KI in der Medizin: Wie die Pharmaindustrie aus Big Data Medikamente machen kann

Big Data & Pharma: Welche Daten sind verfügbar?

Für die Nutzung von Machine-Learning Algorithmen und künstlicher Intelligenz braucht es vor allem eins: Daten. Auch in der Pharmabranche fallen viele Daten an, in denen Schätze schlummern. Die Zulassung eines neuen Medikaments dauert im Schnitt etwa 12 Jahre und kostet 2-3 Milliarden[1]. Insbesondere durch gesetzliche Regulierungen zur Sicherheit werden Zulassungen neuer Medikamente immer aufwendiger. Viele Studien werden durchgeführt. Von 5000 im Labor untersuchten Stoffen werden 5 an Menschen getestet und nur ein Medikament schafft es auf den Markt[2]. Es fallen somit hohe Kosten, aber auch molekulare und klinische Daten an. Das prädestiniert die Pharmabranche für Predictive Analytics: Mithilfe der Daten sollen Kosten eingespart werden, und potentiell erfolgreiche Medikamente effizienter entdeckt werden.

Daten über chemische Struktur, Nebenwirkungen, oder Ziele/Einsatzgebiete von potentiellen Medikamenten können genutzt werden, um aussichtsreiche Stoffe für weitere Forschung auszuwählen, die das Potential haben Krankheiten oder Symptome erfolgreich zu behandeln.

Zusätzlich sind Daten aus Trials, wissenschaftlichen Publikationen[3], Public-Health-Datenbanken, Social Media oder von Wearables, wie Fitness Trackern, verfügbar.

Wettbewerbsdaten, etwa über die Forschungsaktivitäten konkurrierender Unternehmen, helfen ebenso dabei marktfähige und benötigte Medikamente zu entwickeln. Laut einer Studie[4] der Unternehmensberatung Kearney sehen Vertreter der Pharmabranche das Potential von KI vor allem in Forschung & Entwicklung (86%), sowie im Vertrieb (73%).

Konkrete Anwendungen von KI in der Medikamentenentwicklung

Aus Datenbanken chemischer Stoffe und deren Einwirkungen auf den menschlichen Körper werden bereits Modelle mittels Machine Learning trainiert[5]. Diese können dann angewendet werden, um die Moleküle im Heuhaufen zu finden, die am wahrscheinlichsten gegen eine bestimmte Krankheit helfen könnten, und sich einfach herstellen lassen. Es können also Eigenschaften bestimmter Stoffe vorhergesagt werden, bevor diese im Labor oder am Menschen weiter untersucht werden. Das spart Zeit und Kosten.

Mit dem Manager-Kurs KI ermöglicht IOMIDS es Führungskräften und Entscheidern hinreichende Kenntnisse von den Methoden der Künstlichen Intelligenz zu erlangen, um so potentielle Anwendungsgebiete identifizieren zu können und mit externen oder internen Dienstleistern und Kompetenzteams zusammen zu arbeiten.

Neben der Entwicklung neuer Medikamente kann Machine Learning auch dazu beitragen bisher unentdeckte, seltene Nebenwirkungen bereits zugelassener Medikamente frühzeitig zu erkennen. Sentiment-Analysen aus Foren oder Social-Media-Plattformen können helfen die öffentliche Wahrnehmung eines Medikamentes einzuordnen, und unerwünschte Auswirkungen auf das Wohlbefinden registrieren. Solche Analysen bieten auch Marketingabteilungen in der Pharmabranche einen Mehrwert.

Vitaldaten von Fitness-Trackern etwa können genutzt werden, um die Auswirkungen von Medikamenten in der Realität zu monitoren. Sind solche Felddaten vorhanden, kann die Wirksamkeit eines Stoffes auf bestimmte genetische Cluster, Altersgruppen oder Menschen mit Begleiterkrankungen noch genauer bestimmt werden, um Risiko- und Zielgruppen zu identifizieren. (Kontrollgruppen in klinischen Trials, die ein schon zugelassenes Medikament bekommen, können über die verfügbaren Daten simuliert werden, sodass die Eigenschaften der simulierten Kontrollgruppe den Teilnehmern der Experimentalgruppe maximal ähnlich ist. Auch die Personalisierung von Behandlungen wird durch die Nutzung großer Datenbanken und passender Machine-Learning Algorithmen möglich.

Smart Pills, Miniatur Biosensoren, und zahlreiche Gesundheitsapps ermöglichen es einfacher und genauer als je zuvor relevante Patientendaten zu erfassen.

Entdeckung, Effizienz, Risikobewertung und Marketing – KI hilft Medizin und Pharmabranche

Wie in anderen großen Branchen, etwa der Automobil- oder Maschinenbauindustrie, hilft die gezielte Analyse von anfallenden Daten den Pharmaunternehmen. Von der effizienten Entdeckung neuer Medikamente und Zusammenhänge bis hin zu erfolgreichen Marketingkampagnen. Klassifizierungsalgorithmen sind in der Lage Eigenschaften von Medikamenten oder Patienten vorherzusagen, Clustering-Algorithmen ermöglichen es Muster und Zusammenhänge zu finden, die bisher unentdeckt blieben. Big Data ergeben sich aus neuen Sensoren und Techniken, der Internetnutzung, sowie aus unzähligen bereits durchgeführten Untersuchungen. Täglich kommen unzählige neue Studien hinzu. Durch den technologischen Fortschritt lassen sich Mehrwerte aus diesen Daten lesen, die sonst unentdeckt blieben. In der Pharmabranche und Medizin wird dies deutlich wie kaum anderswo: Machine Learning-Algorithmen helfen dabei Krankheiten zu besiegen, und menschliches Leid zu vermeiden.

Das Institute of Machine Intelligence & Data Science hat es sich zum Ziel gesetzt theoretisches und praktisches Wissen über Künstliche Intelligenz, Machine Learning und Big Data bereit zu stellen, und zu vermitteln. In den Seminaren und Kursen bekommen unsere Teilnehmer die Kenntnisse an die Hand, die Sie benötigen, um das Potential der Künstlichen Intelligenz auch in Ihrem Unternehmen einzusetzen.

[1] https://www.interpharma.ch/themen/fuhrend-in-forschung-entwicklung/der-weg-eines-medikaments/

[2] https://www.mastersindatascience.org/industry/pharmaceuticals/

[3] https://www.vfa.de/de/wirtschaft-politik/pharma-digital/zukunft-und-debatte/big-data-und-ki-fuer-die-pharmaindustrie

[4] https://www.healthrelations.de/wie-hilft-kuenstliche-intelligenz-bei-der-wettbewerbsbeobachtung/

[5] https://www.businesswire.com/news/home/20111206005597/en/Numerate-and-Boehringer-Ingelheim-Canada-Form-Research-Collaboration-Based-on-in-silico-Drug-Design-Technology