Die Entwicklung und Gestaltung von Medikamenten ist teuer, oft unzureichend und neigt zum Scheitern. Traditionell handelt es sich dabei um einen Prozess, der sich über ein Jahrzehnt hinziehen und rund 2,3 Milliarden Dollar verschlingen kann – Zahlen, die erst in letzter Zeit weiter gestiegen sind. Allein im vergangenen Jahr stiegen die Kosten bei den führenden globalen Biopharmaunternehmen um 15 %. Trotz der Missverständnisse über ihre Verwendung ist künstliche Intelligenz (KI) durch Methoden wie maschinelle Lernmodelle in der Lage, Unternehmen dabei zu helfen, den Prozess der Medikamentenentwicklung zu beschleunigen.
Mit Zukunftstechnologien zukünftige Therapien gestalten
Das chemische Universum umfasst über 1060 Moleküle, die mit potenziellen Medikamenten in Verbindung gebracht werden können – eine Zahl, die viel zu groß ist, als dass ein Mensch sie in einem Leben erforschen könnte. Derzeitige Praktiken umfassen die Auswahl, Gestaltung und Priorisierung molekularer Strukturen auf der Grundlage einer Vielzahl verschiedener Faktoren, die von der gewünschten biologischen Aktivität bis zur retrosynthetischen Analyse reichen. Dieser Prozess erfordert jedoch die Lösung komplexer, mehrdimensionaler Optimierungsprobleme, die viel Zeit in Anspruch nehmen können.
Glücklicherweise revolutioniert die KI die Art und Weise, wie wir diesen chemischen Bereich erforschen, indem sie die Identifizierung vielversprechender Verbindungen beschleunigt. Technologien für maschinelles Lernen und Datenanalyse können schnell Hit- und Leitverbindungen lokalisieren, die Validierung von Wirkstoffzielen beschleunigen und das Design von Wirkstoffstrukturen optimieren. Dadurch wird die für die Entwicklung von Medikamenten erforderliche Zeit verkürzt und die Kosten deutlich gesenkt. Folglich wird es immer möglicher, mit einer größeren Bandbreite potenzieller Therapien zu experimentieren.
Eine der größten Hürden bei der Entwicklung von Medikamenten besteht darin, das richtige Protein zu finden, das an einer Krankheit beteiligt ist, damit das Medikamentenmolekül präzise hergestellt werden kann. Mit KI-Tools wie AlphaFold und MATLAB können Wissenschaftler die 3D-Strukturen von Zielproteinen, einschließlich bisher unbekannter Moleküle, vollständig von Grund auf vorhersagen. Dies ermöglicht präzisere und wirksamere Medikamentenformulierungen in einem Bruchteil der Zeit und zu einem Bruchteil der Kosten. Diese modernen KI-Modelle für maschinelles Lernen funktionieren, indem sie die Proteinstruktur anhand von vier Modellen vorhersagen:
Ein Eingabemodul, das Aminosäuresequenzen von verschiedenen Proteinen sammelt. Ein neuronales Netzwerk, das Mustererkennungssoftware verwendet, um Aminosäuresequenzen in räumliche Informationen umzuwandeln. Ein Ausgabemodell, das die räumlichen Informationen in eine 3D-Struktur übersetzt. Ein Verfeinerungsprozess, der die Struktur zu einem Arzneimittelmolekül fein abstimmt.
Da wir in nicht allzu ferner Zukunft ein stärker automatisiertes Medikamentendesignmodell entwickeln werden, wird der Wert dieser Technologien des maschinellen Lernens noch größer. Studien deuten darauf hin, dass KI das Potenzial hat, nicht nur Medikamente zu entwickeln, sondern dies auch in der optimalen Dosierungsform in konsistenten Chargen zu tun.
KI-entwickelte Medikamente in klinischen Studien
KI-entwickelte Medikamente wurden bereits in Studien getestet und die vorläufigen Ergebnisse sind sehr vielversprechend. Im Juni 2022 wurde ein KI-entwickeltes Arzneimittelmolekül von Exscientia erfolgreich in Phase 1b/2-Studien für bestimmte Krebspatienten aufgenommen. Ebenso demonstrierte das neuseeländische Unternehmen Insilico Medicine Anfang 2023 die Fähigkeiten seiner Pharma.AI-Plattform, Arzneimittelmoleküle gezielt zu entwickeln und zu entwickeln, die ein hohes Maß an Integration mit der menschlichen Biologie aufweisen.
Dennoch stehen KI-basierte Medikamente noch am Anfang, und viele innovative Unternehmen machen Versprechungen, die sie noch nicht erfüllen können. Es kann noch Jahre dauern, bis die ersten vollständig KI-basierten Medikamente auf den Markt kommen, aber es ist klar, dass diese Technologie die Pharmaindustrie definitiv zum Besseren erschüttert hat.
Anwendung von KI in der medizinischen Praxis
Neben der Verwendung bei der Entwicklung und dem Design von Medikamenten wird KI auch in der medizinischen Praxis eingesetzt, um Prozesse zu beschleunigen und Arbeitsabläufe zu optimieren. So hat sich beispielsweise gezeigt, dass lokale Infusionszentren, die wie der Rest der Gesundheitsbranche mit erheblichen Herausforderungen wie Personalmangel und betrieblichen Ineffizienzen konfrontiert sind, erheblich von KI profitieren. Eine von LeanTaaS durchgeführte Umfrage unter 100 Führungskräften von US-Krebszentren ergab, dass KI die Wartezeiten der Patienten um 30 % verkürzen, Überstunden des Personals um 50 % reduzieren und eine um 15 % gestiegene Patientenzahl bewältigen kann.
Wenn lokale Infusionszentren diese Technologien nutzen können, verbessern sie unbeabsichtigt die Patientenerfahrung und ermöglichen eine reibungslosere Behandlung für diejenigen, die früher Schwierigkeiten hatten, einen optimierten Weg zur Behandlung ihrer Krankheit zu finden. Zwar ist die Verbesserung der technologischen Kompetenz des Personals mit zusätzlichem Stress verbunden, doch auf lange Sicht kann diese Technologie das Gesundheitspersonal befähigen, seine Ressourcen besser zu verteilen und sicherzustellen, dass seine Patienten die Pflege erhalten, die sie verdienen.
In den nächsten Jahren wird die KI wahrscheinlich größere und vielfältigere Datensätze integrieren, darunter auch echte Patientendaten. Dadurch wird die Präzision der Arzneimittelentwicklung und -entwicklung weiter verbessert und die Entwicklung neuer Produkte in Rekordgeschwindigkeit ermöglicht. Da frühere Technologien jedoch einst Hoffnungen auf eine Revolutionierung der Arzneimittelentwicklung geweckt haben und die Erwartungen nicht erfüllt haben, ist es wichtig, über den Hype hinauszublicken und jeden Schritt so zu nehmen, wie er kommt.
Anmerkung des Herausgebers: Der Autor und sein Arbeitgeber haben keine finanzielle Beziehung zu einem der in diesem Artikel erwähnten Unternehmen oder Tools.
Foto: metamorworks, Getty Images
Als CEO von TwelveStone Health Partners leitet Shane Reeves alle Aspekte des Unternehmens, darunter Produkt, Marketing, Vertrieb, Finanzen und Lieferstrategie. Shanes Karriere begann 1994, als er in das Familienunternehmen eintrat und sich durch alle Funktionen des Unternehmens hocharbeitete. Unter Shanes Führung und der Weiterentwicklung als TwelveStone ist das Unternehmen zu einem breit aufgestellten medizinischen Dienstleistungsunternehmen mit einer langen Liste von Kunden aus allen Bereichen der Gesundheitsversorgung herangewachsen.
Dieser Beitrag erscheint im Rahmen des MedCity Influencers-Programms. Über MedCity Influencers kann jeder seine Sichtweise zu Wirtschaft und Innovation im Gesundheitswesen auf MedCity News veröffentlichen. Klicken Sie hier, um zu erfahren, wie.
