Die Aussicht auf ein bahnbrechendes neues Medikament kann Hoffnung für Patient:innen mit verschiedenen Krankheitsbildern bringen. Doch die Wartezeit auf ein neues marktreifes Therapeutikum kann lang sein, da der Forschungs- und Entwicklungsprozess (F&E) typischerweise zeitaufwändig, teuer und mit vielen Herausforderungen verbunden ist.
Das ändert sich jetzt, da eine der leistungsfähigsten neuen Technologien dieses Jahrzehnts - generative KI - die Welt der pharmazeutischen Forschung und Entwicklung zu revolutionieren beginnt. Precedence Research prognostiziert, dass der Markt für GenAI in Life Sciences zwischen 2023 und 2032 mit einer durchschnittlichen jährlichen Wachstumsrate von fast 21 % wachsen wird, was ihr Potenzial unterstreicht, die Zeitspanne der Arzneimittelentdeckung zu verkürzen und die Effizienz klinischer Studien zu transformieren.
Erschließung des Potenzials der generativen KI für die F&E in den Life Sciences
Der traditionelle / evententuell: herkömmliche Arzneimittelentdeckungsprozess ist langsam und teuer, er erfordert viele Runden von Versuch und Irrtum, um potenzielle Wirkstoffkandidaten zu identifizieren. Einmal identifiziert, muss ein Wirkstoffkandidaten präklinische Versuche an Tiermodellen bestehen, bevor er die behördliche Genehmigung zur Durchführung von Versuchen an Menschen erhält. Nach Bestehen der klinischen Versuche muss das Molekül eine lange Phase der Überwachung auf unerwünschte Ereignisse / Wirkungen durchlaufen, bevor es kommerzialisiert werden kann.
Da die gesamte Abfolge von Operationen oft bis zu 10 -15 Jahre dauern kann, besteht ein ausreichender Anreiz, diese Zeitspannen durch den Einsatz neuer Technologien zu verkürzen. Eine solche Technologie ist die generative KI. Sie verspricht, die F&E durch den Einsatz von maschinellem Lernen (ML) und natürlicher Sprachverarbeitung (NLP) zu transformieren, um die Arzneimittelentdeckung zu beschleunigen und klinische Studien zu revolutionieren.
Beschleunigung der Arzneimittelentdeckung mit generativer KI
Es gibt viele Bereiche der pharmazeutischen F&E, in denen GenAI großes Potenzial birgt. Allein im Prozess der Arzneimittelentdeckung gehören dazu:
- Literaturübersicht und Wissensextraktion: Extrahieren von Erkenntnissen aus einer Vielzahl wissenschaftlicher Literatur, um Forscher:innen dabei zu helfen, auf dem neuesten Stand der Entdeckungen zu bleiben und die Hypothesenbildung zu erleichtern.
- Vorhersage von Arzneimittelzielen: Schnelle Analyse großer Datensätze biologischer / biowissenschaftlicher Informationen wie Genomik, Proteomik und Metabolomik, um potenzielle Arzneimittelziele vorherzusagen. Dies kann auch dazu beitragen, neuartige Ziele zu identifizieren, die von traditionellen / klassischen Methoden zuvor übersehen wurden, und neue therapeutische Indikationen aus vorhandenen Arzneimittelverbindungen zu identifizieren.
- Vorhersage von Arzneimittel-Ziel-Interaktionen: Diese Modelle können die Bindungsaffinität und potenzielle Nebenwirkungen von Arzneimittelkandidaten/produkten mit ihren beabsichtigten Zielen vorhersagen. Dies hilft dabei, welche Verbindungen für eine weitere Validierung voranzutreiben / erfolgsversprechend sind.
- Compounding: Generieren von neuartigen chemischen Verbindungen mit gewünschten Eigenschaften wie hoher Bindungsaffinität und geringer Toxizität. Dies beschleunigt den Arzneimittelentdeckungsprozess, indem es einen breiteren Pool potenzieller Arzneimittelkandidaten bietet.
- Pharmakologie-Analyse: Diese Modelle können die multiplen Wirkungen von Verbindungen vorhersagen und möglicherweise Möglichkeiten zur Wiederverwendung von Medikamenten oder Kombinationstherapien aufdecken.
