Generative künstliche Intelligenz findet immer mehr Anwendung in der Pharmaindustrie, indem sie unstrukturierte Informationen zu Erkenntnissen verdichtet und arbeitsintensive Aufgaben automatisiert. Es ist nicht die Lösung für alles. Aber es entwickelt sich zu einer Lösung für viele Dinge.
„Manchmal wollen die Leute einfach jedes Problem mit neuen Technologien lösen und denken, dass das funktionieren wird“, sagte David Latshaw, CEO und Mitbegründer von BioPhy, einem biowissenschaftlichen Gesundheitstechnologieunternehmen. „Der bessere Weg, darüber nachzudenken, ist, was wir heute mit diesen neuen Fähigkeiten tun können, was wir vorher nicht tun konnten.“ Im pharmazeutischen Bereich gibt es viele Dinge, die stark auf Sprache, Text und Dokumenten basieren. Und genau darauf sollten Sie bei generativen Lösungen achten.“
Latshaw sprach auf einer Podiumsdiskussion während der jüngsten INVEST Digital Health-Konferenz von MedCity News. Zu ihm gesellte sich Brigham Hyde, CEO und Mitbegründer von Atropos Health. Moderiert wurde das Panel von Naomi Fried, CEO von PharmStars.
KI wird zunehmend in der Arzneimittelforschung eingesetzt, wo zu ihren Anwendungen die Identifizierung von Zielen und die quantitative Bewertung der Wirksamkeit und Sicherheit eines Moleküls gehören, sagte Latshaw. Solche Anwendungen ermöglichen es Unternehmen, mit größeren Datenmengen zu arbeiten, als dies mit herkömmlichen Methoden möglich wäre. Bei der Arzneimittelforschung kann KI einem Unternehmen dabei helfen, schnell mehr Wirkstoffziele und mehr Moleküle zu finden, die diese Ziele erreichen können. Als Beispiele für KI-Unternehmen, die solche Arbeit leisten, verwies er auf Recursion und Insilico Medicine, die beide kürzlich Ergebnisse mittlerer klinischer Studien für führende Arzneimittelkandidaten meldeten, die mit ihren jeweiligen KI-Technologien entdeckt wurden.
Zu den Anwendungen von KI in klinischen Studien gehört die Identifizierung der richtigen Patienten für die Aufnahme in eine klinische Studie sowie die Optimierung des Designs und der Struktur einer Studie. KI kann auch verwendet werden, um Versuche zu simulieren und Vorhersagen zu treffen. Das ist wichtig, weil diese Informationen einem Unternehmen helfen können, zu bestimmen, wie es Ressourcen zum richtigen Zeitpunkt dem richtigen Programm zuweisen kann, sagte Latshaw. Hyde hält solche Simulationen für wichtig, um die Ressourceninvestitionen eines Unternehmens zu verringern. Beispielsweise könnte vor Beginn einer Phase-2-Studie eine Simulation das wahrscheinliche Ergebnis sehen, bevor ein Unternehmen 35 oder 40 Millionen US-Dollar für die Studie ausgibt.
„Bevor Sie das ausgeben, haben Sie ein wirklich gutes Gespür dafür, ob es Erfolg haben wird“, sagte Hyde. „Besonders wenn all diese neuen Moleküle auf einen zukommen, muss man das wirklich tun, denn das Kapital reicht nicht aus, um sie alle auszuprobieren.“
Das Hindernis bei der Einführung von KI ist Geld. Die Vorabkosten dieser Technologien belaufen sich auf zweistellige Millionenbeträge, aber es sei unklar, wann ein Unternehmen einen Nutzen aus der Investition ziehen werde, sagte Latshaw. Es kommt auf die Risikotoleranz eines Unternehmens und seine Prioritäten an. Ein Unternehmen, das heute Mehrwert schaffen möchte, würde in den Einsatz von KI für spätere Entwicklungs- und Kommerzialisierungsphasen investieren.
