Auf dem Weltwirtschaftsforum kündigte Demis Hassabis, CEO von Google DeepMind, an, dass mit künstlicher Intelligenz entwickelte Medikamente voraussichtlich bis 2025 in klinische Studien gehen werden. Diese Nachricht markiert einen großen Durchbruch der künstlichen Intelligenz im Bereich der Arzneimittelforschung und -entwicklung und kündigt die Innovation zukünftiger Arzneimittelforschungs- und -entwicklungsmodelle an. Isomorphic Labs, ein Unternehmen von DeepMind, das sich auf Arzneimittelforschung und -entwicklung konzentriert, fördert diesen Prozess aktiv mit dem Ziel, mithilfe maschineller Lerntechnologie den Arzneimittelentwicklungszyklus zu verkürzen, Kosten zu senken und letztendlich eine personalisierte Medizin zu erreichen. Diese Technologie kann nicht nur die Effizienz der Arzneimittelforschung und -entwicklung erheblich verbessern, sondern Pharmaunternehmen auch enorme Geldbeträge einsparen und das aktuelle Dilemma hoher Kosten und geringer Erfolgsraten bei der Erforschung und Entwicklung neuer Arzneimittel lindern.
Auf dem Weltwirtschaftsforum, das kürzlich in Davos stattfand, sagte Demis Hassabis, CEO von Google DeepMind, dass die ersten mit Hilfe künstlicher Intelligenz entwickelten Medikamente bis 2025 mit der klinischen Erprobung beginnen könnten. Hassabis ist außerdem Leiter von Isomorphic Labs, einem Arzneimittelentwicklungsunternehmen im Besitz von DeepMind. „Unser Plan ist, dass einige von KI entwickelte Medikamente bis Ende dieses Jahres in klinische Studien gehen“, sagte er.
Seit 2021 arbeitet Isomorphic Labs daran, die Medikamentenentwicklung durch maschinelles Lernen zu beschleunigen. Hassabis erwähnte, dass in Zukunft eine personalisierte Medizin erwartet wird und KI-Systeme Medikamente in kurzer Zeit für das Stoffwechselprofil jeder Person optimieren können. Er betonte, dass sich Pharmaunternehmen zunehmend für KI interessieren, weil sie dadurch viel Zeit und Geld sparen könnten.
Laut einem Artikel in der Fachzeitschrift Nature Medicine dauert der Entwicklungs- und Zulassungsprozess für neue Medikamente typischerweise 12 bis 15 Jahre und kostet bis zu 2,6 Milliarden US-Dollar. Darüber hinaus scheitern mehr als 90 % der klinischen Studien. Daher hat jede Technologie, die Kosten senkt, die Entwicklung beschleunigt oder die Erfolgsquote verbessert, erhebliche Auswirkungen auf die finanzielle Gesundheit eines Pharmaunternehmens.
Hassabis wies darauf hin, dass Modelle des maschinellen Lernens den Prozess der Arzneimittelentwicklung auf vielfältige Weise verbessern können. Er sieht ein enormes Potenzial für Zeit- und Kosteneinsparungen. Er erinnerte jedoch auch daran, dass die Beschaffung hochwertiger Trainingsdaten aufgrund von Faktoren wie Datenschutzbestimmungen, Richtlinien zur Datenfreigabe und Kosten für die Datenerfassung immer noch mit Herausforderungen verbunden sei. Dennoch hält er die Herausforderungen nicht für unüberwindbar. Lücken in öffentlichen Daten können durch die Zusammenarbeit mit klinischen Forschungsorganisationen oder die Verwendung synthetischer Daten geschlossen werden.
Hassabis betonte jedoch, dass der Einsatz von KI in der wissenschaftlichen Forschung nicht bedeute, dass Wissenschaftler ersetzt würden. Er wies darauf hin, dass echte Innovation immer noch außerhalb der Reichweite der KI liegt, die keine neuen Hypothesen oder Theorien entwickeln kann. Obwohl KI komplexe mathematische Vermutungen lösen kann, ist sie im Wesentlichen auf die Weisheit und Kreativität menschlicher Wissenschaftler angewiesen.
Darüber hinaus erforschen Unternehmen wie Nvidia aktiv die Anwendung von KI in der Arzneimittelentwicklung. Nvidia hat sogar das BioNeMo-Framework für maschinelles Lernen für die Arzneimittelentwicklung als Open-Source-Lösung bereitgestellt und mit mehreren Pharmaunternehmen zusammengearbeitet, um den Forschungsfortschritt zu beschleunigen.
Highlight:
Es wird erwartet, dass von KI entwickelte Medikamente bis 2025 in klinische Studien gehen, was das enorme Potenzial von KI in der Medikamentenentwicklung zeigt.
Die Pharmaindustrie steht vor der Herausforderung hoher Kosten und geringer Erfolgsquoten, und KI hat das Potenzial, die Auswirkungen dieser Probleme deutlich zu reduzieren.
Hassabis sagte, dass KI das kreative Denken von Wissenschaftlern nicht ersetzen könne und echte wissenschaftliche Entdeckungen immer noch auf den Menschen angewiesen seien.
Alles in allem hat künstliche Intelligenz breite Anwendungsperspektiven im Bereich der Arzneimittelforschung und -entwicklung. Obwohl es immer noch Herausforderungen gibt, können die damit verbundenen Effizienzsteigerungen und Kostensenkungen nicht ignoriert werden. KI wird für Wissenschaftler zu einem leistungsstarken Werkzeug und nicht zu einem Ersatz werden und die Pharmaindustrie in eine neue Entwicklungsphase treiben.