Wenn Sie Partnerlinks in unseren Inhalten folgen, erhalten wir möglicherweise eine Provision. Dabei entstehen Ihnen keine zusätzliche Kosten. Wir zeigen transparent, wie 
Die Pharmaindustrie steht seit langem an der Spitze der wissenschaftlichen Innovation und treibt Fortschritte in der Medizin voran, die auf die Verbesserung der menschlichen Gesundheit und Lebenserwartung abzielen.
Der Wettlauf um die Entwicklung von Impfstoffen und Behandlungen für COVID-19 zeigt, dass Innovationen im Arzneimittelbereich enorme Auswirkungen auf das Gesundheitswesen haben können.
Die Entdeckung neuer Medikamente ist jedoch teuer, zeitaufwändig und mit Unsicherheiten behaftet. Einem Bericht der im Vereinigten Königreich ansässigen Gesundheitsforschungsstiftung The Wellcome Trust zufolge kostet es schätzungsweise 2,5 $ Milliarden ein neues Arzneimittel auf den Markt zu bringen.
Aufgrund der wissenschaftlichen und technischen Herausforderungen liegt die Wahrscheinlichkeit, ein neues Medikament zu entdecken und in die klinische Erprobung zu bringen, bei etwa 35 %.
Die Chance, von der Phase 1 bis zur Zulassung mit Erfolg voranzukommen, beträgt lediglich 9 % bis 14 %, wobei der Prozess durchschnittlich 12–15 Jahre dauert.
Dies ist ein großes Hindernis für die Innovation. In der Regel konzentrieren sich die Marktkräfte auf Bereiche mit dem Potenzial für große kommerzielle Gewinne.
Dadurch wird der Weg frei für künstliche Intelligenz (KI), die die Pharmaindustrie tiefgreifend beeinflussen kann, indem sie den Prozess der Arzneimittelentdeckung beschleunigt, die Kosten senkt und die Erfolgswahrscheinlichkeit erhöht.
Das Potenzial von KI bei der Arzneimittelentdeckung
In den letzten zehn Jahren hat KI große Fortschritte in den Bereichen maschinelles Lernen (ML), Deep Learning, neuronale Netze und generative KI gemacht.
Die Pharmaindustrie, Technologieunternehmen, Investoren und Geldgeber für die biomedizinische Forschung befassen sich zunehmend mit dem Potenzial, diese Methoden auf die Arzneimittelforschung anzuwenden.
KI könnte die Wirtschaftlichkeit der Medikamentenentwicklung und -innovation verändern und es Wissenschaftlern ermöglichen, neue Wirkstoffe zur Behandlung oder Vorbeugung eines größeren Spektrums von Krankheiten zu entdecken.
KI bietet Vorteile in drei Hauptbereichen:
- Einsparung von Forschungszeit und -kosten durch Verringerung des Bedarfs an langwierigen und teuren Experimenten und Rationalisierung des Arbeitsablaufs bei der Arzneimittelentdeckung durch parallele statt linear ablaufende Prozesse;
- Erhöhte Wahrscheinlichkeit einer erfolgreichen Arzneimittelentwicklung;
- Analyse von Datensätzen zur Suche nach neuen molekularen Zielen und zur Optimierung der Wirksamkeit von Medikamenten.
Modellrechnungen legen nahe, dass KI-gesteuerte Forschung und Entwicklung (F&E) von der Entdeckung bis zur präklinischen Phase zu Zeit- und Kosteneinsparungen von mindestens 25 %–50 % führen könnte, so der Wellcome-Bericht.
Die Veröffentlichungen im Zusammenhang mit der KI-gestützten Arzneimittelforschung sind in den letzten fünf Jahren um 34 % gestiegen, die Zahl der Patente um 17 %.
Wichtige KI-Anwendungsfälle
Es gibt Möglichkeiten, KI in fast jede Phase der Arzneimittel- und Impfstoffentwicklung einzubeziehen. Es liegen riesige Datenmengen vor, die von Algorithmen synthetisiert werden können.
Dies würde die Rolle erfahrener Wissenschaftler nicht ersetzen. Vielmehr müssen Medizinalchemiker die Ergebnisse der Modelle interpretieren und gewinnen Zeit, um sich auf höherwertige Aufgaben zu konzentrieren.
