ANALYS & FÖRDJUPNING
AI hittar nya möjligheter i forskningen. Men vad betyder ett ”genombrott” för den som väntar på bättre behandlingar? Ett nytt laboratorieförsök visar både varför utvecklingen är spännande och varför ett lovande resultat behöver läsas med rätt förväntningar.
Du läser en rubrik om att AI kan hjälpa forskare att utveckla nya läkemedel. Tankarna går kanske till någon du känner. Kan det här göra skillnad för henne? Hur snart?
Det är rimliga frågor. Men rubriken berättar sällan hur långt forskningen har kommit.
Ett AI-genombrott kan innebära att forskare har fått ett bättre verktyg, hittat ett intressant ämne eller visat en effekt i ett experiment. Alla tre kan vara viktiga framsteg. Ingen av dem betyder automatiskt att en ny behandling är färdig.
För att förstå nyheten behöver vi börja med en enkel fråga: Vad har forskarna faktiskt visat?
Ett konkret AI-genombrott från laboratoriet
Den 20 oktober 2026 presenterade Anthropic, företaget bakom Claude, ett försök med AI-utformade proteiner. Målet var att hitta små proteiner som kunde fästa vid vissa giftämnen från skorpioner.
Två laboratorieföretag testade 211 förslag. Av dem uppfyllde 17 forskarnas kriterier för att binda till ett giftämne.
Det är ett resultat utanför datorn. Några av förslagen hade alltså en egenskap som gick att mäta i laboratoriet.
Men att fästa vid ett giftämne är inte samma sak som att oskadliggöra det. Anthropic skriver uttryckligen att försöket inte har visat att proteinerna neutraliserar giftet i en cellmiljö. Företaget säger därför inte att det har tagit fram ett motgift.
Underlaget kommer från företaget som utvecklat AI-modellen, med laboratorietester utförda av samarbetspartner. Det bör vi känna till när vi läser företagets beskrivning av framsteget. Källa: Anthropics forskningsredovisning.
Från lovande idé till behandling
Det hjälper att tänka på utvecklingen som flera frågor som måste få svar.
Först: finns det något värt att undersöka? Sedan: fungerar det i relevanta experiment? Därefter: kan det hjälpa människor, och vilka risker finns?
Studier på människor kallas kliniska studier. Där undersöker forskare bland annat dosering, biverkningar och behandlingens effekt. Den amerikanska läkemedelsmyndigheten FDA betonar att tidigare laboratorieforskning inte ersätter undersökningar av hur ett ämne fungerar i människokroppen. Källa: FDA om kliniska studier.
Ett ämne kan med andra ord vara intressant för forskaren långt innan det är användbart för patienten.
För läkemedel som bedöms av EU:s läkemedelsmyndighet EMA granskas bland annat tillverkning, laboratorieresultat och erfarenheter från patienter. Nyttan ska väga tyngre än riskerna för den avsedda patientgruppen. Källa: EMA om vägen från laboratorium till patient.
Det är därför en snabbare början inte ger oss ett färdigt datum för slutresultatet.
AI kan vara värdefull långt före apotekshyllan
Det vore samtidigt synd att mäta all forskningsnytta i färdiga läkemedel.
Ett tydligt exempel är AlphaFold2, som utvecklades för att förutsäga proteiners tredimensionella struktur. Arbetet bakom proteinstrukturförutsägelser belönades med en del av Nobelpriset i kemi 2024. Källa: Nobelpriset i kemi 2024.
Proteiner kan förenklat beskrivas som molekyler som utför många av kroppens uppgifter. Att förstå deras form hjälper forskare att undersöka hur de fungerar.
Den typen av verktyg förändrar vilka frågor forskare kan ta sig an. Nyttan börjar då inne i forskningen, innan den syns som en behandling på en vårdcentral.
Här finns också en möjlighet med AI: om forskare får bättre hjälp att välja vilka idéer de ska undersöka kan deras tid och resurser räcka till fler lovande spår. Hur stor vinsten blir måste däremot visas i varje sammanhang. Ett lyckat försök ger inget generellt mått på hur mycket snabbare all forskning går.
Läs också vår nyhet om RFD4-Proteina och AI-utformade proteiner, ett annat exempel på verktyg för forskningens tidiga steg.
Fyra frågor när du läser om nästa genombrott
Du behöver inte vara biolog eller läkare för att läsa en forskningsnyhet mer uppmärksamt. Börja här:
- Vad prövades? Var det en beräkning i datorn, ett laboratorieförsök eller en studie med människor?
- Vad blev bättre? Handlar resultatet om en teknisk egenskap, ett mätvärde eller en faktisk förbättring för patienter?
- Vem står bakom uppgifterna? Är det företagets egen presentation, en vetenskapligt granskad studie eller resultat som andra forskare också har kunnat visa?
- Vad återstår? Beskriver texten nästa steg och begränsningarna, eller lämnas de åt läsaren att gissa?
Frågorna är till för att hjälpa oss förstå vad som är lovande. En tydlig redovisning av begränsningarna gör det lättare att uppskatta resultatet för vad det faktiskt är.
Vem får del av framstegen?
Även ett godkänt läkemedel behöver nå fram till dem som behöver det.
EMA skiljer mellan godkännande och tillgång. Beslut om pris och ersättning fattas nationellt, och påverkar om och hur behandlingen blir tillgänglig. Källa: EMA om tillgång till läkemedel.
GPTAI.se:s analys
Det ger AI-utvecklingen ytterligare en fråga att svara på. Om tekniken bidrar till fler upptäckter, hur får fler människor nytta av dem?
Det är en samhällsfråga som också förtjänar plats bredvid de tekniska framstegen.
Vi har goda skäl att vara nyfikna på AI i forskningen. För att förstå dess betydelse behöver vi kunna hålla två tankar samtidigt: ett tidigt resultat kan vara ett stort framsteg, och det kan fortfarande återstå mycket arbete.
Nästa gång en rubrik lovar ett AI-genombrott kan du därför börja med att leta efter vad som faktiskt har blivit möjligt. Där finns ofta den mest intressanta nyheten.
