserad provtagning: varför det spelar roll

Kärnproblemet BiBB adresserar är kliniskt välkänt: manuella biopsiinstrument ger inte alltid tillräckligt bra eller intakt vävnad. Vid exempelvis cancer i bukspottkörtel, lever eller magsäck är provkvalitet ofta avgörande för diagnos, subtypning och behandlingsval.

BiBBInstruments EndoDrill är marknadsgodkänd som världens första eldrivna biopsiinstrument för endoskopi. I stället för en manuell nål används en motoriserad roterande cylinder som kan ta ut intakta vävnadskärnor (kärnbiopsier).

Det här är den konkreta vinsten i kliniken

När provet håller högre kvalitet händer tre saker som är väldigt praktiska i vardagen:

1. Färre omtag: Om första provet räcker minskar behovet av nya procedurer.
2. Bättre patologisvar: Intakt vävnadsarkitektur kan göra skillnad för bedömning.
3. Mer robust biomarköranalys: Mer vävnad och bättre struktur kan öka träffsäkerheten.

Vd Fredrik Lindblad uppskattar att om ett referenssjukhus helt går över till EndoDrill GI kan det motsvara cirka 2 miljoner kronor i årliga intäkter för BiBB på transferprisnivå. Det är också en bra tumregel för att förstå varför just referenscenter är så centrala: några få sjukhus kan bära mycket volym när en metod standardiseras.

Där AI kommer in: “skräp in, skräp ut” gäller även vävnadsdata

AI i läkemedel och bioteknik pratar ofta om modeller, pipelines och prediktioner. Men AI-system är bara så bra som datan de tränas och valideras på. Och i onkologi är vävnadsprover ofta “källkoden” för allt som följer.

Motoriserad biopsi är intressant ur AI-perspektiv av ett enkelt skäl: mer konsekventa prover ger mer konsekventa datapunkter.

1) Patologi + AI kräver standardiserade snitt och stabil kvalitet

Digital patologi och AI-stödd bildanalys bygger på att histologiska snitt håller jämn kvalitet. Om provets volym varierar kraftigt, eller om vävnaden fragmenteras, blir det svårare att:

• jämföra fall mellan patienter och sjukhus
• bygga robusta träningsdataset
• minska bias i modellernas prediktioner

Med bättre kärnbiopsier blir det ofta enklare att skapa en reproducerbar kedja från provtagning → preparering → bilddata → modell.

2) Precisonsmedicin behöver “tillräckligt med material”

När vården går mot fler kombinerade analyser (histologi, immunhistokemi, sekvensering, proteomik) blir provmängd en flaskhals. För biotechbolag som utvecklar biomarkörstyrda behandlingar blir konsekvensen tydlig:

• färre patienter kan inkluderas i biomarkörarmar
• fler får “ej evaluerbart” resultat
• studier tar längre tid och blir dyrare

Här gör provkvalitet skillnad på riktigt. Inte som en fin detalj, utan som en faktor som påverkar tidslinjen för utveckling.

3) Real-world data blir mer användbart när insamlingen blir jämn

BiBB lyfter att referenscenter ska generera real-world data. För AI och evidensbyggande är detta extra värdefullt, men bara om datan är konsekvent.

Det jag ofta ser i praktiken är att real-world data faller på tre saker:

• för många variationer i hur prov tas
• otydliga metadata (vilken nål? vilken teknik? hur många pass?)
• ojämn patologirapportering

Ett motoriserat instrument kan inte lösa allt – men det kan minska en central källa till variation: själva provtagningen.

Skalning 2026: milstolpar som brukar avgöra om det lyfter

BiBB beskriver att partnern har som mål att vara i gång på cirka fem referenssjukhus med regelbunden användning, och att en nationell lansering ska förberedas med kick-off i Detroit i januari.

Det finns ett antal milstolpar som ofta avgör om en medtech-lansering i USA går från “tidig dragkraft” till uthållig tillväxt:

Klinisk rutin, inte bara testning

Skillnaden mellan att “ha instrumentet” och att “använda det varje vecka” är enorm. Den praktiska frågan är:

• Blir instrumentet en del av standardflödet i EUS-teamets arbetssätt?

