Warum wir die KI in der Pharmaforschung brauchen

KI in der Pharmaforschung hilft Unternehmen, die Erfolgsraten neuer Medikamente zu erhöhen. Während gleichzeitig die Entwicklungszeit sinkt. Ein Überblick darüber, wie die Künstliche Intelligenz die Entstehung neuer Medikamente revolutioniert.

Fangen wir mit den Problemen an: Laut einer Studie, die letztes Jahr vom Massachusetts Institute of Technology (MIT) veröffentlichte wurde, bestehen nur wenige Medikamente die Tests. So heißt es in der Studie, dass nicht mehr als rund 13,8 % aller neu entwickelten Pharmazeutika eine klinische Studien erfolgreich bestehen.

Gleichzeitig ergab die Untersuchung, dass ein Pharmaunternehmen einen Betrag zwischen 161 Millionen und 2 Milliarden US-Dollar für den gesamten klinischen Studienprozess ausgibt. Kein Wunder also, dass KI in der Pharmaforschung so wichtig geworden ist. Schließlich hat der Einsatz von KI-Technik zur Folge, dass Prozesse vereinfacht und beschleunigt werden.

Durch jahrelange Entwicklungszeit hinkt die Pharmaforschung oft hinterher

In der medizinischen Forschung dampft und raucht es täglich. Überall auf der Welt wird nach Arzneien geforscht. Oder eben nach Impfstoffen. Letzteres ist ja durch die Meldungen zu den Corona Impfstoffen derzeit sehr präsent.

Und auch hier wurde oft erwähnt, wie lange normalerweise eine Entwicklung dauert. Vor allem aber, wie lange man braucht, um Zulassungen zu erlangen und wichtige Studien zu generieren. Dass es bei Biontech und Pfizer oder Moderna relativ schnell ging, ist einem Druck geschuldet, den es normalerweise nicht gibt.

So dauert es normalerweise etwa 4,5 Jahren, um die Marktreife eines Medikaments zu erreichen. Zumindest, wenn man herkömmliche Forschungstechniken anwendet. KI in der Pharmaforschung kann das ändern.

KI in der Pharmaforschung hilft bei der Entwicklung

Mit Hilfe von automatisierten Algorithmen, die dazu verwendet werden, mühsame Rechenaufgaben zu bewältigen, kann man viele Prozesse verkürzen. Das ist ein Segen. Entscheidungshilfen durch das irrsinnig schnelle Auswerten von massenhaften Daten.

Genau das ist die Stärke der Künstlichen Intelligenz, die im digitalen Zeitalter in der Industrie, im Marketing, dem Finanzsektor und eben auch im pharmazeutischen Bereich für große Erleichterung sorgt.

Systeme, die auf maschinellem Lernen basieren, können komplexe Daten auswerten und helfen, die Daten zu analysieren. Oder eine Prognose abgeben. Durch diese Algorithmen und die ausgespuckten Datenmodelle wird die KI in der Pharmaforschung für die Schaffung neuer und besserer Medikamente sorgen. Bis hin zur Bekämpfung sich schnell ausbreitender Krankheiten. 

Ein Beispiel: Vor Kurzem sorgte eine Meldung für große Begeisterung in der Forscherwelt. Es ging darum, dass die Künstliche Intelligenz Deepmind es geschafft hat, Proteinstrukturen vorherzusagen. Dies gelang natürlich in kürzester Zeit.

Genau das ist tatsächlich eine Sensation, wenn man weiß, dass die Proteinstruktur eine komplexe Angelegenheit ist. Schließlich bestehen Proteine aus Hunderten von Aminosäuren. Darüber hinaus sind diese zu komplexen Strukturen zusammengefaltet. Letztere ist oft sehr schwer zu entschlüsseln, da die DNS keine Informationen über die Struktur enthält.

Um eine Proteinstrukturvorhersage zu treffen, würde man durch das reine Ausprobieren Millionen Jahre brauchen. Hier hat die KI in der Pharmaforschung also für einen echten Durchbruch gesorgt. Die Proteinstrukturvorhersage kann jetzt mit hoher Genauigkeit getroffen werden.

In weniger als einem Jahr zum neuen Mittel

Eine der wichtigsten Methoden, die das Wunder von KI in der Pharmaforschung ausmachen, ist die Fähigkeit, Muster zu finden. “Welcher ist der beste Match aus den Daten?” Diese Frage muss schnell beantwortet werden, wenn man in kurzer Zeit Medikamente entwickeln will.

