HEALTH ECONOMY
© Pfizer

Austin Huang, PhD - Forscher in der Genome Sciences and Technologies Gruppe von Pfizer

Advertorial 08.05.2018

Mit Künstlicher Intelligenz zu neuen Medikamenten

Googles Künstliche Intelligenz (KI) „AlphaGo“ wird gerne als Paradebeispiel für KI zitiert: AlphaGo besiegte den amtierenden Meister im chinesischen Brettspiel Go, das noch komplexer als Schach ist.

Nur wenige wissen, dass KI auch bei der Entwicklung von Medikamenten eingesetzt wird. Um ein einziges neues Medikament auf den Markt zu bringen, werden zunächst etwa 5.000 bis 10.000 Substanzen untersucht. Um diesen langwierigen Prozess zu verkürzen, setzen Forscher nun auf KI.

Austin Huang, PhD, forscht in der Genome Sciences and Technologies Gruppe von Pfizer an der Entwicklung von neuen Medikamenten mittels KI. Trotz großer Erfolge auf dem Gebiet der KI, warnt er vor einer zu vereinfachten Sichtweise: „Nur weil KI Go spielen […] kann, ist sie nicht automatisch in der Lage, komplexe medizinische Probleme zu lösen.“

AlphaGo wurde anhand der Spielregeln von Go trainiert, die im Vorhinein alle bekannt waren. Daraus konnte AlphaGo die Sieg bringenden Spielzüge berechnen. Erkrankungen folgen aber oft noch unbekannten „Regeln“. Doch mit der richtigen biomedizinischen Datengrundlage kann man Computern beibringen, Muster in diesen Daten zu erkennen. Diese Methode ist als „Deep Learning“ bekannt.

Das funktioniert so: Ob ein Medikament wirkt, hängt meist von der Wechselwirkung des Wirkstoffs mit einem Zielmolekül im Körper ab. Diese Wechselwirkung basiert auf der Struktur des Wirkstoffs und löst Prozesse aus, die den Krankheitsverlauf positiv beeinflussen. Deep Learning kann Muster zwischen Wirkstoffstruktur und Wechselwirkung mit dem Zielmolekül identifizieren. Dafür wird der Computer anhand eines großen Datensatzes von tausenden Beschreibungen pro Wirkstoff trainiert. Durch die so erlernten Beispiele kann der Computer nun Vorhersagen zu der Wirkung von noch unerforschten Stoffen auf das Zielmolekül im Körper treffen.

Wir dürfen also gespannt sein, welche Durchbrüche in der Medikamentenentwicklung Deep Learning zukünftig ermöglicht.

Weitere Beiträge rund um das Thema Forschung finden Sie auf dem Get Science Blog.

 

 

TEILEN SIE DIESEN ARTIKEL