KI hat sich zu einem zentralen Bestandteil der pharmazeutischen Forschung und Entwicklung entwickelt. Besonders bei der Entwicklung von Biologika – Therapien aus gentechnisch veränderten Proteinen – beschleunigt Künstliche Intelligenz den traditionell teuren und fehleranfälligen Prozess erheblich.
Unternehmen wie AstraZeneca bauen gezielt ihre Engineering-Teams aus, um KI-gestütztes Moleküldesign voranzutreiben. Puja Sapra, Senior Vice President und Head of R&D Biologics Engineering and Oncology Targeted Discovery bei AstraZeneca, erklärt: „Alles, was wir tun, sei es Design, Herstellung, Test oder Analyse, ist jetzt computergestützt. Die Zykluszeiten werden kürzer, während Produktivität und Innovation steigen.“
Der Build-Measure-Learn-Ansatz
AstraZeneca setzt einen iterativen „Build-Measure-Learn“-Kreislauf ein. KI-Modelle generieren oder priorisieren Kandidatenmoleküle und sagen deren Erfolgswahrscheinlichkeit voraus. Die Wissenschaftler konzentrieren sich anschließend im Labor auf die vielversprechendsten Kandidaten. Dieser Ansatz ermöglicht schnellere Iterationen und eröffnet den Zugang zu bisher als unbehandelbar geltenden Krankheitszielen.
Neue Wirkstoffklassen und De-Novo-Design
KI unterstützt zudem die Entdeckung multi-spezifischer Biologika, die mehrere Ziele gleichzeitig adressieren oder Wirkstoffe gezielt an spezifische Zellen liefern können. Die langfristige Vision ist das sogenannte De-Novo-Design: die Generierung völlig neuer Proteinsequenzen, die exakt gewünschte Eigenschaften hinsichtlich Struktur, Sicherheit, Verhalten im Körper und Herstellbarkeit erfüllen.
Puja Sapra betont: „Das Behandeln des Unbehandelbaren wird Realität. Diese Technologien werden es uns letztendlich ermöglichen, Medikamente gegen Ziele zu entwickeln, die einst als unerreichbar galten. Das Potenzial für den Patientennutzen ist bemerkenswert.“
Datenqualität als entscheidender Faktor
Die Qualität und Vielfalt der Trainingsdaten entscheiden maßgeblich über die Leistungsfähigkeit der Modelle. AstraZeneca verfügt über proprietäre, multimodale Datensätze aus molekularen Strukturen, Bindungsmessungen, Sicherheitsprofilen und Herstellungsergebnissen. „Daten sind unser Differenzierungsmerkmal“, so Sapra.
Lab of the Future und agentische Systeme
In Kendall Square, Cambridge, entsteht bis 2026 das „Lab of the Future“. Die Einrichtung soll KI mit Robotik-Automatisierung zu einem geschlossenen, kontinuierlichen Entdeckungssystem verbinden. Parallel gewinnen agentische KI-Systeme an Bedeutung – autonome Workflows, die Krankheitserkenntnisse direkt mit dem Moleküldesign verknüpfen.
Trotz fortschreitender Autonomie bleibt die menschliche Expertise zentral. Wissenschaftler und Ingenieure gewährleisten die Erklärbarkeit, Transparenz und ethische Ausrichtung der Modelle. Die Vorhersage der Sicherheit gilt dabei als eine der größten Herausforderungen beim De-Novo-Design.
Quelle: MIT Tech AI
FAQ
Wie verändert KI den traditionellen Prozess der Medikamentenentwicklung?
KI beschleunigt den iterativen Kreislauf aus Design, Test und Analyse, indem sie Kandidaten priorisiert und Erfolgswahrscheinlichkeiten vorhersagt. Dadurch können sich Wissenschaftler auf die vielversprechendsten Ansätze konzentrieren.
Was ist mit De-Novo-Design gemeint?
De-Novo-Design beschreibt die KI-gestützte Generierung völlig neuer Proteinsequenzen von Grund auf, die präzise definierte therapeutische Eigenschaften erfüllen – ein zentrales langfristiges Ziel der biologischen Arzneimittelforschung.
Welche Rolle spielt die menschliche Expertise bei zunehmend autonomen KI-Systemen?
Die menschliche Aufsicht, Urteilsfähigkeit und strategische Ausrichtung bleiben unverzichtbar, um Transparenz, Erklärbarkeit und ethische Standards der KI-Modelle sicherzustellen.