Die Suche nach neuen Rezepten in der Spezialchemie wie überhaupt nach neuen Materialien mittels KI ist schon relativ weit fortgeschritten. Anders verhält es sich dagegen noch bei der Entwicklung neuer Medikamente. Ein derartiges KI-Modell könnte Daten früherer molekularer Strukturen von Medikamenten nutzen, um neue Medikamente zu finden und Behandlungen für einige der schwierigsten Krankheiten und medizinischen Zustände zu beschleunigen.
Dieser Herausforderung hat sich das in San Francisco ansässige Unternehmen VeriSIM Life mit seiner Plattform BIOiSIM gestellt. Die Plattform verfügt über einen Datenspeicher mit mehr als 3 Millionen Wirkstoffen und 5.000 Datensätzen von Menschen und Tieren, auf denen KI-Modelle trainiert wurden. Damit ist es Pharmaforschern möglich, neue Wirkstoffe zu finden, zu entwickeln und virtuell zu testen, bevor sie hohe Summen in die Entwicklung investieren und sie in echten klinischen Studien testen1Can AI increase the pace and quality of pharmaceutical research? VeriSIM Life says yes.
BIOiSIM verwendet KI aus Methoden des maschinellen Lernens, generative adversarische Netzwerke (GANs), generative KI, um tatsächlich neue Moleküle in einem riesigen Raum von 10 hoch 63 zu identifizieren und sie dann auf die beste Molekülstruktur herunterzubrechen.
In einem Interview2Artificially Discovering New Molecules and Indications: Q&A with Dr. Jo Varshney sagte die Gründerin von VeriSIM, dass die herkömmliche Methodik in der Arzneimittelforschung sich durch eine starke Abschottung von Teams und Daten sowie durch sequentielle Experimente auszeichnet. Dies behindere eine effiziente und fundierte Entscheidungsfindung in Forschung und Entwicklung. KI-Systeme wie BIOiSIM könnten mehrere Dimensionen eines Wirkstoffkandidaten im Kontext seines beabsichtigten Ziels parallel – und nicht sequentiell – in einem integrierten System analysieren. Die BIOiSIM-Plattform fasst mehrere Messgrößen für die zu erwartende therapeutische Wirkung eines Medikaments zu einem einzigen Wert zusammen – den Translational Index.
ChatGPT habe gezeigt, dass generative KI-Systeme extrem realistisch und intelligent sein können, wenn es darum geht, Inhalte wie Bilder und Videos zu erstellen. KI-basierte LLMs werden jetzt auch bei der Generierung neuer Moleküle eingesetzt. Mit diesem Ansatz kann zwar eine große Menge neuer chemischer Stoffe und Proteinstrukturen schneller synthetisiert werden, doch entstehen dabei oft physikalisch unwahrscheinliche Medikamente oder solche, die so komplex sind, dass sie als unnatürlich oder unmöglich zu reproduzieren angesehen werden könnten. Die große Herausforderung für den Einsatz von KI bei der Entwicklung neuer Medikamente sei die biologische Validierung. Ohne Einschränkungen, die auf klinischer Wirksamkeit, Selektivität, Toxizität usw. beruhen, besteht das Risiko für die Arzneimittelhersteller darin, noch mehr untaugliche Kandidaten zu finden.