- Target-Identifizierung und -Validierung: KI-Algorithmen können riesige Datenmengen, einschließlich genomischer und klinischer Daten, zur Identifizierung potenzieller Wirkstofftargets effizienter als herkömmliche Methoden analysieren. Dies verkürzt die für die Arzneimittelforschung benötigte Zeit und erhöht die Chancen, erfolgreiche Targets zu finden.
- Entwicklung von Arzneimitteln: KI kann bei der Erforschung neuer Medikamente helfen, indem sie chemische Strukturen und Eigenschaften vorhersagt und bestehende Wirkstoffmoleküle im Hinblick auf bessere Wirksamkeit und Sicherheit optimiert. Mit automatisierten Systemen können Tausende von chemischen Verbindungen auf ihr Potenzial als Arzneimittel analysiert werden, wodurch sich die Zeitspanne bis zur Identifizierung vielversprechender Spuren verkürzt.
- Hochdurchsatz-Screening: KI-gestützte Robotik und Bildanalyse können das Screening von Verbindungen beschleunigen.
- Optimierung klinischer Studien: KI kann bei der Rationalisierung klinischer Untersuchungen helfen, indem sie geeignete Patientengruppen identifiziert, Reaktionen vorhersagt und die Studienprotokolle optimiert. Dies senkt die Kosten und erhöht die Wahrscheinlichkeit erfolgreicher klinischer Tests.
- Wiederverwendung von Arzneimitteln: KI kann riesige Datensätze von Medikamentenwechselwirkungen, Krankheitsverläufen und Patientendaten analysieren, um vorhandene Präparate zu identifizieren, die potenziell zur Behandlung anderer Krankheiten eingesetzt werden können. Dieser Ansatz kann im Vergleich zur Entwicklung neuer Medikamente Zeit und Ressourcen sparen.
- Medikamentensicherheit: KI kann Patientendaten und unerwünschte Ereignisse kontinuierlich überwachen, um potenzielle Sicherheitsbedenken frühzeitig in der Arzneimittelentwicklung zu erkennen. So kann die Herstellung sicherer Medikamente gefördert und die Zahl der Rückrufe nach der Markteinführung verringert werden.
Die Medizinbranche ist der Wissenschaft in ihren Bemühungen um den Einsatz von KI einen Schritt voraus, allen voran Biotechnologieunternehmen, die ihre F&E-Workflows auf KI-Tools aufbauen, und Pharmaunternehmen, die KI in der Arzneimittelforschung anwenden.
Firmen wie Absci und Antiverse setzen sich für ein KI-gestütztes „de novo“-Design von Antikörpern ein.
Die zur Entwicklung von Antikörpersequenzen verwendeten Algorithmen werden auf universelle Antikörpereigenschaften trainiert, um anzugeben, wie ein funktioneller Antikörper, der an ein Krankheitsziel bindet, aussehen könnte.
Auf der Grundlage dieser Daten wird ein neues Design ausgearbeitet, ähnlich wie bei der Überprüfung eines Türschlosses, um einen passenden Schlüssel herzustellen.
Nach Angaben von Absci könnte dies die für die Erprobung neuer Arzneimittel benötigte Zeit um mehr als die Hälfte verkürzen und gleichzeitig die Erfolgswahrscheinlichkeit steigern.
Das Unternehmen hat seine Antikörper gegen mehr als 100.000 Antikörper validiert und festgestellt, dass die Trefferquote fünf- bis dreimal höher ist als bei biologischen Grundtypen.
Pharmakonzerne arbeiten mit KI-gestützten Arzneimittelforschungsunternehmen zum Vorantreiben ihrer Entwicklungsprozesse zusammen.
So sind AstraZeneca und Merck eine Partnerschaft mit BenevolentAI geschlossen, während Sanofi eine strategische Forschungskooperation in Höhe von 1,2 $ Milliarden mit Insilico Medicine eingegangen ist.
Merck arbeitet zudem mit Exscientia zusammen. So hat Merck drei potenzielle Arzneimittelkandidaten für die klinische Entwicklung in den Bereichen Onkologie, Neurologie und Immunologie identifiziert.
Herausforderungen und ethische Bedenken
Die Anwendung von KI-Modellen in der Arzneimittelforschung ist zwar vielversprechend, muss aber erst noch in großem Maßstab für verschiedene Bevölkerungsgruppen und Krankheiten nachgewiesen werden.
