Welche Anwendungen können mit KI in der klinischen Forschung & Entwicklung der Arzneimittelentwicklung bereits eingesetzt werden?
Kurze Einführung zu klinischer Forschung & Entwicklung:
Die klinische Forschung & Entwicklung umfasst präklinische Untersuchungen an Zellsystemen sowie Tierversuchen und bis hin zu traditionellen klinischen Studien der Phasen I, II, III und IV. In der klinischen Forschung werden die Grundlagen erarbeitet, die die Auswahl von Wirkstoffkandidaten von einigen 100 auf ca. 10 Substanzen reduzieren. In der klinischen Entwicklung werden dann weiter nicht erfolgversprechende Substanzen quasi aussortiert. In der Folge wird dann ein einziges Entwicklungsprodukt letztendlich für die Arzneimittelzulassung eingereicht und -wenn erfolgreich- danach für die jeweiligen Zielgruppen vermarktet. Somit erreichen dann bei verschreibungspflichtigen Arzneimitteln neue Produkte den jeweiligen Patienten.
In diesem Blogbeitrag soll auf die Identifizierung von Zielmolekülen, Entwicklung von Molekülkandidaten und Aufklärung des Wirkmechanismus durch Machine Learning (ML) Prozesse in der klinischen Forschung eingegangen werden.
Durch prädiktive Modellierung von Proteinstrukturen und zukünftigen Zielmolekülen werden Wechselwirkungen vorhersehbar, die eventuell später in der klinischen Anwendung zu unerwünschten Ereignissen (beinhaltet Nebenwirkungen aber auch andere unerwünschte Effekte) führen können.
Mittels ML Algorithmen können spezifische Arten von Gen-Krankheits-Beziehungen aus großen Datenbanken identifiziert werden, selbst wenn die relevanten Datenpunkte spärlich sind.
Die Bemühungen extrem großen Mengen an biomedizinischen Daten für den Mediziner interpretierbar zu machen, hilft um vielversprechende Wege für weitere Untersuchungen zu finden. ML kann auch eine Rolle bei der Generierung möglicher Molekülkandidaten spielen, zum Beispiel durch den Einsatz eines neuronalen Netzes zur Optimierung von Molekülen innerhalb der eines biologischen Zielsystems. In Situationen, in denen ein Wirkstoffkandidat in vivo anders wirkt als erwartet, kann ML enorme Datenmengen synthetisieren und analysieren. Diese Analyse trägt dazu bei, die Wahrscheinlichkeit zu erhöhen, dass Medikamente an Populationen getestet werden können, die am ehesten von ihnen profitieren.
Ein Beispiel für den Einsatz von ML in der klinischen Forschung ist ein Medikament gegen zwanghafte Persönlichkeitsstörung, das angeblich mit KI-basierten Methoden entwickelt wurde und in 2021 in die Klinischen Studien der Phase I eingeführt wurde. Ergebnisse stehen aber noch aus.
Allerdings gibt es noch keine wissenschaftlich fundierte (sog. peer-reviewed) Publikationen, die diese KI Anwendung beschreiben.
Es bleibt somit abzuwarten, wie ML-unterstützte Evidenz in der klinischen Forschung auf breiterer Basis eingeführt werden kann.
Quelle: modifiziert von Weissler et al, 2021: The role of machine learning in clinical research: transforming the future of evidence generation; Trials (2021) 22:537
Kommentar schreiben