AI-First Drug Discovery: Können Roboter Wissenschaftlern helfen, neue Arzneimittel zu entdecken?

• Autor:
• Autorenname

  Quantumrun-Vorausschau
• 22. August 2022

Zusammenfassung der Einblicke

Hohe Kosten und Ausfallraten in der traditionellen Arzneimittelentwicklung zwingen Pharmaunternehmen dazu, in Technologien der künstlichen Intelligenz (KI) zu investieren, um die Forschungseffizienz zu steigern und die Kosten zu senken. KI verändert die Branche, indem sie schnell neue Angriffspunkte für Medikamente identifiziert und personalisierte Behandlungen ermöglicht. Dieser Wandel hin zu KI verändert die pharmazeutische Landschaft, von veränderten Berufsanforderungen für Chemiker bis hin zu Debatten über die geistigen Eigentumsrechte von KI.

AI-First-Drug-Discovery-Kontext

Ein typisches Arzneimittelentwicklungsprojekt kostet 2.6 Milliarden US-Dollar. Der Druck für Wissenschaftler ist hoch, da 9 von 10 Therapiekandidaten keine behördliche Zulassung erhalten. Infolgedessen investieren Pharmaunternehmen in den 2020er Jahren aggressiv in KI-Plattformen, um die Forschungseffizienz zu steigern und gleichzeitig die Kosten zu senken. 

Bei der Arzneimittelforschung werden verschiedene KI-Technologien eingesetzt, darunter maschinelles Lernen (ML), Verarbeitung natürlicher Sprache (NLP) und Computer Vision. ML analysiert Daten aus verschiedenen Quellen, darunter wissenschaftliche Literatur, klinische Studien und Patientenakten. Diese Informationen können dann verwendet werden, um Muster zu identifizieren, die auf neue Wirkstoffziele hindeuten oder zur Entwicklung wirksamerer Behandlungen führen können. NLP, ein sprachbasiertes Vorhersagemodell, wird verwendet, um Daten aus der wissenschaftlichen Literatur zu gewinnen, die neue Wege aufzeigen können, wie bestehende Medikamente entwickelt werden könnten. Schließlich analysiert Computer Vision Bilder von Zellen und Geweben, die krankheitsbedingte Veränderungen erkennen können.

Ein Beispiel für ein Pharmaunternehmen, das KI zur Entwicklung neuer Medikamente einsetzt, ist Pfizer, das IBM Watson verwendet, ein ML-System, das Immunonkologie-Medikamente umfassend erforschen kann. In der Zwischenzeit hat sich das in Frankreich ansässige Unternehmen Sanofi mit dem britischen Startup Exscientia zusammengetan, um eine KI-Plattform zur Suche nach Therapien für Stoffwechselerkrankungen zu schaffen. Die Schweizer Roche-Tochter Genentech nutzt ein KI-System des US-Unternehmens GNS Healthcare, um die Suche nach Krebsbehandlungen anzuführen. In China sicherte sich das Biotech-Startup Meta Pharmaceuticals eine Startfinanzierung in Höhe von 15 Millionen US-Dollar für die Entwicklung von Behandlungen für Autoimmunerkrankungen mithilfe von KI. Das Unternehmen wurde von einem anderen KI-gestützten Arzneimittelforschungsunternehmen, Xtalpi, gegründet.

Störende Wirkung

Die vielleicht praktischste Anwendung der AI-first-Arzneimittelentwicklung war die Entwicklung des ersten therapeutischen Medikaments gegen COVID-19, eines antiviralen Medikaments namens Remdesivir. Das Medikament wurde ursprünglich von Forschern von Gilead Sciences, einem Biotechnologieunternehmen in Kalifornien, mithilfe von KI als mögliche Behandlung des Virus identifiziert. Das Unternehmen nutzte einen Algorithmus zur Analyse von Daten aus der GenBank-Datenbank, die Informationen zu allen öffentlich verfügbaren DNA-Sequenzen enthält.

Dieser Algorithmus identifizierte zwei mögliche Kandidaten, die Gilead Sciences synthetisierte und in einer Laborschale gegen das COVID-19-Virus testete. Beide Kandidaten erwiesen sich als wirksam gegen das Virus. Einer dieser Kandidaten wurde dann für die weitere Entwicklung und Erprobung an Tieren und Menschen ausgewählt. Letztlich erwies sich Remdesivir als sicher und wirksam und wurde von der US-amerikanischen Food and Drug Administration (FDA) zur Verwendung zugelassen.