Zu den Herausforderungen und ethischen Erwägungen gehören algorithmische Verzerrungen, der Bedarf an qualitativ hochwertigen Quelldaten und regulatorische Hürden.
Der Einsatz von KI im Gesundheitswesen wirft außerdem Bedenken hinsichtlich der Privatsphäre, der Datensicherheit beim Training von Modellen sowie der möglichen Voreingenommenheit bei der Entscheidungsfindung auf.
Um das volle Potenzial der KI bei der Bewältigung globaler Gesundheitsprobleme auszuschöpfen, bedarf es eines besseren Verständnisses ihrer derzeitigen Anwendungen und Grenzen sowie der Hindernisse, denen sich die Industrie gegenübersieht, so Wellcome in seinem Bericht.
Der Sektor entwickelt sich schnell, aber ungleichmäßig, wobei sich über 80 % der Veröffentlichungen in den letzten fünf Jahren auf die Anwendung von KI zur Erforschung von Krankheiten, zur Entdeckung von Targets sowie zur Optimierung kleiner Moleküle konzentrierten.
Die Finanzierungen privater Investoren fließen nach wie vor überwiegend in die kommerziell rentabelsten Bereiche: Etwa 70 % der KI-bezogenen Investitionen der letzten fünf Jahre wurden in Onkologie, Neurologie und COVID-19 getätigt.
Um diese Herausforderungen zu bewältigen, muss die Pharmaindustrie mit den Aufsichtsbehörden zusammenarbeiten, die Transparenz von KI-Algorithmen sicherstellen und Privatsphäre und Datensicherheit Priorität einräumen.
Es bedarf eines ethischen Rahmens, um den verantwortungsvollen Einsatz von KI zu steuern und zu gewährleisten, dass die Vorteile für alle Patienten verfügbar sind.
Ferner sind Maßnahmen zu ergreifen, um die Anwendung von KI bei der Erforschung kommerziell weniger attraktiver Fälle zu unterstützen und Wissenschaftlern in einkommensschwachen Ländern den Zugang zu erleichtern.
Damit sollen Hemmnisse für die Einführung von KI beseitigt werden, z. B. das Vertrauen in KI-Algorithmen, die Gültigkeit ihrer Schlussfolgerungen und Bedenken hinsichtlich der Auswirkungen auf die wissenschaftliche Forschung sowie die Gesellschaft im Allgemeinen.
Es gibt bereits Bemühungen zum Abbau dieser Hindernisse. So haben das Weltwirtschaftsforum und die Universität Oxford die AI Governance Research Group ins Leben gerufen, um ein besseres Verständnis für die Entwicklung von KI und die Bewältigung von Risiken in verschiedenen Bereichen, auch in der medizinischen Forschung, zu erreichen.
Das African Genome Variation Project arbeitet daran, einen grundlegenden Rahmen für die Erstellung hochwertiger Genomdaten in Afrika südlich der Sahara zu schaffen.
Auch bei der H3D Foundation, die afrikanische Forscher bei der Entdeckung und Entwicklung von Medikamenten unterstützen will, gibt es Kurse über den Einsatz von KI bei der Suche nach Arzneimitteln zur Behandlung lokal relevanter Infektionskrankheiten.
In den USA bieten die National Institutes of Health (NIH) Zuschüsse für die Standardisierung von Datensätzen für die Verwendung beim maschinellen Lernen an.
Fazit
Der Einsatz von KI in der Pharmaindustrie wird die Branche durch die Beschleunigung von Forschungsprozessen, die Senkung von Kosten und die Erhöhung der Erfolgswahrscheinlichkeit bei der Entwicklung neuer Medikamente verändern.
Ein verantwortungsvoller und transparenter Umgang mit KI hat das Potenzial, einen Durchbruch in der Arzneimittelentdeckung herbeizuführen.
Gleichzeitig besteht die Gefahr, dass sich die Vorteile von KI auf bereits datenreiche und kommerziell attraktive Behandlungsbereiche konzentrieren.
Um den Einsatz von KI so zu gestalten, dass die Bevölkerung weltweit davon profitieren kann und neue Behandlungen effizienter als je zuvor auf den Markt gebracht werden können, bedarf es einer abgestimmten Vorgehensweise.
