KI und Pharma: Was, wie und warum die neue Schlüsseltechnologie alles verändert

Künstliche Intelligenz ist ein wichtiger Baustein der modernen Medizin. Doch die digitale Transformation ist umfassend und verändert die Branche auch in vielen anderen Bereichen. Erfahren Sie in unserer Themensammlung, wie auch Ihr Unternehmen von der Digitalisierung im Gesundheitswesen profitiert.

Mehr als die Hälfte aller internationalen Experten im Gesundheitswesen gehen davon aus, dass Künstliche Intelligenz (KI) ihre Branche in den kommenden fünf Jahren am stärksten verändern wird. Damit liegt KI deutlich vor “Sensoren für kontinuierliches Monitoring” (49 Prozent) sowie “Zell- und Gentherapien” und “individuellen digitalen Coaching-Modellen für chronisch erkrankte Patienten” (jeweils 35 Prozent). Dies geht aus der aktuellen Studie „Future of health 3 – Neuer Schub für Innovation“ hervor, für die 400 Fachleute aus der Pharmabranche und Medizintechnik befragt wurden. Oliver Rong, Partner beim Beratungsunternehmen Roland Berger, erklärt: “Es geht bei all diesen Innovationen nicht darum, ob sie in der medizinischen Praxis Anwendung finden werden, sondern wann“.

Welch riesiges Potenzial mit der Nutzung von KI im Gesundheitswesen einhergeht, hat sich nicht zuletzt im Zusammenhang mit Corona gezeigt. So hat beispielsweise bereits kurz vor Neujahr 2020 ein KI-Algorithmus vor einem Virus-Ausbruch im chinesischen Wuhan gewarnt. Damit war die KI der WHO um ganze neun Tage voraus. Auch den weiteren Verbreitungsweg konnte die Software voraussagen.

Ein weiteres imposantes Beispiel lieferte in der Frühphase der Pandemie ein vom chinesischen Tech-Riesen Alibaba entwickeltes KI-System. Als noch keine zuverlässigen Schnelltests verfügbar waren, konnte dieses CT-Aufnahmen von Lungen in rund 20 Sekunden auswerten und bestimmen, ob es sich um eine normale oder eine Covid-19-Infektion handelte. Ein erfahrener Arzt benötigte dafür zehn bis 15 Minuten. Bereits im März 2020 soll das System mindestens 26 chinesischen Krankenhäusern geholfen haben, mehr als 30.000 Fälle zu überprüfen.

Wie KI den Bereich Pharma prägen wird

Auch abseits von Corona kann KI eine große Hilfe sein. Ebenfalls letztes Jahr wurde beispielsweise erstmals ein durch eine KI gefundener Wirkstoff an Menschen getestet. DSP-1181 soll gegen Zwangsstörungen wirksam sein, die Entwicklung dauerte weniger als ein Jahr. Doch die Möglichkeiten gehen noch viel weiter.

Präzisionsmedizin und frühe Dosierungsermittlung

Ein wichtiger Schritt bei der klinischen Entwicklung neuer Behandlungsformen ist die Ermittlung der korrekten Dosis. Um eine No-Effect-Dosis und die mittleren oder maximalen wirksamen Dosen zu detektieren, benötigt man sehr viel Arbeit, Zeit und eine große Anzahl zu testender Patienten. Dies gilt insbesondere dann, wenn Probanden während der Arzneimittelentwicklung der maximal tolerierten Dosis (MTD) ausgesetzt sind.

Präzisionsmedizins-Plattformen helfen, auf Basis weniger Informationen eine geeignete Behandlungskombinationen und die optimale Langzeitstrategie zur Medikamentendosierung zu ermitteln. Im Vergleich zu aktuellen Standardverfahren zur Dosierungsbestimmung liefert dieser Ansatz hervorragende Ergebnisse. Außerdem minimiert die Nutzung einer Plattform für Präzisionsmedizin die Nebenwirkungen und verbessert Lebensqualität und Lebenslänge der behandelten Patienten.

Aller Voraussicht nach, wird der globale Markt für Präzisionsmedizin in den kommenden Jahren mit einer erstaunlichen CAGR expandieren.

Deep Learning bei der Entwicklung von Arzneimitteln

Bislang umfasst der Zyklus für die Entwicklung eines neuen Medikaments etwa 15 Jahre und kostet pro Arzneimittel 2,6 Milliarden US-Dollar. Machine Learning (ML) und insbesondere neuronale Netzwerke sind jedoch dabei, die Arzneimittelindustrie diesbezüglich zu revolutionieren. Sie nutzen leistungsstarke Algorithmen, um bessere Behandlungsmechanismen zu entdecken, den Prozess der Arzneimittelentwicklung zu beschleunigen und die Kosten dafür zu senken.

Da es in der Arzneimittelforschung Hunderttausende Möglichkeiten gibt, Moleküle miteinander zu kombinieren, stellt sie ein komplexes mathematisches Problem dar. Neuronale Netzwerke können genutzt werden, um den Entwicklungsprozess durch die Vorhersage molekularer Wellenfunktionen und molekularer elektronischer Eigenschaften abzukürzen. Wenn man diese Aufgabe mit konventionellen Methoden angeht, braucht es Monate des Programmierens, was häufig eine wesentliche Hürde darstellt. Neuronale Netzwerke und KI-Algorithmen hingegen ermöglichen eine drastische Beschleunigung der Arzneimittelsimulation.

Der größte Vorteil, den DL der Arzneimittelentdeckung bietet, besteht darin, dass es den Entwurf einer neuronalen Netzwerkarchitektur ermöglicht, die individuell auf eine bestimmte Aufgabe zugeschnitten ist. Zudem können DL-Algorithmen helfen, viele weitere zentrale Herausforderungen in der Pharmaindustrie zu lösen, etwa indem sie bei der Vorhersage der Bioaktivität, der Identifizierung von molekularen De-novo-Mustern, der Reaktionsvorhersage und der Bildanalyse unterstützen.