Det kräver utbildning, intern champion, och att man löser små men avgörande detaljer som lagerhållning, beställningsrutiner och vem som äger processen.

Ekonomiskt case i amerikanska sjukhus

USA fungerar inte som Sverige. Även när en metod är kliniskt bättre behöver den ofta kunna motiveras i termer av:

• minskad omtagning
• kortare ledtider till diagnos
• färre komplikationer eller effektivare resursutnyttjande

Ett starkt “value story” blir ofta mer avgörande än ännu en poster på en konferens.

Evidens som är AI- och biomarkörvänlig

För vår kampanjvinkel är detta kärnan: om BiBB och deras kliniker kan dokumentera utfall som kopplar provkvalitet till bättre downstream-analys (t.ex. färre non-diagnostic samples eller bättre subtypning), då blir tekniken också mer relevant för:

• AI-baserad diagnostik
• biomarkörstrategier i kliniska prövningar
• partnerskap med aktörer som vill använda real-world data i regulatoriska dialoger

Det är här jag tycker många bolag borde vara mer offensiva: gör evidensplanen så att den går att återanvända i både klinisk adoption och data/AI-berättelsen.

Europa nästa: varför timing och partnerprofil spelar roll

Parallellt med USA förs diskussioner om europeiska distributionspartners, med ambition om avtal under första kvartalet 2026 och lansering under nästa år. Bolaget har också knutit professor Peter Vilmann som rådgivare, en pionjär inom EUS-biopsier.

För europeisk utrullning är två saker extra viktiga:

1. Partnerprofil: Europa är fragmenterat. En partner behöver kunna hantera flera marknader, reimbursement-logik och olika upphandlingsmodeller.
2. Kliniska “beacons”: I Europa spelar ofta ett fåtal tydliga referenskliniker (t.ex. i Norden, Tyskland, Benelux) stor roll för spridning.

Det som är intressant ur AI- och biotechperspektiv är att Europa samtidigt bygger upp fler initiativ kring hälsodata, biobanker och digital patologi. Ett instrument som förbättrar provkvalitet kan bli en oväntat viktig byggsten i dessa ekosystem.

Praktiska takeaways för biotech- och AI-team

Om du arbetar med AI i läkemedel och bioteknik (eller ansvarar för kliniska studier, biomarkörer eller real-world evidence) finns det en konkret lärdom här: lägg mer tid på datakällans kvalitet, inte bara på modellen.

Här är tre arbetssätt jag tycker är rimliga att ta med sig in i 2026:

• Kartlägg provkedjan tidigt: Var uppstår variationen – provtagning, fixering, snittning, annotering?
• Sätt mätbara kvalitetsmått: Exempelvis andel “diagnostiskt användbara” prover, antal pass per patient, andel kompletterande omtag.
• Bygg partnercase runt data: Om ett sjukhus förbättrar provkvaliteten skapas bättre underlag för biomarkörer och AI, vilket kan vara en del av värdeargumentet.

Om du säljer eller implementerar AI i vården är detta också en nyttig reality check: den största flaskhalsen är ofta inte algoritmen, utan att input-data inte är konsekvent insamlad.

Vad händer härnäst?

BiBBInstruments ökade Q4-order i USA är ett tydligt tecken på att motoriserad biopsi börjar hitta sin plats i kliniken – och att referenscenterstrategin fungerar. För oss som följer AI inom läkemedel och bioteknik är det här intressant av ett bredare skäl: bättre biopsier betyder bättre diagnostik, och bättre diagnostik betyder bättre data. Det är där AI blir mer än en powerpoint.

Nästa steg att hålla ögonen på under 2026 är om EndoDrill går från tidiga beställningar till regelbunden användning på flera sjukhus, och om bolaget kan paketera real-world data så att den också stärker biomarkör- och AI-berättelsen.

Om diagnostiken fortsätter att förbättras i samma takt som analysverktygen kommer vi få en vård där fler patienter matchas rätt behandling snabbare – och där läkemedelsutveckling får bättre input från klinisk verklighet. Vilken del av din egen datakedja skulle ge störst effekt om den blev 20 % mer standardiserad redan nästa kvartal?