Seitdem arbeiten Unternehmen und Organisationen zusammen, um mithilfe von KI-Systemen weitere Behandlungsmöglichkeiten für COVID-19 zu finden. Im Jahr 2021 schlossen sich 10 Unternehmen zusammen, um IMPECCABLE (Integrated Modeling PipelinE for COVID Cure by Assessing Better Leads) zu schaffen. Zu diesen Organisationen gehören die Rutgers University, das University College London, das US-Energieministerium, das Leibniz Supercomputing Center und die NVIDIA Corporation.

Bei dem Projekt handelt es sich um eine KI-Simulationspipeline, die verspricht, das Screening potenzieller COVID-19-Arzneimittelkandidaten 50,000-mal schneller als aktuelle Methoden zu beschleunigen. IMPECCABLE kombiniert verschiedene Datenverarbeitungs-, physikbasierte Modellierungs- und Simulations- sowie ML-Technologien, um eine KI zu schaffen, die Muster in Daten nutzt, um Vorhersagemodelle zu erstellen. Im Gegensatz zur typischen Methode, bei der Wissenschaftler sorgfältig nachdenken und Moleküle auf der Grundlage ihres Wissens entwickeln müssen, ermöglicht diese Pipeline den Forschern das automatische Screening einer großen Anzahl von Chemikalien, wodurch sich die Wahrscheinlichkeit, einen wahrscheinlichen Kandidaten zu finden, erheblich erhöht.

Auswirkungen der KI-ersten Arzneimittelentdeckung

Zu den weiterreichenden Auswirkungen der branchenweiten Einführung von KI-First-Arzneimittelforschungsmethoden können gehören: 

• KI-Plattformen übernehmen Aufgaben, die traditionell von Chemikern am Anfang ihrer Karriere übernommen werden, und zwingen diese Fachkräfte dazu, sich neue Fähigkeiten anzueignen oder ihre berufliche Laufbahn zu ändern.
• Große Pharmaunternehmen beschäftigen Roboterwissenschaftler, um umfangreiche Gen-, Krankheits- und Behandlungsdaten zu durchsuchen und so die Therapieentwicklung zu beschleunigen.
• Ein Anstieg der Partnerschaften zwischen Biotech-Start-ups und etablierten Pharmaunternehmen für die KI-gestützte Arzneimittelforschung zieht mehr Investitionen von Gesundheitseinrichtungen an.
• Die Erleichterung maßgeschneiderter medizinischer Behandlungen für Personen mit einzigartigen biologischen Eigenschaften, insbesondere für Personen mit seltenen Autoimmunerkrankungen.
• Intensivierte regulatorische Diskussionen über die geistigen Eigentumsrechte von KI bei der Entdeckung von Arzneimitteln und die Rechenschaftspflicht für KI-bezogene Fehler im Pharmasektor.
• Die Gesundheitsbranche erlebt erhebliche Kostensenkungen bei der Arzneimittelentwicklung, was erschwinglichere Arzneimittelpreise für Verbraucher ermöglicht.
• Die Beschäftigungsdynamik im Pharmasektor verändert sich, wobei der Schwerpunkt auf Datenwissenschaft und KI-Expertise gegenüber traditionellem Pharmawissen liegt.
• Potenzial für verbesserte globale Gesundheitsergebnisse aufgrund schnellerer und effizienterer Arzneimittelforschungsprozesse, insbesondere in Entwicklungsländern.
• Regierungen erlassen möglicherweise Richtlinien, um einen gleichberechtigten Zugang zu durch KI entdeckten Medikamenten zu gewährleisten, Monopole zu verhindern und umfassendere Gesundheitsvorteile zu fördern.
• Die Auswirkungen auf die Umwelt werden geringer, da die KI-gesteuerte Arzneimittelforschung den Bedarf an ressourcenintensiven Laborexperimenten und -versuchen verringert.

Fragen zu berücksichtigen

• Wie wird Ihrer Meinung nach die KI-Erst-Arzneimittelentdeckung das Gesundheitswesen sonst noch verändern?
• Was können Regierungen tun, um AI-first-Medikamentenentwicklungen zu regulieren, insbesondere Preisgestaltung und Zugänglichkeit?