Effizienzsteigerung durch KI-gestützte Entscheidungs­findung in der Pharmaindustrie

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, und Unternehmen wie Recursion Pharmaceuticals setzen maschinelles Lernen und Computer Vision erfolgreich ein, um die Zellforschung zu automatisieren und neue therapeutische Ansatzpunkte zu entdecken. Wir bei Reliant AI sind davon überzeugt, dass künstliche Intelligenz (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 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 die Herausforderungen der Branche besser bewältigen.

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 die Erschöpfung 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?

d 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 beschreibt eine Reihe von Wahrscheinlichkeitsmodellen, also Systeme, die eine probabilistische Komponente haben. Das bedeutet, dass KI nicht ohne menschliche Überwachung für systemkritische Entscheidungen eingesetzt werden sollte.
Reliant AI löst dieses Problem mit Systemen, die auf relevante Daten trainiert sind, eine effektive Analyse unterstützen und transparent sind, um die Überprüfung der KI-basierten Analysen zu ermöglichen. Das bedeutet: Die KI ersetzt nicht den Menschen, sondern macht ihn 100-mal effektiver und präziser.

Fazit

Aus unserer Sicht hat der Einsatz von KI zur Datenanalyse und zur Unterstützung kommerzieller Entscheidungen das Potenzial, die Produktivität der Branche nachhaltig zu steigern. Durch systematische, datengesteuerte Entscheidungsprozesse können Entscheidungen schneller getroffen und begrenzte Kapitalreserven effizienter für Medikamentenentwicklungsprogramme oder die Lizenzierung externer Innovationen genutzt werden. Wir sind davon überzeugt, dass KI-unterstützte Entscheidungsfindungen zu einer erheblichen Produktivitätssteigerung in der pharmazeutischen Industrie führen wird, die den Patienten unmittelbar zugutekommt, z.B. durch verkürzte Entwicklungszyklen und bessere Behandlungsmöglichkeiten.

Die Autoren:

Karl Moritz Hermann ist der Geschäftsführer von Reliant AI. Er ist ein weltweit anerkannter Experte in der KI-Forschung, 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. Vor Reliant AI arbeitete er im Life Sciences Strategy Team von EY-Parthenon.