Pharma: Fortschritte in der KI-gestützten Forschung


Dr. Anna Bauer-Mehren von Roche findet: Algorithmen sind für die Analyse und Lösung medizinischer Probleme in der Pharmaforschung entscheidend. 

KI in der Pharmaforschung: Klinische Arbeitsabläufe transformieren und die Patientenversorgung durch datengesteuerte Erkenntnisse verbessern. (Foto von BoliviaInteligente auf Unsplash)

 

Dr. Anna Bauer-Mehren ist Head Integrated Clinical bei Roche Information Solution. Was sie antreibt: „Unser Ziel ist es, klinische Arbeitsabläufe zu transformieren und die Patientenversorgung durch datengesteuerte Erkenntnisse und fortschrittliche Analysen zu verbessern.“

Generative KI und ihre Anwendung

Generative KI hat das Potenzial, viele Bereiche in der Medikamentenentwicklung zu transformieren. Dazu gehören das Erstellen von Dokumenten und die Generierung von Molekülen mit spezifischen Eigenschaften. Roche verfolgt einen „lab-in-the-loop“-Ansatz, bei dem KI-Vorhersagen in realen Laborexperimenten getestet und kontinuierlich verbessert werden.

Obwohl es bereits vielversprechende Ergebnisse gibt, liegt die vollständige Entwicklung von KI-Medikamenten noch in der Zukunft. Der Erfolg hängt stark von der Qualität der Trainingsdaten und den spezifischen Forschungsbereichen ab.

Daten teilen für bessere Therapien

Für Dr. Bauer-Mehren sind Gesundheitsdaten zur Verbesserung der Patientenversorgung essenziell. Durch den Vergleich individueller Daten, etwa molekularer Profile, können bessere Therapieentscheidungen getroffen werden. Das Teilen von Daten trägt dazu bei, Therapien schneller entwickeln und das Verständnis von Krankheiten vertiefen zu können.

Beispiele für KI-Anwendungen:

Immuntherapie: KI hat Hinweise darauf gegeben, warum einige Patienten resistent gegen Immuntherapien sind, was neue Therapieansätze eröffnet.

ROPRO: Ein prognostischer Score, der die Arzneimittelwirksamkeit bei multimorbiden Patienten frühzeitig abschätzen kann und im Shared Decision Making eingesetzt wird.

KI in der Pharmaforschung: KI ist bereits in vielen Teilbereichen der Medikamentenentwicklung integriert. Dr. Bauer-Mehren hebt hervor, dass es keine universelle KI-Lösung gibt, aber die bisherigen Ergebnisse in der Pharmaforschung positiv sind.

Wünsche für die Zukunft

Dr. Bauer-Mehren wünscht sich eine verstärkte interdisziplinäre Ausbildung im Bereich KI und Medizin sowie eine Kultur des lebenslangen Lernens. Persönlich empfiehlt sie den KI-Campus als Plattform für das Online-Lernen, um mit den Entwicklungen im KI-Bereich Schritt zu halten.

KI in Pharma: Ist eine Zwischenbilanz jetzt schon möglich?

Im Roche Snackable Science Newsletter wird Dr. Anna Bauer-Mehren das gefragt. 

Ihre Antwort: 

„Wir haben bereits vielversprechende Einzelergebnisse. Wie gut solche Modelle sind, hängt ja immer sehr von den Trainingsdaten ab, und auch von dem Problem, was man lösen möchte. Demnach gehe ich davon aus, dass es für Teilbereiche in der Arzneimittelforschung sehr bald Erfolge geben wird, für andere Bereiche wird es aber länger dauern.“

Bedeutet die generative KI nochmals eine Beschleunigung?

Darauf antwortet sie:

„Generative KI hat unser Feld nochmals stark verändert, und nicht nur unseres, sondern ja wirklich so gut wie alle Bereiche des Lebens. Heute ist es möglich, ganze Bücher schreiben zu lassen, beeindruckende Bilder zu erzeugen und vieles mehr.

Die große Hoffnung ist, dass die Generative KI auch in der Medizin viele Bereiche effizienter und besser macht. In der Medikamentenentwicklung gibt es viele Anwendungsbereiche. Diese reichen von den eher klaren Use Cases, wie Dokumente schreiben, um den Menschen Arbeit abzunehmen, bis hin zur Generierung von Proteinen oder auch DNA Sequenzen, um direkter, schneller aber auch bessere therapeutische Moleküle zu entwickeln. Die Idee ist, eine KI so zu trainieren, dass sie sofort Moleküle mit den erwünschten Eigenschaften generiert.“

Braucht es zum ersten reinen KI-Medikament Geduld? 

