KI verwandelt die Entdeckung von Medikamenten und könnte potenziell die Zeit und die Kosten für die Markteinführung neuer Medikamente um mehrere Größenordnungen verkürzen. So verändert die KI die pharmazeutische Forschung und was das für die Zukunft der Medizin bedeutet.
Das Problem der Medikamentenentdeckung
Die traditionelle Medikamentenentdeckung ist langsam und kostspielig:
– Durchschnittliche Zeit von der Entdeckung zur Markteinführung: 10-15 Jahre
– Durchschnittskosten: 2-3 Milliarden Dollar pro genehmigtem Medikament
– Erfolgsquote: weniger als 10 % der Medikamente, die in klinischen Studien getestet werden, werden genehmigt
– Riesiger chemischer Raum: Über 10^60 molekülähnliche Verbindungen, die es zu erforschen gilt
KI kann jeden dieser Indikatoren erheblich verbessern.
Wie KI die Medikamentenentdeckung beschleunigt
Identifizierung von Zielen. KI analysiert genomische Daten, Proteinstrukturen und Krankheitsmechanismen, um vielversprechende Zielstrukturen für Medikamente zu identifizieren — die biologischen Moleküle, mit denen ein Medikament interagieren muss, um eine Krankheit zu behandeln.
Generierung von Molekülen. Generative KI entwirft neue Arzneimittel-Moleküle mit gewünschten Eigenschaften — Bindungsaffinität, Selektivität, Löslichkeit und Sicherheit. Anstatt Millionen existierender Verbindungen zu testen, generiert die KI innovative Moleküle, die für das spezifische Ziel optimiert sind.
Virtuelles Screening. KI filtert schnell Millionen oder Milliarden von Verbindungen gegen ein Ziel und sagt voraus, welche am wahrscheinlichsten effektiv sind. Dadurch reduziert sich die Anzahl von Millionen auf Hunderte, was Jahre an Laborarbeit spart.
Vorhersage von Eigenschaften. KI sagt die Eigenschaften eines Moleküls vorher — Toxizität, Metabolismus, Bioverfügbarkeit — bevor es synthetisiert wird. Dies schließt Kandidaten aus, die später in der Entwicklung scheitern würden.
Vorhersage der Proteinstruktur. AlphaFold (Google DeepMind) hat die Struktur von fast allen bekannten Proteinen vorhergesagt. Das Verständnis der Proteinstruktur ist entscheidend für die Gestaltung von Medikamenten, die mit ihnen interagieren.
Optimierung klinischer Studien. KI identifiziert optimale Patientengruppen, sagt Ergebnisse voraus und entwirft effizientere Studienprotokolle. Das kann die Dauer und die Kosten von Studien senken.
Wichtige KI-Tools und -Plattformen
AlphaFold (DeepMind). Sagt die Proteinstrukturen auf Basis von Aminosäuresequenzen voraus. Hat Strukturen für mehr als 200 Millionen Proteine vorhergesagt und bildet eine Grundlage für die Medikamentenentwicklung.
Insilico Medicine. End-to-End-AI-Plattform für die Medikamentenentdeckung. Hat mehrere Medikamente in klinischen Studien, die von der KI entdeckt und entworfen wurden.
Recursion Pharmaceuticals. Nutzt Computer Vision und KI zur Analyse von Zellbildern, um Medikamentenkandidaten auf der Grundlage ihrer Auswirkungen auf das Zellverhalten zu identifizieren.
Atomwise. KI-gestützte Plattform für virtuelles Screening. Verwendet Deep Learning, um vorherzusagen, wie Arzneimittel-Moleküle mit Protein-Zielen interagieren.
Exscientia. KI-gesteuerte Medikamentenentwicklung. Ihre KI-Plattform entwirft Moleküle mit optimierten Eigenschaften und verkürzt den Zyklus von Design, Herstellung und Test von mehreren Monaten auf wenige Wochen.
Erfolgsgeschichten
INS018-055 von Insilico Medicine. Ein von KI entworfenes Medikament gegen idiopathische Lungenfibrose, das die Phase II klinischer Studien erreicht hat. Der gesamte Entdeckungsprozess dauerte 18 Monate anstelle der üblichen 4-5 Jahre.
Antikörperdesign durch Absci. Hat generative KI verwendet, um neue Antikörper zu entwerfen und demonstriert, dass KI funktionale biologische Moleküle von Grund auf erstellen kann.
Auswirkungen von AlphaFold. In Tausenden von Forschungsartikeln zitiert, hat AlphaFold die Forschung in der Biologie und der Medikamentenentdeckung beschleunigt, indem es Proteinstrukturen bereitstellt, die zuvor Monate oder Jahre brauchen, um experimentell bestimmt zu werden.
Herausforderungen
Validierung. KI kann vorhersagen, aber die Biologie ist komplex. Die von KI entworfen Medikamente müssen weiterhin im Labor und in klinischen Studien validiert werden. Viele der Vorhersagen der KI halten den Tests in der Realität nicht stand.
Datenqualität. KI-Modelle sind nur so gut wie ihre Trainingsdaten. Biologische Daten sind oft verrauscht, unvollständig und verzerrt zu gut erforschten Zielen und Krankheiten.
Regulatorisch. Regulierungsbehörden entwickeln immer noch Rahmenbedingungen für KI-entworfene Medikamente. Der Genehmigungsprozess bleibt der gleiche, unabhängig davon, wie das Medikament entdeckt wurde.
Biologische Komplexität. Lebende Systeme sind von großer Komplexität. KI kann einen Teil dieser Komplexität modellieren, aber viele biologische Prozesse sind noch nicht gut verstanden.
Meine Meinung
KI in der Medikamentenentdeckung ist eine der wirkungsvollsten Anwendungen der KI-Technologie. Das Potenzial, die Entwicklungszeiten von Medikamenten von mehr als 10 Jahren auf 2-3 Jahre und die Kosten von Milliarden auf Millionen zu reduzieren, könnte das Gesundheitswesen transformieren.
Wir stehen noch am Anfang — die meisten von KI entworfenen Medikamente befinden sich noch im frühen Stadium klinischer Studien. Die nächsten 5 Jahre werden entscheiden, ob die KI kontinuierlich sichere und wirksame Medikamente liefern kann. Die ersten Ergebnisse sind vielversprechend, und die Investitionen von sowohl pharmazeutischen Unternehmen als auch KI-Startups sind enorm.
Das ist KI in ihrer besten Form: Sie erweitert die menschliche Expertise, um Probleme zu lösen, die Millionen von Leben betreffen.
🕒 Published: