Die Pharmaindustrie erlebt derzeit eine Revolution durch den Einsatz generativer künstlicher Intelligenz (KI). Diese Technologie ermöglicht es, neue Moleküle zu designen, komplexe Proteinstrukturen vorherzusagen und innovative Therapien zu entwickeln. Unternehmen auf der ganzen Welt erkennen das enorme Potenzial und integrieren diese fortschrittlichen Technologien in ihre Entwicklungsprozesse, um schneller und effizienter bahnbrechende medizinische Lösungen zu entwickeln.

KI erobert Pharma im Sturm

Die Entwicklung von AlphaFold hat völlig neue Möglichkeiten im Bereich des Protein- und Wirkstoffdesigns eröffnet. Unternehmen wie Recursion Pharmaceuticals setzen maschinelles Lernen und Computer Vision erfolgreich ein, um die Zellforschung zu automatisieren und neue therapeutische Ansatzpunkte zu entdecken. KI das Potenzial hat, die Pharmaindustrie grundlegend zu verändern.

KI heute: nicht nur Grundlagenforschung

Generative KI ist nicht nur für die Grundlagenforschung interessant: die gleiche Technologie kann auch umfangreiche Datenanalysen in anderen Bereichen ermöglichen. Die KI-Systeme von Reliant AI unterstützen fundierte kommerzielle Entscheidungen in den frühen Entwicklungsphasen sowie im Bereich Business Development & Licensing (BD&L). Dadurch können wir die Effizienz in diesen Bereichen deutlich steigern und Firmen durch schnellere und bessere Entscheidungen zum Erfolg verhelfen.

Produktivität durch bessere Entscheidungsgrundlagen steigern

Diese Effizienzsteigerung ist wichtig: Trotz des langfristigen wirtschaftlichen Erfolgs der pharmazeutischen Industrie, die rund 1 Prozent zum globalen BIP beiträgt (Ostwald et al., 2020), kämpft die Branche seit Jahrzehnten mit Produktivitätsverlusten. Die Patente von Blockbuster-Medikamenten, die jahrelang Forschung und Entwicklung finanziert und den Aktionären Gewinne beschert haben, laufen aus. Gleichzeitig wird die Entwicklung neuer Medikamente immer schwieriger und die Produktivität in der pharmazeutischen Forschung und Entwicklung ist in den vergangenen Jahrzehnten kontinuierlich gesunken.

Diese als Eroom‘s Law bekannte paradoxe Situation zeigt, dass trotz technologischen Fortschritts und steigender Investitionen die Effizienz abgenommen hat. Hauptgründe hierfür sind die zunehmende Komplexität der biomedizinischen Forschung, strengere regulatorische Anforderungen und der Mangel an leicht zu entwickelnden Therapien.

Beispiel: Commercial Clinical Intelligence

Ein konkretes Beispiel ist die Clinical Competitive Intelligence. Entscheidungsträger in Schlüsselpositionen treffen frühe kommerzielle Entscheidungen für intern entwickelte Medikamente, die von der präklinischen in die klinische Entwicklung oder in die nächste Stufe der klinischen Entwicklung übergehen. Gleichzeitig fokussieren sich diese Entscheidungen auch auf externe Innovationen, die möglichst früh von externen Partnern lizenziert, eingekauft oder verpartnert werden sollen. Bei diesen Entscheidungen ist es wichtig, Schlüsselparameter umfassend und schnell zu verstehen, um sich gegen Wettbewerber durchsetzen zu können. Entscheider fokussieren sich insbesondere auf folgende Schlüsselparameter:

1. Marktgröße:
   Wie gut funktionieren etablierte Behandlungsmethoden? Wie viele Patienten können mit dem Medikament behandelt werden? Wie entwickeln sich die Arzneimittelpreise in diesem Bereich?
2. Wettbewerb:
   Welche alternativen Behandlungsmethoden befinden sich in der (prä-)klinischen Entwicklung? Wie unterscheiden sich diese im Vergleich zum zu bewertenden Medikament? Wie hoch ist die Zulassungswahrscheinlichkeit der Wettbewerber?

Die Analysen basieren auf wissenschaftlicher und klinischer Literatur, Konferenzergebnissen, regulatorischen Dokumenten sowie Preis- und Erstattungsinformationen. Diese Informationen liegen größtenteils in unstrukturierter Form vor und sind hoch spezialisierungsabhängig, so dass sie nur von Experten ausgewertet werden können.

Im Kontrast zu den Effizienzverlusten in der pharmazeutischen Industrie hat sich die Anzahl der jährlich veröffentlichten, begutachteten biomedizinischen Publikationen in den letzten 20 Jahren mehr als verdoppelt, während auch andere Datenquellen wie Abstracts, Preprints und Datensätze signifikant an Umfang zugenommen haben. Um die Produktivität in Pharmaunternehmen zu steigern, ist es wichtig, die relevanten Daten zu identifizieren und daraus wertvolle Erkenntnisse zu gewinnen, die einen echten Mehrwert bieten.

Reliant kann hier helfen

Die Technologie von Reliant AI ermöglicht es, solche Analysen mit Hilfe von KI schneller und besser durchzuführen. Kernstück unserer Technologie ist ein sogenannter Language Data Agent – ein System, das die Brücke zwischen generativer KI und klassischer Datenanalyse schlägt.

KI sinnvoll nutzen

Ganz entscheidend: KI benutzt Wahrscheinlichkeitsmodelle, bei denen auch der Zufall eine Rolle spielt. So gibt auch das beste KI-Modell – mit geringer Wahrscheinlichkeit – falsche Antworten aus. Für systemkritische Entscheidungen kann solche Technik nicht ohne zusätzliche Kontrollen eingesetzt werden. Das bedeutet, dass KI nicht ohne menschliche Überwachung für systemkritische Entscheidungen eingesetzt werden sollte.

Reliant AI löst diese Thematik durch einen innovativen Ansatz, der KI-Entscheidungen transparent macht, das Risiko von Falschaussagen minimiert und eine effektive Überprüfung durch Ihre Mitarbeiter ermöglicht. Das bedeutet: unsere KI ersetzt nicht den Menschen, sondern macht ihn 100-mal effektiver und präziser.

Fazit

Der Einsatz von KI zur Datenanalyse und zur Unterstützung kommerzieller Entscheidungen wird die Produktivität in der Pharmabranche erheblich steigern. Expert:innen können sich dank KI auf die Analyse komplexer Zusammenhänge konzentrieren, anstatt Zeit mit der Sammlung und Strukturierung von Informationen zu verbringen. Diese Effizienz wird helfen, begrenzte Kapitalreserven gezielter in die sinnvollsten klinischen Studien und die Lizenzierung externer Innovation zu investieren. Letztendlich werden diese verkürzten Entwicklungszyklen und verbesserten Behandlungsmöglichkeiten dann unmittelbar den Patient:innen zugutekommen.

Die Autoren:

Karl Moritz Hermann ist der Geschäftsführer von Reliant AI. Er ist ein weltweit anerkannter Experte in der KI-Forschung, hat in Oxford promoviert, und hat die Sprachforschungsgruppe bei Google DeepMind mit aufgebaut.

 

 

 

 

Dr. Richard Schlegel ist Mitbegründer von Reliant AI. Er hat über 10 Jahre Erfahrung im Life Sciences Sektor und promovierte am Imperial College London mit Schwerpunkt Lungenkrebsforschung.