Dazu meint sie:

„Wir haben bereits vielversprechende Einzelergebnisse. Wie gut solche Modelle sind, hängt ja immer sehr von den Trainingsdaten ab, und auch von dem Problem, was man lösen möchte. Demnach gehe ich davon aus, dass es für Teilbereiche in der Arzneimittelforschung sehr bald Erfolge geben wird, für andere Bereiche wird es aber länger dauern.“

 

Grafik: Roche

Übersicht über den Einsatz von KI in Medizin und Pharma

1. Diagnostik

• Bilddiagnostik: KI-Algorithmen werden eingesetzt, um medizinische Bilder (z. B. Röntgenaufnahmen, CT-Scans, MRTs) zu analysieren und potenzielle Anomalien wie Tumoren oder Frakturen zu identifizieren. Systeme wie IBM Watson Health verwenden KI, um Bilddaten zu interpretieren und diagnostische Vorschläge zu machen.

• Früherkennung von Krankheiten: KI-gestützte Systeme helfen bei der frühzeitigen Erkennung von Krankheiten wie Diabetes oder Herz-Kreislauf-Erkrankungen, indem sie Muster in Patientendaten erkennen, die auf ein erhöhtes Risiko hinweisen.

2. Behandlungsplanung und -optimierung

• Personalisierte Medizin: KI analysiert genetische, biometrische und klinische Daten, um personalisierte Behandlungspläne zu erstellen. Dies ermöglicht Ärzten, Therapien anzupassen, die auf die individuellen Bedürfnisse der Patienten abgestimmt sind.

• Therapieempfehlungen: KI-Systeme unterstützen Ärzte bei der Auswahl von Medikamenten und Therapien, indem sie große Mengen an Daten und klinischen Leitlinien auswerten. Sie können auch Wechselwirkungen und Nebenwirkungen vorhersagen.

3. Medizinische Dokumentation

• Automatisierung der Dokumentation: KI-Tools wie Sprachassistenten helfen Ärzten, medizinische Berichte und Notizen in Echtzeit zu erstellen, was den Zeitaufwand für Dokumentationsarbeiten reduziert und mehr Zeit für die Patientenbetreuung schafft.

• Strukturierung von Daten: KI kann unstrukturierte Daten aus Patientenakten analysieren und organisieren, um relevante Informationen für die klinische Entscheidungsfindung bereitzustellen.

4. Entscheidungsunterstützung

• Klinische Entscheidungsunterstützungssysteme (CDSS): KI-gestützte Systeme bieten Ärzten Empfehlungen basierend auf aktuellen medizinischen Daten und Forschungsergebnissen. Diese Systeme können Warnungen bei möglichen Fehlern oder Unstimmigkeiten in der Behandlung geben.

5. Überwachung und Nachverfolgung

• Patientenüberwachung: KI wird verwendet, um Patientendaten in Echtzeit zu überwachen, insbesondere bei schwer kranken Patienten oder solchen auf Intensivstationen. Sie kann Veränderungen im Zustand des Patienten erkennen und Ärzte alarmieren.

• Telemedizin: KI wird in Telemedizin-Anwendungen integriert, um Patientendaten zu analysieren und Diagnosen aus der Ferne zu unterstützen. Chatbots und virtuelle Assistenten können Patienten auch bei der Symptomanalyse unterstützen.

6. Forschung und Entwicklung

• Datenanalyse: KI-Methoden helfen bei der Analyse großer Datenmengen in klinischen Studien, um Muster zu erkennen und Hypothesen zu testen. Dies kann den Entwicklungsprozess neuer Medikamente beschleunigen.

• Simulation von Behandlungsergebnissen: KI kann verwendet werden, um Simulationen durchzuführen, die vorhersagen, wie Patienten auf bestimmte Behandlungen reagieren könnten.

Erhalten Sie jetzt uneingeschränkten Zugriff auf alle interessanten Artikel.
  • Online-Zugriff auf das PM-Report Heftarchiv
  • Aktuelle News zu Gesundheitspolitik, Pharmamarketing und alle relevanten Themen
  • 11 Ausgaben des PM-Report pro Jahr inkl. Specials
Mehr erfahren