In der kommerziellen Phase könne KI genutzt werden, um vorherzusagen, welche Patienten am meisten davon profitieren würden, sagte Hyde. Diese Daten können die Behandlungsentscheidungen von Ärzten und die Kostenübernahmeentscheidungen von Kostenträgern beeinflussen. KI hat auch Auswirkungen auf den Vertrieb. Anstatt über ein Vertriebsteam von 1.000 Mitarbeitern zu verfügen, benötigt ein Unternehmen möglicherweise nur 300 Vertriebsmitarbeiter, die durch starke KI-generierte Beweise unterstützt werden, die zur Ansprache wichtiger Anwender genutzt werden können, sagte Hyde.
Veränderungen in der Belegschaft könnten vor der Kommerzialisierungsphase stattfinden. Beispielsweise könne die Arbeit zur Vorbereitung eines FDA-Antrags mit Hilfe von KI mit weniger Arbeitskräften und weniger Zeit erledigt werden, sagte Hyde. Aber Geschwindigkeit ist nicht das wichtigste Kriterium. Der Maßstab für den Wert von KI werden Versuche sein, die schneller, effizienter und erfolgreicher sind.
„Wenn man entweder die Zeitkurve oder die Erfolgskurve verbiegt, hat das enorme Auswirkungen auf das Wirtschaftsmodell und das Kapitalmarktmodell für Biotechnologie“, sagte Hyde.
Latshaw, ein Veteran von Johnson & Johnson, sagte, seine Erfahrung bei einem großen Pharmaunternehmen habe ihn Zeuge zahlreicher Misserfolge und ein oder zwei großer erfolgreicher Initiativen gemacht. Er fügte hinzu, dass er es nicht für eine gute Idee halte, wenn Pharmaunternehmen ihre eigenen KI-Fähigkeiten aufbauen. Stattdessen sollten sie sich an die Kernkompetenzen Kommerzialisierung und Wissenschaft halten und mit anderen zusammenarbeiten, die andere Fähigkeiten mitbringen, erklärte er. In einem Jahrzehnt wird die KI viel ausgefeilter sein. Für Pharmaunternehmen bedeutet dies, dass sich ihre Zusammensetzung wahrscheinlich nicht wesentlich ändern wird, sie aber viel schlanker sein werden.
„Sie werden in der Lage sein, genau die gleiche Menge an Arbeit mit viel weniger Leuten zu erledigen“, sagte Latshaw. „Diese Leute werden sich mit Technologie und Fachgebiet sehr gut auskennen. Diese zweisprachigen Menschen sind derzeit nicht mehr so verbreitet, und das müssen sie sein, damit diese Zukunft funktioniert.“
Hyde sieht das Potenzial für große Pharmaunternehmen, sich stark von dem zu unterscheiden, was sie jetzt sind. Angesichts der neuen Möglichkeiten der KI müssen große Pharmaunternehmen herausfinden, wo sie im Spektrum der Arzneimittelentwicklung stehen. Dabei könnte es sich um Unternehmen handeln, die neue Ziele identifizieren, oder es könnte sich eher um Unternehmen handeln, die wirklich effiziente klinische Studien durchführen.
Es werden neue Geschäftsmodelle ausprobiert, und Hyde stellte fest, dass sich das Kommerzialisierungsmodell bereits ändert. Pfizer und Eli Lilly haben kürzlich Schritte angekündigt, bestimmte Produkte direkt an Patienten zu verkaufen. Dieser Wandel ist wichtig, da es die Unternehmen sind, die den Wert steigern wollen, und daher in Möglichkeiten investieren werden, diese Bemühungen zu unterstützen. Künftig könnte die Fähigkeit der KI, personalisierte Vorhersagen zu treffen, zu neuen Arten personalisierter Medikamente führen, von der frühen Entdeckungsphase bis hin zum Direktverkauf an den Patienten über eine Website. Ein Unternehmen müsste noch dafür sorgen, dass die Herstellungs- und Vertriebsseite funktioniert, und die Wirtschaftlichkeit dieses neuen Modells herausfinden.
„Das wäre ein ganz anderes Pharmaunternehmen, als wir es uns jetzt vorstellen“, sagte Hyde.
Foto von MedCity News
