Künstliche Intelligenz in der Medizin: schneller zu neuen Wirkstoffen
Einen neuen Wirkstoff zu entwickeln, dauert. Im Schnitt vergehen 13 Jahre von den ersten Forschungsergebnissen bis zum fertigen Medikament – eine Zeit, die für Patient*innen entscheidend sein kann. Mit künstlicher Intelligenz wollen wir diesen Zeitraum von der Identifizierung geeigneter Moleküle bis hin zur Auswertung von Studienergebnissen verkürzen.
Neue Medikamente und Therapien, die genau zur jeweiligen Krankheit passen, in kürzerer Zeit entwickeln? Was wie Zukunft klingt, wird Realität. Denn die Verbindung aus Digitalisierung, Automatisierung und künstlicher Intelligenz beschleunigt bei Sanofi die Entwicklung neuer Wirkstoffe.
„KI ist mittlerweile bei uns bei Sanofi überall präsent und treibt die Innovation voran. Ich kenne kein Innovationsprojekt, bei dem KI keine Rolle spielt“, meint Soraya Hölper. Sie ist Biochemikerin und sucht nach Molekülen, die sich als Wirkstoffe eignen, das heißt, aus denen sich Medikamente herstellen lassen.
Das Problem: Es gibt unzählige Moleküle, die als Wirkstoff infrage kommen. Zusammensetzung, Struktur und Komplexität spielen dabei eine Rolle. Zudem gibt es eine ganze Reihe an Bedingungen, die gleichzeitig erfüllt sein müssen, damit ein potenzieller Wirkstoff tatsächlich am Ende auch in der Medizin eingesetzt werden kann. Denn selbst wenn ein Molekül theoretisch wirkt, bringt das wenig, wenn es sich nicht herstellen lässt, wenn der Körper es zu schnell abbaut oder wenn es unerwünschte Wirkungen hat.
KI treibt bei Sanofi Innovationen voran.
Soraya Hölper
Global Project Manager, R&D
Molekülsuche mit KI
Bei der Suche nach Wirkstoffen ist KI ein wertvolles Werkzeug. Statt selbst nach der Nadel im Heuhaufen zu suchen, lassen Forschende den Computer mit einem Modell arbeiten, das auf allen bisherigen Daten trainiert wurde. Die künstliche Intelligenz durchforstet die Daten nicht nur schneller, sondern lernt auch mit jedem Durchgang besser, worauf es ankommt. Das spart Zeit im Labor, die man früher mit vielen Trial-and-Error-Versuchen verbracht hat. Mit dem Wissen und den Daten, die man bisher gewonnen hat, sortiert jetzt die künstliche Intelligenz im großen Maßstab vor.
„Wenn wir die Struktur eines Moleküls kennen und wissen, welche Eigenschaften es im Labor zeigt, dann können wir daraus lernen“, erklärt Norbert Furtmann. Er arbeitet bei Sanofi schon seit Jahren an der Schnittstelle zwischen Labor und Computer. „Molekül A sieht so aus und wirkt so, Molekül B sieht anders aus und wirkt anders – mit diesen Daten trainieren wir KI-Modelle. Die lernen dann: Welche Struktur steht für gute biologische Aktivität? Welche für Stabilität? Welche für Nebenwirkungen? So können wir vorhersagen, wie sich neue Moleküle verhalten – und den Heuhaufen erst mal digital durchkämmen, bevor wir überhaupt einen Fuß ins Labor setzen.“
Aus Millionen von durch die KI vorsortierten Molekülen bleiben so nur noch Tausende übrig, die im Labor überprüft werden. Sie haben auf Basis ihrer Eigenschaften die besten Erfolgsaussichten.
Podcast-Tipp: KI in der Medizinforschung
In unserem neuen Podcast geben Soraya Hölper und Norbert Fuhrmann Einblicke, wie künstliche Intelligenz die Medizinforschung bei Sanofi beschleunigt. Sie erläutern die Herausforderungen bei der Erforschung und Entwicklung (R&D) neuer Wirkstoffe, wie KI bei der Suche nach geeigneten Molekülen hilft und wie klinische Studien noch präziser vorbereitet werden können.
