Ola Spjuth är professor i farmaceutisk bioinformatik vid Uppsala universitet. Han är också AI-ledare på SciLifeLab, där han arbetar med nationella AI-frågor.
Spjuth ser flera givna användningsområden för AI inom sitt fält – och har själv arbetat med AI inom läkemedelsutvecklingen i över 20 år.
– Mitt AI-fokus startade långt innan idén om att robotisera labbet föddes. Jag har bland annat använt maskininlärning för att förutse läkemedlens toxicitet, och har då arbetat nära läkemedelsindustrin för att ta fram bra metoder. Men för cirka tio år sedan insåg jag behovet av en större mängd data för att kunna göra bättre förutsägelser, säger Ola Spjuth.
I samband med denna insikt började Ola Spjuth bygga upp ett labb för att stödja AI-modellerna, där automatiseringen bidrog till att samla in så mycket data som möjligt.
I grunden är han utbildad ingenjör så byggandet av labbet var i sig inte avskräckande.
– AI har utvecklats enormt mycket de senaste åren. Vi som har arbetat med celler och mikroskopi har kunnat dra nytta av de nya visuella AI-metoderna. Vi har hela tiden frågat oss: hur kan vi anpassa exempelvis Googles och Metas AI-metoder så att de kan användas till biologiska frågeställningar?, säger han.
När Ola Spjuth pratar om sitt innovationsarbete tenderar det att låta lättare än det är praktiken. Han medger att det finns en hel del utmaningar kring att använda AI inom forskning.
– Det är ganska utmanande rent ingenjörsmässigt att bygga automatiserade system. Det kräver också en hel del ekonomiska investeringar i automatiserade instrument. Det här är nog huvudskälen till att det inte är särskilt många inom akademisk forskning som arbetar med AI på det här sättet, säger han.
Stora läkemedelsbolag har råd att anlita konsulter som bygger robusta helhetslösningar. De kan också lägga många miljoner på nya maskiner om det skulle behövas.
– Om man arbetar med akademisk forskning ser det lite annorlunda ut. Vi har inte lika stora ekonomiska resurser som stora bolag, men vi har en annan kompetens som gör att vi hittar lösningarna helt på egen hand. Det tar längre tid att bygga – men om något går sönder vet vi själva hur vi ska gå till väga för att laga det, säger han.
Säkerhetsbedömningarna på det robotiserade labbet går snabbt, är kostnadseffektiva och har högt informationsvärde.
Hur har då responsen från marknaden sett ut?
– Att arbeta storskaligt med celler och mikroskopi har fått en stor effekt hos läkemedelsföretagen, så vi har fick redan tidigt en del förfrågningar om samarbeten från läkemedelsbranschen. Detta gjorde att vi skapade ett spinoff-bolag från universitetet och det började ta fart för två år sedan, säger Ola Spjuth.
Under 2025 har forskarna byggt upp en kopia av universitetets akademiska labb, fast med tio gånger så hög kapacitet. Man har också köpt upp ett dotterbolag i Cambridge, England, som tillverkar celler. Ola Spjuth är stolt över företagets tillväxtspurt och har stora förhoppningar kring kommande satsningar.
– Ett väldigt stort fokus är att förbättra säkerhetsbedömningar av läkemedel och reducera antalet djurförsök. Det slutgiltiga målet är såklart att på sikt bygga virtuella celler och helt eliminera djurförsök, säger han och tillägger:
– Men för detta krävs väldigt mycket data och ännu mer utveckling av AI-metoderna. När vi får till detta tror jag att vi accelererar läkemedelsutvecklingen så att vi får både snabbare och säkrare mediciner.



