Künstliche Intelligenz in der Pharmaforschung revolutioniert die Entstehung neuer Medikamente. Sie hilft Unternehmen dabei, Erfolgsraten zu erhöhen und gleichzeitig die Entwicklungszeit zu senken.
Das Problem: Laut einer 2018 veröffentlichten Studie des Massachusetts Institute of Technology (MIT) bestehen nur etwa 13,8 Prozent aller neu entwickelten Pharmazeutika erfolgreich eine klinische Studie. Im gleichen Zuge kostet ein solcher klinische Studienprozess ein Pharmaunternehmen zwischen 161 Millionen und 2 Milliarden US-Dollar. Der Einsatz von KI kann diese Prozesse vereinfachen und beschleunigen.
LANGE ENTWICKLUNGSZEIT LÄSST DIE PHARMAFORSCHUNG OFT HINTERHERHINKEN
Auf der ganzen Welt wird täglich nach Arzneien geforscht. Etwa 4,5 Jahre dauert es normalerweise, bevor ein Medikament auf den Markt zugelassen werden kann. Die Entwicklung und die Forschung benötigen Zeit, eben auch, weil Zulassungen erlangt und Studien generiert werden müssen. Dass es mit einem Impfstoff gegen das Corona-Virus so schnell ging, ist dem enormen Druck und einer Ausnahmesituation geschuldet, die es gewöhnlich nicht gibt.
Denn wenn herkömmliche Forschungstechniken angewendet werden, so werden viele Jahre für die Arzneien aufgewendet. Mit KI in der Pharmaforschung bieten sich jedoch neue Wege.
KI IN DER PHARMAFORSCHUNG SORGT FÜR SCHNELLE ENTWICKLUNG
Die Stärke der Künstlichen Intelligenz besteht darin, als Assistenzsystem zu dienen und somit Prozesse verkürzen und Rechenaufgaben bewältigen zu können. Automatische Algorithmen und irrsinnig schnelle Datenauswertung sind Kern dessen, was sich heute im digitalen Zeitalter abspielt. Bereits in Bereichen wie Industrie, Finanzen oder Marketing, aber eben auch im pharmazeutischen Bereich sorgt Künstliche Intelligenz für große Erleichterung.
Das Abgeben von Prognosen und die Auswertung komplexer Daten führt dazu, dass die Schaffung neuer und besserer Medikamente in der Pharmaindustrie gelingt. Ein prägnantes Beispiel aus der Forscherwelt lässt sich an dieser Stelle anführen: Die Künstliche Intelligenz Deepmind schaffte es, erfolgreich und in kürzester Zeit Proteinstrukturen vorherzusagen. Bemerkenswert, wenn bedacht wird, dass sich Proteine aus hunderten Aminosäuren zusammensetzen und darüber hinaus aus komplexen Strukturen bestehen. Normalerweise würden durch reines Ausprobieren Millionen Jahre gebraucht werden, um eine Proteinstrukturvorhersage treffen zu können. Diese gelingt aber von nun an mit hoher Genauigkeit und bedeutend schneller – dank einer KI in der Pharmaforschung, die somit für einen echten Durchbruch gesorgt hat.
ZUM NEUEN MITTEL IN WENIGER ALS 365 TAGEN
Wenn in kürzester Zeit Medikamente entwickelt werden sollen, ist eine Antwort auf die Frage „Welcher ist der beste Match aus den Daten?“ ausschlaggebend. Die Fähigkeit, Muster zu finden ist das, was KI in der Pharmaforschung ausmacht und gehört deshalb zu den wichtigsten Methoden in diesem Bereich.
Ein Praxisbeispiel des japanischen Unternehmens Sumitomo Dainippon Pharma und der englischen Pharmafirma Exscientia zeigt, dass es mit Hilfe von KI möglich war, einen Wirkstoffkandidaten gegen Zwangsstörungen zu finden. Das Ergebnis heißt DSP-1181 und soll zukünftig dabei helfen, zwanghafte Handlungen zu bekämpfen. In weniger als einem Jahr konnte mittels entsprechend programmierter KI-Systeme dieser optimale Wirkstoffkandidat erforscht werden.
Auf das Beispiel bezogen heißt das konkret, dass nur noch 350 anstatt der üblichen 2.500 synthetisierten Substanzen herausgesucht werden mussten, um den perfekten Wirkstoff zu identifizieren. Das ist eine Sensation, welche nur mit Hilfe der übermenschlichen Rechenleistung einer Künstlichen Intelligenz erzielt werden konnte. Diese Anwendung spart nicht nur enorm viel Zeit, sondern auch Geld und lässt somit Medikamente zukünftig erschwinglicher werden.
DIGITAL TWIN MODELLE MIT HILFE VON KI IN DER PHARMAFORSCHUNG ERSTELLEN
Um ein fast 100 Prozent übereinstimmendes Abbild der Wirklichkeit schaffen zu können, werden häufig sogenannte Digitale Zwillinge erstellt. Diese können treffsichere Prognosen aufstellen und verschiedene Szenarien kostengünstig und schnell durchspielen. Digital Twin Modelle gehören im IoT-Bereich zu den besten Methoden, unkompliziert und sicher ans Ziel zu kommen und spielen in Bezug auf das Thema eben auch in der Pharmaforschung eine wichtige Rolle.
Die Entwicklung eines neuen Medikaments ist beispielsweise durch die Aufbringung klinischer Studien und das Testen an Freiwilligen ein sehr zeitintensiver Prozess. Mit der Technik eines Digital Twins kann das Medikament nicht nur an echten, sondern auch an virtuellen Patienten getestet und der Prozess somit beschleunigt werden. Auf Basis realer Patientendaten wird versucht, möglichst umfangreiche Gruppen virtueller Patienten zu generieren, welche dann zur Erforschung von Erkrankungen und Therapiemöglichkeiten genutzt werden. Ein riesen Vorteil für Mediziner, denn so können Probanden länger getestet und Krankheitsverläufe einer großen Patientenzahl miteinander verglichen werden. Nicht überraschend also, dass große Hoffnungen auf der KI in der Pharmaforschung ruhen.
Diese Hoffnung spiegelt sich auch in Zahlen wider: So sollen die Investitionen für die Nutzung von KI in der Pharmaforschung im Jahr 2019 bei 5,2 Milliarden US-Dollar gelegen haben. 14 Prozent wurden dabei für klinische Studien ausgegeben, während mehr als die Hälfte des Geldes, 54 Prozent, in die Kreation neuer Arzneien geflossen ist.
Um mehr darüber zu erfahren, wie KI bei verschiedensten Prozessen – auch in der Logistik – helfen kann, besuchen Sie https://ioxlab.de/de/. Als spannendes Teilgebiet der künstlichen Intelligenz befasst sich Computer Vision mit der Auswertung von Bilddaten und kann beispielsweise Fahrzeuge erkennen und überwachen.
Foto: piqsels.com