KI hilft Pharma bei der Zielerreichung

Mithilfe von Big Data, KI, Business Intelligence und fortschrittlichen Analyseverfahren können Pharmaunternehmen die folgenden Ziele erreichen:

• Erweiterung und Optimierung von Entscheidungsprozessen,
• Nutzung von Big Data für neue Erkenntnisse über Geschäftsprozesse,
• Verbesserte Diagnosestellung durch Analytik, Wearables, Biosensoren und IoT,
• Einsparung von Kosten und Zeit, die benötigt wird, um neue Arzneimittel zu entwickeln,
• Optimierung der derzeit zur Verfügung stehenden Behandlungsmöglichkeiten und schnellere Entwicklung neuer Behandlungen,
• Verfügbarkeit sofortiger Updates, Sicherheit und optimierte Organisation pharmazeutischer Daten,
• Generieren von Sonderangeboten am Verkaufsort basierend auf dem Kaufverhalten der Nutzer,
• Steigerung der Effizienz durch Echtzeiterkennung der Ursachen von Schwachstellen, Störungen und Fehlern,
• Lückenlose Bewertung von Risikoportfolios,
• Verringerung der Wahrscheinlichkeit menschlicher Fehler und Erkennung von korruptem Verhalten, bevor es dem Unternehmen schadet.

Business Intelligence in der Pharmaindustrie

Pharmaunternehmen stehen bei der Handhabung großer Datensätze, der Ermöglichung umfangreicher pharmazeutischer Datenbankmigrationen und der Verwaltung der analytischen Arbeitsbelastung bei großen Datenmengen vor großen Herausforderungen. Business Intelligence (BI) Technologien können dies ändern. Sie helfen, historische, aktuelle und vorausschauende Einblicke in den Geschäftsbetrieb zu gewinnen und neue strategische Möglichkeiten für die Entwicklung von Arzneimitteln und klinischen Studien zu identifizieren.

BI wird in der Arzneimittelindustrie für gewöhnlich in folgenden Bereichen angewendet:

• Action-on-Data-Reporting
• Online-Analytical-Processing
• Verbesserte Analyse pharmazeutischer Daten
• Verarbeitung komplexer Vorgänge (z.B. Verlauf klinischer Studien, Entwicklung von Arzneimitteln)
• Data-, Prozess- und Text Mining
• Statistische Analysen und Benchmarking
• Business Performance Management
• Predictive Analytics

Geschickt implementierte BI ermöglicht es Pharmaunternehmen, große Mengen strukturierter und unstrukturierter Daten zu verwalten und interne mit externen Daten zu einem einzigen Datensatz zu vereinen. Dieser wiederum kann dabei helfen, ein umfassendes Bild zu gewinnen und Wettbewerbsvorteile am Markt zu identifizieren.

BI in der Pharmaindustrie:

• liefert präzise Daten und sofortige Ergebnisse in Echtzeit,
• ermöglicht es, jederzeit diverse Abfragen und Reports zu generieren,
• hilft beim Identifizieren von Möglichkeiten des Up- und Cross-Sellings,
• unterstützt bei der Bestandsaufnahme und dabei, die richtigen Bestellungen zur richtigen Zeit zu tätigen,
• erlaubt das Visualisieren von Daten in übersichtlichen Dashboards.

Datenintegration in der Pharmaindustrie

In der pharmazeutischen Forschung werden ständig genetische, metabolische, phänotypisierende, proteomische, transkriptomische, spektroskopische und andere Arten von Daten generiert. Darüber hinaus liefern die Behandlungsentwicklungsprozesse noch mehr Daten über Pharmakokinetik, Toxizität, Wirksamkeit und dergleichen. Diese Daten stammen aus verschiedenen Quellen und variieren im Umfang und Format. Die Integration dieser vielfältigen Informationen in ein System, um umfassendste und aussagekräftige Ergebnisse zu erhalten, nimmt sehr viel Zeit und Arbeit in Anspruch.

Ist ein Datenintegrationssystem vorhanden, ermöglicht dies eine umfassende Suche in den gesammelten Datenteilmengen auf Grundlage von Datenverknüpfungen. Intelligente Algorithmen, einschließlich ML- und KI-Technologien, können gemeinsam mit BI-Plattformen bei der Erstellung von automatisierten Reports helfen, Erkenntnisse liefern und auf mögliche Sicherheitsprobleme hinweisen.

Das ultimative Ziel des Datenintegrationssystems ist es, eine einfache Verwaltung pharmazeutischer Daten sicherzustellen sowie eine saubere, konsistente und frühzeitige Analytik für große pharmazeutische Projekte zu schaffen.

Datenintegration löst folgende Probleme:

• Verstehen von Big Data
• Konsolidierung der Datensicherungssysteme
• Entfernen von Datenvariationen und Duplikaten
• Anlegen eines strukturieren und zentralisierten Data Warehouse

Die Nutzung eines Datenintegrationssystems kann die Kommunikation und Zusammenarbeit zwischen pharmazeutischen Abteilungen verbessern, für besseres Kundenengagement sorgen und die Produktivität steigern. Letztlich können Pharmaunternehmen durch die effiziente Nutzung und Analyse von Big Data also neue Arzneimittelkandidaten schneller bestimmen und die Entwicklung von Medikamenten beschleunigen.

Die Unternehmensberatung McKinsey geht davon aus, dass die Implementierung großer Datenerfassungsmechanismen und -verfahren allein in der europäischen pharmazeutischen Industrie zu Einsparungen von bis 100 Milliarden Euro führen könnten.