Die Entdeckung und Entwicklung von Arzneimitteln hat sich seit den Tagen, in denen bekannte natürlich vorkommende Toxine (z. B. in Pilzen oder Pflanzen) iterativ gegen Krankheitsziele eingesetzt wurden, bis eine therapeutische Wirkung beobachtet wurde, stark weiterentwickelt. Die Biologie wird schnell digital, da die Kosten für die Gensequenzierung rapide sinken. Große Mengen an maschinenlesbaren Daten bieten jedoch sowohl die Möglichkeit, neue Erkenntnisse zu gewinnen, als auch eine gewaltige Herausforderung, da die Ableitung dieser Erkenntnisse mit den ständig wachsenden Datenmengen immer schwieriger wird. Außerdem wird es immer schwieriger, einen umfassenden Überblick über die wichtigsten Entwicklungen in benachbarten Forschungsbereichen zu behalten, was bei der kreativen Entwicklung von Arzneimitteln oft von Nutzen sein kann. Jüngste Studien haben diese Herausforderung hervorgehoben und schätzen, dass fast 80 % der medizinischen Daten nach ihrer Erstellung unstrukturiert und ungenutzt bleiben (Kong, 2019). Kann die KI, die in anderen Bereichen wie Cloud Computing und Cybersicherheit erhebliche Fortschritte erzielt hat, auch in der Arzneimittelentwicklung eine wertvolle Rolle spielen?

Leistungsfähigkeit von KI

Theoretisch sind die Erforschung und Entwicklung von Arzneimitteln genau die Art von Problemen, die sich gut für den Einsatz intelligenter Automatisierung eignen sollten. So gibt es beispielsweise etwa 1.060 mögliche Kombinationen von Wirkstoffmolekülen, was ein attraktives Optimierungsproblem für KI darstellt, die darauf ausgerichtet werden können, potenzielle Leitverbindungen zu erkennen und die Validierung des Wirkstoffziels und des Designs der Wirkstoffstruktur vorzunehmen. Diese Aufgabe kann sowohl vorwärts als auch rückwärts gerichtet sein. Die Leistungsfähigkeit der KI wird durch die Tatsache veranschaulicht, dass ein Forscherteam von BenevolentAI in nur vier Tagen Baricitinib als potenzielle Covid-19-Behandlung identifizierte. Das Medikament von Eli Lilly, das normalerweise zur Behandlung von rheumatoider Arthritis eingesetzt wird, könnte sowohl das Covid-19-Virus als auch die Entzündungsreaktion des Körpers auf dieses Virus bekämpfen. Es war das erste Mal, dass die künstliche Intelligenz ein bestehendes Medikament entdeckte, um ein neues Problem anzugehen.

Viele Unternehmen haben den greifbaren Nutzen der intelligenten Automatisierung erkannt und machen sich diese zunutze. Noch im Jahr 2020 verfügte Pfizer beispielsweise nicht über die Mittel, um eine seiner Bibliotheken mit Daten zu 4,5 Mrd. kommerziell erhältlichen Wirkstoffen automatisch zu durchsuchen. Jetzt kann das Unternehmen die gesamte Datenbank innerhalb von 48 Stunden durchsuchen, was die Identifizierung potenzieller neuer Medikamente erheblich beschleunigt.

Laut Deep Knowledge Analytics (2H2019) gibt es weltweit über 170 KI-gestützte Forschungs- und Entwicklungsunternehmen (F&E) und 35 große F&E-Zentren, die KI einsetzen. Eine Deloitte-Umfrage aus dem Jahr 2019 ergab, dass über 40 % der Start-ups in der Arzneimittelforschung KI nutzen, um chemische Repositorien nach potenziellen Arzneimittelkandidaten zu durchsuchen, 28 % nutzen KI, um neue Zielmoleküle zu finden, und 17 % nutzen sie für computergestütztes Moleküldesign. Miraz Rahman, Professor für medizinische Chemie am King’s College London, glaubt, dass innerhalb des nächsten Jahrzehnts alle großen Pharmaunternehmen KI in die Arzneimittelforschung integriert haben werden.

Gleichgewicht zwischen Mensch und Maschine

Wichtig ist, dass derzeit kaum die Erwartung besteht, dass die KI die menschliche Expertise ersetzt. Vielmehr wird die KI als eine Möglichkeit gesehen, diese zu verbessern. Fachexperten sind von entscheidender Bedeutung bei der Definition von Daten für die KI-Analyse und bei der Peer-Review und End-to-End-Verifizierung der Ergebnisse. Darüber hinaus kann KI, wie jedes andere leistungsfähige Werkzeug auch, für schändliche Zwecke eingesetzt werden, wenn sie nicht kontrolliert wird. In einer kürzlich durchgeführten Demonstration wurde ein KI-Modell mit einer Reihe von Molekülen trainiert und mit der Aufgabe betraut, zu berechnen, wie sie so angepasst werden können, dass sie zunehmend giftiger werden. Das Ergebnis war beunruhigend: Innerhalb weniger Stunden hatte das Modell über 40 000 potenziell schädliche Moleküle vorgeschlagen.

Die Arzneimittelforschung ist nur eine Phase in dem umfassenderen Prozess der Zulassung neuer Medikamente. Wie bei der Entdeckung gibt es auch bei anderen Teilen des Prozesses eigenartige Ineffizienzen, die verbessert werden könnten. Die Gensequenzierung wird in Bezug auf Geschwindigkeit, Genauigkeit und Kosten immer besser. Illumina ist der dominierende Akteur in der Branche, aber Newcomer wie Oxford Nanopore treiben die Innovation weiter voran. Bei der Zellmanipulation gibt es dramatische Fortschritte, die von Unternehmen wie Berkeley Lights vorangetrieben werden. Andernorts hat Genmab hervorragende Fortschritte im Bereich des Antikörper-Screenings erzielt. CROs wie Icon schließlich ermöglichen es großen Pharmaunternehmen, einen Teil der schweren Arbeit auszulagern und sich auf die komplexeste Forschung zu konzentrieren. Jeder Teil der Wertschöpfungskette erfährt Verbesserungen und trägt zu einem größeren Ganzen bei.

Die Arzneimittelforschung ist nach wie vor ein wichtiger Teil des gesamten Arzneimittelentwicklungsprozesses, der sich potenziell gut dafür eignet, dass geschulte Automatisierung eine größere Rolle spielt. Mit dem richtigen Gleichgewicht zwischen Mensch und Maschine und den entsprechenden Kontrollen zur Sicherstellung der strikten Einhaltung der Aufgabenstellung dürfte die KI eine immer wichtigere Rolle bei der Entdeckung neuer Medikamente spielen. Die Zukunft der Arzneimittelforschung sieht rosig aus – Hippokrates wäre stolz darauf, wie weit wir es gebracht haben.