Viele Daten, viel Forschung
Moleküle werden bei Sanofi nicht nur am Computer modelliert, sie werden mittels Automatisierungslösungen mit Robotern erforscht und entwickelt. Furtmann ist Experte für KI in der Entwicklung proteinbasierter Therapeutika. Er weiß: Damit KI lernen kann, braucht sie viele und gut strukturierte Daten. Gerade im Bereich moderner Arzneimittel ist das eine Herausforderung. Biotechnologisch hergestellte große Moleküle gibt es erst seit einigen Jahren. Lange fehlten die technischen Möglichkeiten, um gezielt große Datensätze dafür zu erheben.
„In den vergangenen Jahren hat es neben Fortschritten in der KI auch neue Labortechnologien gegeben. Sie ermöglichen es, viele Sequenzen möglicher Antikörper zu erzeugen und mithilfe von Robotik zahlreiche Daten zu komplexen Molekülen zu sammeln. Irgendwann war die Schwelle erreicht: Es gab genug Daten, damit KI einen echten Mehrwert liefern kann“, erklärt Furtmann.
Robotik ist ein weiterer wichtiger Schritt bei der Automatisierung von Forschung und Entwicklung. Sanofi testet neue Wirkstoffe effizient und automatisiert, indem Reagenzgläser und Erlenmeyerkolben durch das sogenannte Plattenformat ersetzt werden, wie Furtmann erläutert: „Man arbeitet mit kleinen Platten mit 96 Vertiefungen. In jede passen ein bis zwei Milliliter Flüssigkeit, jeweils mit einem Molekül. Pro Durchgang lassen sich etwa 100 dieser Platten verarbeiten. Früher waren es nur 50 bis 100 Moleküle pro Zyklus, heute schaffen wir 10.000. So prüfen wir viel mehr Kandidaten und steigern die Erfolgswahrscheinlichkeit.“ Ein zusätzlicher Vorteil ist die höhere Datenqualität.
Bevor wir in echte klinische Studien gehen, arbeiten unsere Expert*innenteams mit virtuellen Patienten. So können wir virtuelle klinische Studien durchführen, Dosierungen bestimmen und Zielgruppen eingrenzen.
Norbert Fuhrmann
Leiter KI-Innovation-Nanobody-Plattform, R&D
Personalisierte Medizinforschung mit digitalen Zwillingen
Künstliche Intelligenz hilft aber nicht nur bei der Erforschung neuer potenzieller Wirkstoffe. Sanofi verfolgt als innovatives Biopharma-Unternehmen eine „All in on AI“-Strategie, die sich exemplarisch am BioCampus in Frankfurt zeigt, wie Soraya Hölper erzählt: „Hier haben wir ein globales Kompetenzzentrum für KI-gestütztes Medikamentendesign aufgebaut. Das erlaubt es uns, verschiedene Bereiche miteinander zu verknüpfen. Der große Vorteil des BioCampus ist, dass er alle Disziplinen entlang der gesamten Wertschöpfungskette vereint.“
Mithilfe sogenannter virtueller Patienten, die alle relevanten biologischen Merkmale von realen Patient*innen in einem Computermodell festhalten, werden beispielsweise Krankheitsverläufe simuliert. Damit lässt sich erforschen, wie sich ein Wirkstoff im Körper von Patient*innen verhält. Das hängt unter anderem von Alter, Geschlecht, Gewicht, Gewohnheiten und Krankengeschichte ab. Früher waren nur aufwendige und langwierige klinische Studien in der Lage, diese Forschungsfragen zu klären.
„Bevor wir in echte klinische Studien gehen, arbeiten unsere Expert*innenteams mit virtuellen Patienten. Sie sagen voraus, in welcher Dosierung ein optimierter Wirkstoff wirkt und bei welchen Patient*innen er am besten hilft. So können wir virtuelle klinische Studien durchführen, Dosierungen bestimmen und Zielgruppen eingrenzen. Unter bestimmten Voraussetzungen lassen sich damit sogar Teile echter Studien ersetzen“, ergänzt Norbert Furtmann.
Künstliche Intelligenz verbessert also die Suche nach neuen Wirkstoffen in allen Aspekten – von der Suche nach geeigneten Molekülen über die Fertigung mithilfe von moderner Robotik bis hin zu gezielteren klinischen Studien. Am Ende steht ein Mehrwert für Patient*innen, die schneller Zugang zu innovativen Medikamenten bekommen.
Weitere Informationen
