30. Nov. 2022 – Künstliche Intelligenz ist bereit, klinische Studien und die Arzneimittelentwicklung schneller, billiger und effizienter zu machen. Ein Teil dieser Strategie besteht darin, “synthetische Kontrollarme” zu schaffen, die Daten verwenden, um “Simulanzien” oder computergenerierte “Patienten” in einer Studie zu erstellen.
Auf diese Weise können Forscher weniger echte Personen einschreiben und in der Hälfte der Zeit genügend Teilnehmer rekrutieren.
Sowohl Patienten als auch Pharmaunternehmen könnten davon profitieren, sagen Experten. Ein Vorteil für die Menschen ist beispielsweise, dass Simulanzien die Standardbehandlung oder Placebobehandlung erhalten, was bedeutet, dass alle Personen in der Studie am Ende die experimentelle Behandlung erhalten. Für Pharmaunternehmen, die sich nicht sicher sind, welcher ihrer Medikamentenkandidaten am vielversprechendsten ist, können KI und maschinelles Lernen die Aussichten eingrenzen.
„Bisher war maschinelles Lernen in erster Linie effektiv, um die Effizienz zu optimieren – nicht um ein besseres Medikament zu bekommen, sondern um die Effizienz des Screenings zu optimieren. KI nutzt die Erkenntnisse aus der Vergangenheit, um die Wirkstoffforschung effektiver und effizienter zu gestalten“, sagt Dr. Angeli Moeller, Leiterin des Bereichs Data and Integrations Generating Insights beim Arzneimittelhersteller Roche in Berlin und stellvertretende Vorsitzende des Vorstands der Alliance for Artificial Intelligence in Healthcare.
„Ich gebe Ihnen ein Beispiel. Sie haben vielleicht tausend kleine Moleküle und möchten sehen, welches davon an einen Rezeptor bindet, der an einer Krankheit beteiligt ist. Mit KI müssen Sie nicht Tausende von Kandidaten prüfen. Vielleicht können Sie nur einhundert testen“, sagt sie.
„Synthetische“ Versuchsteilnehmer
Die ersten klinischen Studien zur Verwendung von datenerzeugten Matches für Patienten – anstelle von Kontrollpatienten, die nach Alter, Geschlecht oder anderen Merkmalen abgeglichen werden – haben bereits begonnen. Beispielsweise verwendete Imunon Inc., ein Biotechnologieunternehmen, das Chemotherapie und Immuntherapie der nächsten Generation entwickelt, einen synthetischen Kontrollarm in seinem Phase-1B-Studie eines Mittels, das zur präoperativen Chemotherapie bei Eierstockkrebs hinzugefügt wird.
Diese frühe Studie zeigte den Forschern, dass es sich lohnen würde, den neuen Wirkstoff in einer Phase-2-Studie weiter zu untersuchen.
Die Verwendung eines synthetischen Kontrollarms ist „extrem cool“, sagt Sastry Chilukuri, Co-CEO von Medidata, dem Unternehmen, das die Daten für die Phase-1B-Studie geliefert hat, und Gründer und Präsident von Acorn AI.
„Was wir haben, ist die erste FDA- und EMA-Zulassung eines synthetischen Kontrollarms, bei dem Sie den gesamten Kontrollarm durch synthetische Kontrollpatienten ersetzen, und das sind Patienten, die Sie aus historischen klinischen Studiendaten herausziehen“, sagt er.
Eine Welle KI-gestützter Forschung?
Die Rolle der KI in der Forschung wird voraussichtlich zunehmen. Bisher konzentrierte sich der Großteil der KI-gesteuerten Arzneimittelforschung auf Neurologie und Onkologie. Der Start in diesen Fachgebieten ist „wahrscheinlich auf den hohen ungedeckten medizinischen Bedarf und viele gut charakterisierte Ziele zurückzuführen“, stellt ein März 2022 fest Nachrichten- und Analysestück im Tagebuch Natur.
Es wurde spekuliert, dass dieser Einsatz von KI nur der Anfang einer „kommenden Welle“ sei.
„Es besteht ein zunehmendes Interesse am Einsatz synthetischer Kontrollmethoden [that is, using external data to create controls]“, so a Rezensionsartikel in Naturheilkunde im September.
Das sagte die FDA bereits ein Medikament genehmigt im Jahr 2017 für eine Form einer seltenen pädiatrischen neurologischen Erkrankung, der Batten-Krankheit, basierend auf einer Studie mit historischen Kontroll-„Teilnehmern“.
Ein Beispiel in der Onkologie, wo ein synthetischer Kontrollarm einen Unterschied machen könnte, ist die Glioblastomforschung, sagt Chilukuri. Dieser Hirntumor ist extrem schwierig zu behandeln, und Patienten brechen die Studien normalerweise ab, weil sie die experimentelle Behandlung wollen und nicht in der Kontrollgruppe mit Standardbehandlung bleiben wollen, sagt er. Außerdem „ist es angesichts der Lebenserwartung sehr schwierig, eine Studie abzuschließen.“
Die Verwendung eines synthetischen Kontrollarms könnte die Forschung beschleunigen und die Chancen auf den Abschluss einer Glioblastom-Studie verbessern, sagt Chilukuri. „Und die Patienten bekommen tatsächlich die experimentelle Behandlung.“
Noch frühe Tage
KI könnte auch dazu beitragen, „Non-Responder“ in der Forschung einzuschränken.
Klinische Studien „sind wirklich schwierig, sie sind zeitaufwändig und sie sind extrem teuer“, sagt Naheed Kurji, Vorsitzender des Vorstands der Alliance for Artificial Intelligence in Healthcare und Präsident und CEO von Cyclica Inc, einem datengesteuerten Medikament Discovery-Unternehmen mit Sitz in Toronto.
„Unternehmen arbeiten sehr hart daran, effizientere Wege zu finden, um KI in klinische Studien einzubringen, damit sie schneller Ergebnisse zu niedrigeren Kosten, aber auch höherer Qualität erzielen.“
Es gibt viele klinische Studien, die scheitern, nicht weil das Molekül nicht wirksam ist … sondern weil die Patienten, die in eine Studie aufgenommen wurden, viele Non-Responder umfassen. Sie löschen einfach die Responder-Daten“, sagt Kurji.
„Sie haben viele Leute darüber reden hören, dass wir im nächsten Jahrzehnt mehr Fortschritte machen werden als im letzten Jahrhundert“, sagt Chilukuri. „Und das liegt einfach an dieser Verfügbarkeit von hochauflösenden Daten, die es Ihnen ermöglichen, zu verstehen, was auf individueller Ebene passiert.“
„Das wird diese Explosion in der Präzisionsmedizin auslösen“, sagt er voraus.
In gewisser Weise steckt die KI in der klinischen Forschung noch in den Kinderschuhen. Kurji sagt: „Es gibt noch viel zu tun, aber ich denke, Sie können auf viele Beispiele und viele Unternehmen verweisen, die wirklich große Fortschritte gemacht haben.“