KI in der Pharmaindustrie Schneller und preiswerter: Künstliche Intelligenz revolutioniert die Entwicklung neuer Medikamente

Anbieter zum Thema

CADFEM Germany GmbH

Esker Software Entwicklungs-und Vertrieb

Yorizon GmbH & Co. KG

Hohe Kosten, Misserfolge und jahrzehntelange Arbeit – die Entwicklung neuer Medikamente ist ein aufwendiger Prozess. Künstliche Intelligenz bietet neue Möglichkeiten für eine verbesserte und beschleunigte Medikamenten-Entwicklung.

Der Weg zur Entwicklung neuer Medikamente ist lang, aufwendig und teuer. Von Tausenden neuen potenziellen Wirkstoffen, die in Laboren gefunden und untersucht werden, schafft es nur ein geringer Prozentsatz in klinische Versuche. Mit Glück übersteht eine Substanz alle Tests und kommt – sofern sie den hohen gesetzlichen Anforderungen an die Sicherheit entspricht – als neues Medikament auf den Markt.

Bis zur Markteinführung können so 10 bis 15 Jahre vergehen. Und die Kosten bewegen sich dabei nicht selten im Milliarden-Bereich. Der immense Aufwand für Forschung und Entwicklung stellt eine große Herausforderung für die Pharmaindustrie dar.

Künstliche Intelligent verändert Medikamenten-Entwicklung

Künstliche Intelligenz kann hier Abhilfe schaffen und die Entwicklung von Arzneimitteln beschleunigen. Die Wissenschaftler des Bereichs Life Sciences am Lamarr-Institut für Maschinelles Lernen und Künstliche Intelligenz und Life Science Informatics am Bonn-Aachen International Center for Information Technology (b-it) sind führend auf dem Gebiet der Datenanalyse und des Maschinellen Lernens für die Arzneimittelforschung. 

In einer neuen Kooperation mit dem Tübingen Center for Academic Drug Discovery (TüCAD2) der Universität Tübingen wollen die Experten für Künstliche Intelligenz nun die Wirkstoff-Forschung von Proteinkinasen auf eine neue Ebene bringen. 

Warum trifft die Künstliche Intelligenz eine bestimmte Vorhersage? Damit wir in den Life Sciences das Potenzial von KI ausschöpfen können, muss sie für ein interdisziplinäres Publikum verständlich sein.

Kinasen sind Enzyme und erfüllen im Körper die Aufgabe, zelluläre Signalwege zu regulieren. Proteinkinasen im Speziellen spielen eine Rolle in der Signalübertragung und Kontrolle verschiedenster zellulärer Prozesse. Wenn die diese Enzyme nicht richtig funktionieren, dann können schwere Krankheiten wie Krebs, neurologische Störungen oder Autoimmunerkrankungen entstehen. 

„Die Fortschritte in der KI-gestützten Arzneimittel-Entwicklung versprechen konzeptionell neue Möglichkeiten für eine verbesserte und beschleunigte Medikamentenentwicklung“, erklärt Prof. Dr. Jürgen Bajorath, Principal Investigator und Area Chair Life Sciences am Lamarr-Institut und Professor am b-it. Er spricht sogar von einer neuen Ära der akademischen Wirkstoff-Forschung und -Entwicklung.

KI unterstützt in allen Phasen der Arzneimittel-Entwicklung

Von der Suche nach potenziellen Wirkstoff-Kandidaten und wirksameren Medikamenten-Molekülen über die Sicherheitsbewertung bis hin zur Durchführung von klinischen Tests – in nahezu allen Phasen kann Künstliche Intelligenz die Arzneimittelforschung unterstützen und effizienter gestalten. 

Insbesondere in der Medizin und Pharmazie ist es jedoch besonders wichtig, dass die Funktionsweisen hinter den Verfahren des Maschinellen Lernens transparent und verständlich sind. Deshalb setzen die Forscher am Lamarr-Institut und b-it auf eine „Erklärbare KI“, die nicht nur mit biowissenschaftlichen Daten trainiert wird, sondern auch zusätzliches Wissen und Kontextinformationen aus verschiedenen lebenswissenschaftlichen Bereichen nutzt.

 „Warum trifft die Künstliche Intelligenz eine bestimmte Vorhersage? Damit wir in den Life Sciences das Potenzial von KI ausschöpfen können, muss sie für ein interdisziplinäres Publikum verständlich sein. Andernfalls gehen der Einsatz und die Akzeptanz nicht über die Theorie hinaus“, sagt Bajorath. 

Während Datenanalyse und Maschinelles Lernen am Lamarr-Institut und b-it in Bonn stattfinden, werden Wirkstoffsynthese, Pharmakologie und biologische Tests am TüCAD2 in Tübingen durchgeführt. Als Datengrundlage dient den Wissenschaftlern einerseits die sogenannte TüKIC-Bibliothek, die derzeit größte akademische Sammlung von Proteinkinase-Inhibitoren (PKI) mit circa 12.000 PKIs und 1 Million Aktivitätsdaten, sowie eine Sammlung von rund 156.000 PKIs aus öffentlichen Quellen, die am Lamarr-Institut kuratiert wird und derzeit mehr als 80 Prozent aller menschlichen Kinasen abdeckt.

Künstliche Intelligenz

KI-Diagnostik aus der Cloud: So revolutioniert sie die Radiologie