Scientist@Sanofi - Anastasios Siokis – Herr der mathematischen Modelle

Siokis entwickelt mathematische Modelle, die die Biologie und Pathophysiologie – also krankhafte Veränderungen – verschiedener immunologischer Krankheiten beschreiben und voraussagen. Er und das Translational Disease Modeling Team sind in der Lage, mit Hilfe Künstlicher Intelligenz und anhand virtueller Patient*innen direkte Vergleiche zwischen neuen Wirkstoffen und bereits zugelassenen Medikamenten durchzuführen. „Virtuelle Patient*innen sind eine Art digitaler Zwilling und beruhen auf einer immensen Anzahl anonymisierter Daten, beispielsweise aus klinischen Studien“, erläutert der Forscher. Diese Arbeit hat entscheidende Vorteile, auch für die Patient*innen: „Unsere Modelle beschleunigen und verbessern den Entwicklungsprozess von Arzneimitteln, denn sie optimieren Dosierungen, können klinische Studien und die verbundenen Belastungen für Patient*innen reduzieren oder im besten Fall bestimmte Aspekte klinischer Studien komplett ersetzen“, erklärt der Forscher. Mit diesem Ansatz arbeiten Siokis und sein Team bei Sanofi an der Entwicklung innovativer Arzneimittel, und setzen sich damit letztlich für neue Maßstäbe im Design klinischer Studien ein. Ein weiterer Vorteil: Das Wissen aus Siokis’ Modellen erstreckt sich auch auf verschiedene Untergruppen einer bestimmten Krankheit. „Damit lassen sich letztlich individualisiertere Behandlungsansätze für Subpopulationen bestimmter Erkrankungen prüfen.“

Künstliche Intelligenz arbeitet mit

Mit seiner Arbeit schließt Siokis Wissenslücken: „Die gegenwärtigen Modelle fassen zwar das vorhandene Wissen effektiv zusammen, doch es bestehen noch Lücken im biologischen und medizinischen Bereich. Zudem ist die Entwicklung der Modelle zeitintensiv“, erklärt der Forscher. So optimieren und entwickeln Siokis und sein Team die Modelle stetig weiter, um immer bessere und genauere Ergebnisse zu bekommen – aktuell mithilfe innovativer KI-Techniken. „Das soll den Prozess der Modellentwicklung unterstützen, Wissenslücken überbrücken und es uns zudem ermöglichen, auch Daten in unsere Modelle einzubeziehen, die bisher aus unterschiedlichen Gründen als unbrauchbar galten“, fasst Siokis zusammen.

Theoretische Arbeit, praktische Erfolge

Den Wissenschaftler motiviert es, wenn seine datengetriebene Arbeit in der Praxis erfolgreich ist: „Wenn ein in unserer Modellierung getesteter Wirkstoff in die erste klinische Prüfung – also in erste Studien am Menschen – geht oder die von mir vorgeschlagenen Dosierungsschemata in groß angelegten klinischen Studien getestet werden, dann freut mich das besonders“, sagt er. Einen bedeutenden Erfolg haben Siokis und das Team kürzlich mit einem kollaborativen Modellierungsansatz erzielt. Durch Vorhersagen mittels virtueller Patient*innen, also Computermodellen mit denen reale Patient*innen simuliert werden, wurden virtuelle klinische Studien durchgeführt. Das führte zu einem besonderen Durchbruch: Es ermöglichte, direkt von der Phase 1b, also ersten klinischen Untersuchungen, zu einer groß angelegten klinischen Studie der Phase 2b – also in die Prüfung von Wirksamkeit, Dosierungsschema und Sicherheit bei Patient*innen – überzugehen. „Das war für mich und unser Team ein außerordentlicher Erfolg, da dies die Studienphase verkürzen und das Medikament damit letztlich viel schneller bei den Patient*innen ankommen kann“, freut sich Siokis.