Die Entwicklung eines Medikaments dauere im Durchschnitt acht Jahre, und lediglich 12 Prozent der Medikamente, die in die klinische Erprobung gehen, kommen letztendlich auf den Markt. Entsprechend habe die Pharmaindustrie schon immer in langen Zyklen gedacht und sich auf eine durch geringe Erfolgsquoten in der Entwicklungsphase begrenzte Rendite auf das eingesetzte Kapital eingestellt.
Quantensprung in der Arzneimittelentwicklung
„Künstliche Intelligenz und maschinelles Lernen werden diese Branche jedoch in ein neues Zeitalter führen. Mit der Identifizierung innovativer Therapien, der Verkürzung der für die Medikamentenentwicklung erforderlichen Zeit und der Erhöhung der Erfolgswahrscheinlichkeit von Wirkstoffen in der klinischen Testphase zeichnen sich bereits jetzt drei Bereiche ab, in denen sich KI und ML nutzbringend einsetzen lassen“, sagt Brice Prunas, Fondsmanager des Oddo BHF Artificial Intelligence. Insbesondere Algorithmen des maschinellen Lernens versprächen große Vorteile, etwa bei der Festlegung der richtigen Dosierung des getesteten Wirkstoffs, um das optimale Verhältnis von Wirkung und Nebenwirkung zu erreichen. Daneben ließen sich Patientenkohorten, die die gewünschten Merkmale (Phänotypen und Genotypen) für klinische Studien vereinen, durch entsprechende Algorithmen effizienter zusammenstellen.
Diese Erkenntnis habe die zehn größten Pharmakonzerne der Welt zu strategischen Übernahmen kleiner Start-ups aus dem Bereich der künstlichen Intelligenz bewogen. Prunas zufolge mit unterschiedlichem Erfolg, da die digitalen „Filetstücke“ in die seit Jahrzehnten analog aufgebauten F&E-Prozesse eingegliedert wurden. So hätten mangelndes Know-how über Techniken des maschinellen Lernens bei älteren Medikamentenentwicklern und erhebliche Tempoeinbußen in noch weitgehend analog verlaufenden Entwicklungsprozessketten für Herausforderungen gesorgt.
„Die größten Erfolge beim Einsatz künstlicher Intelligenz in der Arzneimittelentwicklung verzeichnen daher heute Akteure, die von Anfang an auf vollständig digitalisierte, künstliche Intelligenz und damit verwandte Unterdisziplinen nutzende Entwicklungsmodelle gesetzt haben“, erläutert Prunas. Bekanntestes Beispiel für diese Strategie sei heute Moderna und dessen Durchbruch mit dem Covid-Impfstoff (mRNA 1273), der in nur zwei anstatt der üblichen 20 Monate entwickelt wurde. Aber noch eine Reihe weiterer börsennotierter wie auch privater Unternehmen stellen dem Bericht zufolge die künstliche Intelligenz in den Mittelpunkt ihrer Strategie. So wolle Recursion Pharmaceuticals zur Entwicklung neuer Therapien Algorithmen des maschinellen Lernens auf proprietäre biologische und chemische Datensätze anwenden oder Kronos Bio hochentwickelte Computermodelle zur Bekämpfung von Krebsarten nutzen, die sich bislang gegen jede Form der Behandlung resistent gezeigt haben.
Zukunftsweisende mRNA-Technologie
Der Durchbruch beim Covid-Impfstoff bei Moderna sei weder dem Zufall geschuldet noch auf Einzelleistungen genialer Forscher zurückzuführen, sondern das Ergebnis der Entwicklung einer Reihe von Software- und Algorithmus-Tools durch die Firma, die die gesamte Wertschöpfungskette der Arzneimittelentwicklung digitalisieren. Bei Boten-RNA (auch Messenger-RNA oder mRNA) handele es sich also um eine programmierbare Therapie, die es ermögliche, gefährliche Krankheiten digital abzubilden, d.h. zu sequenzieren, und in Rekordzeit innovative Lösungen zu finden. Moderna sei dank seiner vollständig digitalisierten Prozesse und bereits zehnjähriger Erfahrung mit dieser Technologie ein Paradebeispiel für diesen Ansatz.
„Die Bandbreite an Indikationen, die mittels mRNA-Technologie behandelt werden können, wird in den kommenden Jahren weiter wachsen“, gibt sich Fondsmanager Prunas überzeugt. Trotz der wertvollen Vorteile der mRNA-Technologie seien ihrem potenziellen therapeutischen Einsatz aktuell noch Grenzen gesetzt. Das betreffe die Wirkungsdauer, die Steuerung der Immunantwort oder die Güte, in der die Lipid-Nanopartikel das transformierende Gen im Vergleich zu anderen Transporttechnologien transportieren können.
