Donnerstag, 26. Dezember 2024
Navigation öffnen
Medizin

KI in der Arzneimittelentwicklung: Erfolgreichere und schnellere Identifikation von Wirkstoffkandidaten

KI in der Arzneimittelentwicklung: Erfolgreichere und schnellere Identifikation von Wirkstoffkandidaten
© 418studio - stock.adobe.com
Künstliche Intelligenz (KI) und Maschinelles Lernen (ML) revolutionieren die Arzneimittelentwicklung. Innovative KI-Technologien können die Zeit von der Entwicklung eines Proteinarzneimittels bis zur klinischen Phase heute im Vergleich zu vor 5 Jahren um 60% verkürzen. KI- und ML-basierte Computermodelle verkürzen aber nicht nur den Entwicklungszeitraum deutlich, sondern erlaubt auch bessere Vorhersagen über Eigenschaften von Proteinen, um einschätzen zu können, inwieweit sie gute Wirkstoffkandidaten wären.
Anzeige:
Programmatic Ads
 

Herausforderungen der Medikamentenentwicklung: Langsam und kostspielig

Die Entdeckung von neuen Medikamenten ist ein langsamer, risikoreicher und kostspieliger Prozess. Seit Jahrzehnten bemühen sich die Forscher:innen um einen schnellen Weg zur Medikamentenentwicklung, doch in der Regel vergehen 12-15 Jahre von der Einleitung eines Forschungsprogramms bis zu dem Zeitpunkt, an dem die nationalen Arzneimittelzulassungsbehörden die Marktzulassung erteilen (1). Etwa 9 von 10 Medikamenten, die in die klinische Prüfung gehen, werden nicht zugelassen.
 
 
 

Lesen Sie mehr zu diesem Thema:

Künstliche Intelligenz – Hoffnung für viele Menschen mit seltenen Erkrankungen?

Erschienen am 09.01.2023Was leistet KI bei seltenen Erkrankungen? Lesen Sie das Update zu den orphan diseases von Dr. rer. nat. med. habil. Eva Gottfried!

Erschienen am 09.01.2023Was leistet KI bei seltenen Erkrankungen? Lesen Sie das Update zu den orphan diseases von Dr. rer. nat....

© dehweh - stock.adobe.com

KI beschleunigt Arzneimittelentwicklung

Die generative Biologie nutzt KI- und ML-basierte Computermodelle und kombiniert diese mit bestehenden automatisierten Hochdurchsatzverfahren im Labor. KI-Modelle wie ChatGPT werden mit vorhandenen Daten trainiert, um neue Texte, Bilder oder andere Arten von Daten zu generieren. Die generativen Computermodelle in der Medikamentenentwicklung werden mit Aminosäuresequenzdaten und Daten zur Proteinstruktur und -funktion trainiert. Sie sind damit in der Lage, molekulare Targets zu identifizieren und Eigenschaften über die Wirksamkeit, Sicherheit und Effizienz von Proteinwirkstoffen vorherzusagen. Der Einsatz der generativen Biologie ermöglicht eine vorhersehbarere und schnellere Arzneimittelforschung und die Erfolgsquoten der Wirkstoffkandidaten steigen, erläutert Dr. Stefan Kropff, München. Der zeit- und ressourcenintensive Prozess der konventionellen Arzneimittelentwicklung wird optimiert und die Patien:tinnen werden in Zukunft schneller von innovativen Arzneimitteln profitieren können, fasste Kropff zusammen.

Quelle: Amgen

Literatur:

(1) Paul S., Mytelka D., Dunwiddie C. et al. How to improve R&D productivity: the pharmaceutical industry's grand challenge. Nat Rev Drug Discov 9, 203–214 (2010). https://doi.org/10.1038/nrd3078.


Anzeige:
V116
V116
 

Sie können folgenden Inhalt einem Kollegen empfehlen:

"KI in der Arzneimittelentwicklung: Erfolgreichere und schnellere Identifikation von Wirkstoffkandidaten"

Bitte tragen Sie auch die Absenderdaten vollständig ein, damit Sie der Empfänger erkennen kann.

Die mit (*) gekennzeichneten Angaben müssen eingetragen werden!

Die Verwendung Ihrer Daten für den Newsletter können Sie jederzeit mit Wirkung für die Zukunft gegenüber der MedtriX GmbH - Geschäftsbereich rs media widersprechen ohne dass Kosten entstehen. Nutzen Sie hierfür etwaige Abmeldelinks im Newsletter oder schreiben Sie eine E-Mail an: rgb-info[at]medtrix.group.