{{{sourceTextContent.title}}}

Einsatz von KI, Cloud Computing und Quantencomputern in der pharmazeutischen Industrie

{{{sourceTextContent.subTitle}}}

Wie Pharmaunternehmen mit Hilfe von Computern neue Medikamente schnell und kostengünstig auf den Markt bringen können.

{{{sourceTextContent.description}}}

Die Pharmaunternehmen suchen ständig nach Möglichkeiten, die Entwicklung und Zulassung von Medikamenten zu beschleunigen und die Kosten zu senken. Die Forschungs- und Entwicklungskosten für jedes neue Medikament können sich auf fast 1 bis über 2 Milliarden Dollar belaufen. Darin sind die von der FDA vorgeschriebenen klinischen Studien noch nicht enthalten. Diese können in Phase 2 zwischen 7 und 19 Millionen Dollar und in Phase 3 bis zu 52 Millionen Dollar kosten (es gibt vier Phasen)

Schlimmer noch, nur 12 bis 13 Prozent der neuen Medikamente durchlaufen im Durchschnitt den gesamten 10 bis 15 Jahre dauernden Prozess, bis sie auf den Markt kommen.

Hier sind drei Möglichkeiten - allesamt technologischer Art -, mit denen die Pharmaunternehmen versuchen, den Preis zu senken.

Künstliche Intelligenz: Sortieren von Daten für Lösungen

Arzneimittelhersteller produzieren riesige Mengen an Informationen. Diese können von der Zusammensetzung eines bestimmten Moleküls bis hin zu den Umfrageergebnissen von Probanden reichen.

Ein Großteil dieser Informationen wird in Datenbanken wie Data Lakes gespeichert. Kein Mensch kann all diese Informationen in einer angemessenen Zeitspanne sortieren und analysieren. Deshalb setzen Unternehmen auf künstliche Intelligenz (KI), um all diese Daten zu durchsuchen und zu sortieren.

Die Suche nach neuen Medikamenten (oder den Möglichkeiten dazu) steht ganz oben auf dieser Liste. Die KI müsste zum Beispiel herausfinden, wie ein bestimmtes Molekül funktioniert, um ein bestimmtes Ergebnis in einem Medikament zu erzielen. Es wird kein spezifisches Programm zur Verfügung gestellt, um die Lösung zu erreichen; stattdessen müsste die Maschine selbst auf eine Lösung kommen. Die Forscher können dann die neu generierten Algorithmen verwenden, um neue, ähnliche Medikamente zu entwickeln und sich ihrer Wirkung sicher zu sein.

KI hilft auch dabei, die Auswirkungen dieser potenziellen Medikamente zu bestimmen, bevor sie an Lebewesen getestet werden. Ein Programm mit Deep-Learning-Fähigkeiten (DL) würde eine Million Bilder von Zellen untersuchen, um die verschiedenen Teile zu lernen. Anschließend würde es dieses Wissen anwenden, um die Unterschiede zwischen normalen, gesunden Zellen und abnormalen Zellen zu erkennen. Diese Informationen könnten nützlich sein, um die Wirkung eines neuen Medikaments zur Bekämpfung von Krebszellen zu ermitteln.

Eine andere Möglichkeit, wie KI eingesetzt wird, ist die Unterstützung bei den so wichtigen klinischen Studien. Sie können Patientendaten aus der elektronischen Patientenakte und ähnlichen Quellen nach den am besten geeigneten Probanden sortieren. Dies kann den Erfolg von Studien in allen vier Phasen drastisch erhöhen. Studien haben gezeigt, dass ohne diese Unterstützung etwa 80 Prozent der Studien scheitern, weil die Unternehmen nicht die richtigen Kandidaten finden, um die Fristen einzuhalten.

Auch die Behandlung chronischer Krankheiten und sogar die Vorhersage der nächsten Epidemie werden für diese fortschrittlichen Anwendungen in Betracht gezogen.

Cloud Computing: Datenverwaltung für Lösungen

Die bereits erwähnten Datenseen können mithilfe von Cloud Computing aufgebaut und gespeichert werden. Dies bietet mehrere Vorteile:

Drogenunternehmen brauchen kein teures internes Netzwerk und keine IT-Abteilung für dessen Verwaltung. Dies schließt teure Hard- und Software ein, die schnell veraltet sein kann.

Skalieren Sie den Betrieb nach Belieben. Benötigen Sie mehr Speicherplatz, um einen neuen KI-Algorithmus unterzubringen? Informieren Sie einfach den Cloud-Anbieter. Benötigen Sie noch mehr Platz und Rechenleistung, um die KI-Programme für maschinelles und tiefes Lernen auszuführen? Auch dann wenden Sie sich an den Anbieter. Die Hyperscale-Cloud-Anbieter Amazon, Google und Microsoft sind nur einige der Unternehmen mit Netzwerken, die groß genug sind, um den Betrieb vieler großer Pharmaunternehmen zu bewältigen.

Verteilen Sie Aufgaben global. Mitarbeiter können von zu Hause oder anderen entfernten Standorten aus zusammenarbeiten, was während der COVID-19-Pandemie im Jahr 2020 und den anschließenden Schließungen von entscheidender Bedeutung war. Partner wie kleine Biotech-Firmen, akademische Gruppen und sogar konkurrierende Arzneimittelhersteller können sich rund um die Uhr mit ihrem medizinischen Panel-PC anmelden, um mit minimalen Kosten an gemeinsamen Zielen zu arbeiten. Eine solche Zusammenarbeit spart sowohl Kosten als auch Zeit bei der Entwicklung und Zulassung von Medikamenten.

Quantencomputer: Anwendung der Physik auf die Chemie von Arzneimitteln

Wie bereits erwähnt, generieren Arzneimittelhersteller riesige Mengen an Informationen. Die Entdeckung, Analyse, Prüfung und Verarbeitung von Arzneimitteln überfordert selbst die besten Supercomputer von heute. Deshalb hoffen Pharmaunternehmen, dass das Quantencomputing der Durchbruch ist, den sie brauchen, um diesen Engpass zu überwinden.

Quantencomputer sollen in zwei verschiedenen, aber miteinander verbundenen Bereichen zum Einsatz kommen.

Heutige Supercomputer können Monate bis Jahre brauchen, um die notwendigen Berechnungen aller molekularen Wechselwirkungen eines Medikaments wie Aspirin durchzuführen. Quantencomputer hingegen würden nur Sekunden benötigen. Dies würde sowohl den Zeit- als auch den Geldaufwand für die Suche nach neuen Medikamentenmolekülen für kommerzielle Produkte drastisch verringern.

Die zweite Frage ist, wie diese Medikamente mit dem menschlichen Körper interagieren. Quantencomputer

könnten potenziell alle möglichen Auswirkungen eines neuen Medikaments auf den menschlichen Körper berechnen. Dazu verwenden sie In-silico-Modelle (virtuelle Menschen), die in ihren Algorithmen enthalten sind. Dadurch könnten Versuche am Menschen reduziert oder sogar für immer abgeschafft werden.