Ein Beispiel aus der Praxis: Das japanische Unternehmen Sumitomo Dainippon Pharma und die englische Pharmafirma Exscientia haben gemeinsam einen Wirkstoffkandidaten gegen Zwangsstörungen gefunden. Mit Hilfe von KI in der Pharmaforschung natürlich. DSP-1181 heißt das Ergebnis. Der potente Serotonin-5-HT1A-Rezeptoragonist mit Langzeitwirkung wird derzeit in der ersten klinischen Phase-I-Studie erprobt. Er soll helfen, zwanghafte Handlungen zu bekämpfen.

Durch den Einsatz von entsprechend programmierten KI-Systemen konnte man in weniger als einem Jahr einen optimalen Wirkstoffkandidaten ausfindig machen. Wieder so eine Sensation. Und das Prinzip das hinter dieser Sensation steht, basiert auch wieder auf der übermenschlichen Rechenleistung der KI.

So wurden neue Substanzen durch Algorithmen automatisch für die Synthese kreiert und Kandidaten mit den gewünschten Eigenschaften rasend schnell identifiziert. Konkret heißt das, dass die Forschung weniger als ein Jahr dauerte, weil der perfekte Wirkstoff aus nur noch 350 anstatt der üblichen 2.500 synthetisierten Substanzen herausgesucht werden musste. Das spart mächtig Zeit. Darüber hinaus spart es aber vor allem auch Kosten. So werden neue Medikamente auch erschwinglich.

Auch Digital Twin Modelle sind durch KI in der Pharmaforschung möglich

Der Digital Twin gehört im Zeitalter des Internet der Dinge zu den besten Methoden, um schnell und sicher ans Ziel zu kommen. Mit Digital Twins kann ich ein fast 100% übereinstimmendes Abbild der Wirklichkeit schaffen. Damit kann ich schnell und kostengünstig verschiedene Szenarien durchspielen. Ich kann Prognosen treffen, die nahezu treffsicher sind. Darüber hinaus kann ich die Modelle für die Prognosen schnell und unkompliziert ändern.

Auch im Bereich KI in der Pharmaforschung spielt der digitale Zwilling eine wichtige Rolle. Ob Diagnose-Hypothesen oder individualisierte Therapien, mit dem Digital Twin lässt sich arbeiten. Auch in klinischen Studien. Nehmen wir zum Beispiel die Entwicklung eines neuen Medikaments. Wie bereits angesprochen, verschlingen die klinischen Studien massiv Zeit. Zudem braucht es oft viele Freiwillige. Durch die Digital Twin Technik aber lässt sich das Medikament nicht nur an echten, sondern auch an virtuellen Patienten testen.

Dazu erläuterte Prof. Martin Hofmann-Apitius, Leiter des Geschäftsfelds Bioinformatik am Fraunhofer-Institut für Algorithmen und Wissenschaftliches Rechnen, dass man versuche, anhand realer Patientendaten eine möglichst umfangreiche Gruppe virtueller Patienten zu generieren.

Diese Kohorten an »errechneten« Patienten könnte man dann Krankheitsbildern zuordnen. Und zwar auf Basis echter Patientendaten. Diese virtuellen Patienten könnten dann zur Erforschung von Erkrankungen und Therapiemöglichkeiten genutzt werden.

Auf diese Weise kann die KI in der Pharmaforschung dazu beitragen, mehr Probanden länger zu testen. Als Mediziner kann ich so Krankheitsverläufe einer großen Patientenzahl miteinander vergleichen. Überdies kann ich auch auf Digital Twins anstatt auf reale Kontrollgruppen bei Studien setzen. Keine Frage, dass große Hoffnungen auf der KI in der Pharmaforschung ruhen.

Im Jahr 2019 sollen dann auch die Investitionen für die Nutzung von KI in der Pharmaforschung bei 5,2 Milliarden US-Dollar gelegen haben. Dabei sollen 54 Prozent davon in die Kreation neuer Arzneien gegangen sein, während 14 Prozent für klinische Studien ausgegeben wurden.

Wir unterstützen Dich bei Deiner Digitalisierung – mit unserer 360° Betrachtung: