KI-getriebener medizinischer Durchbruch: Künstliche Intelligenz für die Entwicklung neuer Medikamente

Die Arzneimittelentwicklung ist bekannt als “von der Arbeitsbank zum Krankenbett” wegen ihrer langen Dauer und hohen Kosten. Es dauert etwa 11 bis 16 Jahre und zwischen 1 Milliarde und 2 Milliarden Dollar, um ein Medikament auf den Markt zu bringen. Aber jetzt revolutioniert KI die Arzneimittelentwicklung und bietet bessere Geschwindigkeit und Profitabilität.

KI in der Arzneimittelentwicklung hat unseren Ansatz und unsere Strategie bei der biomedizinischen Forschung und Innovation verändert. Sie hat Forschern geholfen, die Komplexität von Krankheitswegen zu reduzieren und biologische Ziele zu identifizieren.

Lassen Sie uns genauer betrachten, was die KI in der Arzneimittelentwicklung für die Zukunft bereithält.

Verständnis der Rolle der KI: Wie sie für die Arzneimittelentwicklung eingesetzt wird

KI hat verschiedene Stadien des Arzneimittelentwicklungsprozesses mit ihrer Fähigkeit, große Datenmengen zu analysieren und komplexe Vorhersagen zu treffen, verbessert. Hier ist, wie:

1. Zielidentifizierung

Die Zielidentifizierung ist der erste Prozess der Arzneimittelentwicklung, der die Identifizierung möglicher molekularer Einheiten wie Proteine, Enzyme und Rezeptoren im Körper beinhaltet, die mit Medikamenten kombiniert werden können, um therapeutische Effekte gegen Krankheiten zu erzeugen.

KI kann große klinische Datenbanken nutzen, die wichtige Informationen über die Zielidentifizierung enthalten. Diese Datenquellen können biomedizinische Forschung, biomolekulare Informationen, klinische Studien, Proteinstrukturen usw. umfassen.

Trainierte KI-Modelle zusammen mit biomedizinischen Techniken wie Genexpression können komplexe biologische Krankheiten verstehen und biologische Ziele für die Medikamentenkandidaten identifizieren. Zum Beispiel haben Forscher verschiedene KI-Techniken für die Identifizierung neuer Antikrebsziele entwickelt.

2. Zielauswahl

KI in der Arzneimittelentwicklung kann Forschern helfen, vielversprechende Ziele basierend auf ihren Krankheitskorrelationen und vorhergesagten therapeutischen Nutzen auszuwählen. Mit starker Mustererkennung kann KI diese Auswahl basierend nicht nur auf medizinischer Literatur, sondern auch auf völlig neuen Zielen ohne vorherige Referenz in veröffentlichten Patentschriften treffen.

3. Medikamentenpriorisierung

In diesem Stadium bewertet KI die Leitmedikamentenverbindungen und priorisiert sie für weitere Bewertung und Forschung, um ihre Entwicklung voranzutreiben. Im Vergleich zu früheren Bewertungstechniken sind KI-basierte Ansätze effektiver bei der Identifizierung der vielversprechendsten Kandidaten. Zum Beispiel haben Forscher ein Deep-Learning-basiertes computergestütztes Framework entwickelt, um neue Medikamente für die Alzheimer-Krankheit zu identifizieren und zu priorisieren.

4. Verbindungsprüfung

KI-Modelle können die chemischen Eigenschaften und Bioaktivität von Verbindungen vorhersagen und Einblicke in unerwünschte Effekte geben. Sie können Daten aus verschiedenen Quellen analysieren, einschließlich früherer Studien und Datenbanken, um mögliche Risiken oder Nebenwirkungen in Verbindung mit einer bestimmten Verbindung zu identifizieren. Zum Beispiel haben Forscher ein Deep-Learning-Tool entwickelt, um chemische Bibliotheken mit Milliarden von Molekülen zu prüfen, um die groß angelegte Verbindungsexploration erheblich zu beschleunigen.

5. De-Novo-Medikamentenentwicklung

Die manuelle Prüfung großer Sammlungen von Verbindungen war eine traditionelle Praxis in der Arzneimittelentwicklung. Mit KI können Forscher neue Verbindungen mit oder ohne vorherige Informationen prüfen und auch die endgültige 3D-Struktur der entdeckten Medikamente vorhersagen. Zum Beispiel ist AlphaFold, entwickelt von DeepMind, ein KI-System, das Proteinstrukturen vorhersagen kann. Es verfügt über eine Datenbank mit über 200 Millionen Proteinstrukturvorhersagen, die den Medikamentenentwicklungsprozess beschleunigen können.

5 erfolgreiche KI-basierte Arzneimittelentdeckungsbeispiele

1) Abaucin

Antibiotika töten Bakterien. Aber aufgrund des Mangels an neuen Medikamenten und der schnellen Evolution der bakteriellen Resistenz gegen ältere Medikamente werden Bakterien immer schwerer zu behandeln. Abaucin, ein experimentelles Antibiotikum, das mit KI entwickelt wurde, ist darauf ausgelegt, Acinetobacter baumannii, eines der gefährlichsten Superbug-Bakterien, zu töten.

Mit KI haben die Forscher zunächst Tausende von Medikamenten getestet, um zu sehen, wie gut sie gegen das Bakterium Acinetobacter baumannii wirken. Dann wurde diese Information verwendet, um KI zu trainieren, um ein Medikament zu entwickeln, das das Bakterium effektiv behandeln kann.

2) Ziel X von Insilico Medicine

Insilico Medicine hat seine Generative-AI-Plattform verwendet und ein Medikament namens Ziel X entwickelt, das derzeit in Phase-1-Studien ist. Ziel X ist darauf ausgelegt, idiopathische Lungenfibrose zu behandeln, eine Krankheit, die zu Lungensteifigkeit bei älteren Menschen führen kann, wenn sie unbehandelt bleibt. Die Phase-1-Studie wird 80 Teilnehmer umfassen, und die Hälfte wird höhere Dosen schrittweise erhalten. Dies wird helfen, zu bewerten, wie das Medikament mit dem menschlichen Körper interagiert.

3) VRG50635 von Verge Genomic

Verge Genomics, ein KI-Unternehmen für Arzneimittelentwicklung, hat seine KI-Plattform CONVERGE verwendet, um eine neue Verbindung namens VRG-50635 für die Behandlung von ALS zu entdecken, indem es menschliche Datenpunkte analysierte. Die Datenpunkte umfassten Informationen über das Gehirn und Rückenmark von Patienten mit neurodegenerativen Erkrankungen wie Parkinson, ALS und Alzheimer.

Die Plattform hat zunächst das PIKfyve-Enzym als mögliches Ziel für ALS identifiziert und dann VRG50635 als vielversprechenden Hemmer von PIKfyve vorgeschlagen, der zu einem potenziellen Medikamentenkandidaten für die Behandlung von ALS wurde. Der Prozess dauerte etwa vier Jahre, und jetzt ist der Kandidat in Phase 1 der menschlichen Studien.

4) Exscientia-A2a-Rezeptor

Exscientia, ein KI-Unternehmen für Medizintechnik, ist für das erste KI-designte Molekül für die immuno-onkologische Behandlung verantwortlich – eine Form der Krebsbehandlung, die das Immunsystem des Körpers nutzt, um Krebszellen zu bekämpfen. Ihr KI-Medikament ist in die Phase der menschlichen Studien eingetreten. Sein Potenzial liegt in seiner Fähigkeit, den A2a-Rezeptor zu targeten, um anti-tumorale Aktivität zu fördern, während es gleichzeitig weniger Nebenwirkungen auf den Körper und das Gehirn hat.

Mit Generative KI haben sie einige andere Verbindungen für die Targetierung verschiedener Krankheiten wie

• Transkriptionell abhängige Krebsarten durch Targetierung von CDK7-Hemmern
• Entzündliche Krankheiten durch Targetierung des PKC-theta-Enzyms
• Hämatologie- und Onkologie-Krankheiten durch Targetierung des LSD1-Regulators

5) Absci-de-Novo-Antikörper mit Zero-Shot-Generative-KI

Absci, ein KI-Unternehmen für Arzneimittelentwicklung, hat die Verwendung von Zero-Shot-Generative-KI zur Erstellung von de-Novo-Antikörpern über Computersimulation demonstriert. Zero-Shot-Lernen bedeutet, dass das KI-Modell nicht explizit auf die aktuelle Eingabeanforderung während der Trainingsphase getestet wurde. Daher kann dieser Prozess neue Antikörperformen auf eigene Faust erstellen.

De-Novo-Therapeutika-Antikörper, die von KI angetrieben werden, verkürzen die Zeit, die für die Entwicklung neuer Medikamentenkandidaten benötigt wird, von bis zu sechs Jahren auf nur 18 bis 24 Monate und erhöhen ihre Erfolgschancen in der Klinik. Das Unternehmen kann 3 Millionen KI-generierte Designs pro Woche testen und validieren. Diese neue Entwicklung könnte sofort neue Therapeutika für jeden Patienten liefern und markiert eine bedeutende industrielle Veränderung.

Was hält die Zukunft von KI und Arzneimittelentwicklung bereit?

Neben vielen anderen Gesundheitsanwendungen macht KI den Arzneimittelentwicklungsprozess schneller und intelligenter, indem sie große Datenmengen analysiert und vielversprechende Medikamentenziele und -kandidaten vorhersagt. Mit Generative KI können Biotech-Unternehmen Patientenreaktionsmarker identifizieren und personalisierte Behandlungspläne schnell entwickeln.

Ein Bericht legt nahe, dass bald mehr MedTech-Unternehmen KI und ML in die frühe Arzneimittelentwicklung integrieren werden, was einen Markt von 50 Milliarden Dollar innerhalb der nächsten zehn Jahre schaffen wird und damit ein erhebliches Wachstumspotenzial für KI in der Pharmaindustrie bietet. KI könnte die Gesamtkosten der Arzneimittelentwicklung potenziell reduzieren und mehr neue Medikamente für Patienten bereitstellen.

Wenn Sie mehr über KI und ihre Auswirkungen auf unsere Zukunft erfahren möchten, besuchen Sie unite.ai.