- Arzneimittelformulierung: Unterstützung bei der Gestaltung von Arzneimittelformulierungen und Lieferungssystemen, die die Stabilität des Arzneimittels, die Bioverfügbarkeit und die Therapietreue (Patientencompliance) verbessern.
- Datenanreicherung: Erstellen synthetischer Datensätze für verschiedene Aspekte der Arzneimittelentdeckung, einschließlich Zielinteraktionen, molekularer Strukturen und Patient:innenprofile. Dies kann begrenzte realitätsnahe Daten ergänzen und das Modelltraining verbessern.
Life Sciences Unternehmen beweisen bereits den Wert von GenAI
Obwohl die Verwendung von GenAI in der Arzneimittelentdeckung noch in den Kinderschuhen steckt, werden die ersten Technologielösungen bereits von Life Sciences Unternehmen eingesetzt.
Start-ups wie Evozyne und etablierte Player wie Amgen sind frühe Anwender der GenAI-Cloud-Services von NVIDIA für die Arzneimittelentdeckung und Forschung in den Bereichen Genomik, Chemie, Biologie und molekulare Dynamik, laut BCG. Peptilogics bietet hingegen eine generative KI-Plattform an, die darauf abzielt, die Peptid-Arzneimittelentwicklung und die Lead-Optimierung für verschiedene Ziele zu erleichtern, laut AI-Multiple.
Die Vorteile beginnen auch nachweisbar zu werden: BCG merkt an, dass Insilico Medicine GenAI verwendet hat, um innerhalb von nur 18 Monaten von der Entdeckung neuartiger Ziele bis zum präklinischen Kandidaten zu gelangen, bei Kosten von nur 2,6 Millionen US-Dollar.
Transformation klinischer Studien mit generativer KI
Sobald eine neue Kandidatenverbindung identifiziert und Prüfungen bestanden hat, gibt es viele Möglichkeiten, GenAI in menschlichen Studien anzuwenden, um die Effizienz und Sicherheit zu erhöhen und die Zeitspannen zu verkürzen.
Potenzielle vielversprechende Bereiche hierbei sind:
- Optimierung des Protokolls: Entwurf effizienterer und anpassungsfähiger klinischer Studienprotokolle durch die Verwendung von GenAI, um verschiedene Szenarien zu simulieren, Patient:innenrekrutierungsraten vorherzusagen und potenzielle Herausforderungen zu identifizieren.
- Analyse von Evidenz aus der realen Welt: Verarbeitung von elektronischen Gesundheitsakten und anderen unstrukturierten klinischen Datenquellen mit NLP, um wertvolle Erkenntnisse wie Patient:innenergebnisse und unerwünschte Ereignisse zu extrahieren, um klinische Studiendesigns und -überwachung zu informieren.
- Arzneimittelsicherheitsüberwachung: Automatisierung der Erkennung von unerwünschten Ereignissen und Sicherheitssignalen durch Analyse von klinischen Daten im großen Maßstab, um eine frühzeitige Intervention und regulatorische Konformität zu gewährleisten.
- Patient:innenrekrutierung und -bindung: Identifizierung potenzieller Studienteilnehmer:innen durch Analyse von Patient:innen, Patient:innendokumentationen und Daten aus sozialen Medien und Vorschläge personalisierter Engagement Strategien zur Verbesserung der Patienten:innenbindung.
- Analyse von medizinischen Bildern: Verbesserung der Analyse von medizinischen Bildern wie MRT- und CT-Scans durch Erkennung von Anomalien und Generierung detaillierter Berichte.
Eine lebensverändernde Aussicht für Patienten:innen, die auf neue Behandlungen warten
Die generative KI steht kurz davor, die klinische F&E auf eine Weise zu revolutionieren, die wir uns vor wenigen Jahren kaum hätten vorstellen können. Die Integration von generativer KI in die Prozesse der Arzneimittelentdeckung und klinischen Studien bietet Möglichkeiten, neuartige Therapien zu identifizieren und sie schnell und effizient auf den Markt zu bringen - in einem Bruchteil der Zeit des traditionellen F&E-Prozesses. Für Patienten:innen auf der ganzen Welt, die auf bahnbrechende neue Behandlungen warten, ist das eine lebensverändernde Aussicht.
