Die schöne neue Welt der KI in der Pharmaindustrie

· Thomas Wood
Die schöne neue Welt der KI in der Pharmaindustrie

Entdecken Sie Ihre Zukunft in NLP!

Tauchen Sie ein in die Welt der Natürlichen Sprachverarbeitung! Entdecken Sie modernste NLP-Rollen, die zu Ihren Fähigkeiten und Leidenschaften passen.

NLP-Jobs entdecken

Einführung in KI in der Pharmaindustrie

Künstliche Intelligenz beeinflusst mittlerweile jeden Bereich unseres Lebens. Von den selbstfahrenden Autos, die zunehmend unsere Straßen bevölkern, bis hin zu den virtuellen Assistenten , die in unseren Telefonen leben (und dafür gesorgt haben, dass niemand mehr sein Kind Siri oder Alexa nennt). Niemand kann bezweifeln, dass die KI bisher einen positiven und weitaus weniger apokalyptischen Effekt auf die Menschheit hatte, als die Killerroboter von Hollywood uns zunächst glauben ließen.

Eine Branche, die von den Vorteilen der KI profitieren möchte, ist die Pharmaindustrie , deren Einsatzmöglichkeiten und Einsatzmöglichkeiten nahezu unbegrenzt zu sein scheinen. Das Gesundheitswesen im Allgemeinen hat in diesem Sektor bereits eine enorme Anwendungstiefe für KI entdeckt, von CT-Scans, die von Deep-Learning-Algorithmen gelesen werden können , bis hin zu natürlichsprachlicher Programmierung, die große Mengen unstrukturierter Daten in elektronischen Gesundheitsakten analysieren kann, um eine schnellere Patientendiagnose zu ermöglichen.

Die COVID-19-Pandemie hat sich als unerwartetes Testfeld für KI erwiesen, um ihre heutigen Fähigkeiten in der Pharmaindustrie unter Beweis zu stellen. Die Suche nach neuen Verbindungen zur Entwicklung eines Impfstoffs und die Kartierung der genetischen Sequenz des Virus, damit wir sie besser verstehen können, sind alles Aufgaben, für die KI gut geeignet ist: große Informationsmengen, die eine schnelle, iterative Verarbeitung sowie die Fähigkeit dazu erfordern bestimmte Muster aus den Daten zu erkennen.

Ein COVID-19-Antigen-Testkit, das Einwohnern des Vereinigten Königreichs vom britischen National Health Service kostenlos zur Verfügung gestellt wird.

Es sind Monate des weltweiten Lockdowns vergangen, ohne dass Anzeichen für einen Impfstoff in Sicht sind. Das bedeutet natürlich nicht, dass die KI in irgendeiner Weise versagt , aber es macht die Frage nur allzu relevant: Wie genau ist heute der aktuelle Status der KI in der Pharmaindustrie? Welche Auswirkungen hat es derzeit und was können wir in Zukunft erwarten? Abgesehen von der aktuellen Nutzung ist es wichtig, die menschlichen und gesellschaftlichen Auswirkungen zu berücksichtigen: Sollten wir dies mit offenen Armen in unserem Leben begrüßen, oder wird sich Hollywood fragen, wie es jemals geschafft hat, die Zukunft so genau vorherzusagen?

Die Geschichte der künstlichen Intelligenz in der Pharmaindustrie

Dr. Edward Feigenbaum, founder of the forward-looking DENDRAL programme, one of the first projects to use AI in pharma

Dr. Edward Feigenbaum, Gründer des zukunftsweisenden DENDRAL- Programms, eines der ersten Projekte, das KI in der Pharmaindustrie einsetzt

Künstliche Intelligenz und Arzneimittel reichen weiter zurück, als wir vielleicht gedacht hätten. Ihre früheste Kopplung lässt sich bis in die 1960er Jahre und ein Forschungsprojekt an der Stanford University namens DENDRAL zurückverfolgen. Die Studie kombinierte den Einsatz eines Expertensystems (im Wesentlichen ein Computerprogramm, das kognitives Computing und künstliche Intelligenz zur Lösung komplexer Probleme nutzt) mit chemischer Analytik. Durch die Hypothese der molekularen Struktur einer Substanz konnte DENDRAL unbekannte organische Materialien 1 viel schneller als zuvor identifizieren.

Allerdings haben wir in den letzten zwei Jahrzehnten große Fortschritte beim maschinellen Lernen und damit auch beim Einsatz von KI in Arzneimitteln erlebt. Maschinelles Lernen bildet in der Praxis die Grundlage der künstlichen Intelligenz, da es das Mittel ist, mit dem sich ein Computerprogramm automatisch „selbst beibringt“, ohne dass es von einem Menschen programmiert werden muss, um bestimmte nicht-skriptbasierte Fortschritte zu erzielen. Die enorm verbesserte Leistung von Recheneinheiten in den letzten zwanzig Jahren hat zu einer enormen Leistungssteigerung für Deep Learning in der Pharmaindustrie geführt und ermöglicht eine schnelle Weiterentwicklung der Computeralgorithmen , mit denen KI arbeitet.

Diese Verbesserung des maschinellen Lernens hat es der KI ermöglicht, die Welt auf ähnliche Weise zu verstehen wie wir, wobei die Entwicklung künstlicher neuronaler Netze und der Verarbeitung natürlicher Sprache ihre Fähigkeit verbessert, Texte zu erstellen, zu analysieren und ihnen einen Sinn zu geben. Dadurch ist die KI heute in der Lage, große Mengen an Daten und Forschungsergebnissen zu durchforsten und verborgene Muster zu identifizieren, die der Schlüssel zur nächsten großen Arzneimittelentdeckung sein könnten.

Beispiele für KI in der Pharmaindustrie heute

Angesichts der Fortschritte, die gemacht wurden, gibt es heute viele Beispiele für den Einsatz von KI in Arzneimitteln, die uns einen Einblick in die menschlichen und gesellschaftlichen Auswirkungen geben, die sie mit sich bringen könnte.

The cosmologist Stephen Hawking, who suffered from ALS

Der an ALS erkrankte Kosmologe Stephen Hawking

Das Hauptbeispiel für die Einführung von KI findet sich meist in den frühen Phasen des Arzneimittelentwicklungsprozesses. Nehmen wir zum Beispiel ALS oder die Lou-Gehrig-Krankheit. Dabei handelt es sich um eine verheerende neurologische Erkrankung, für die es derzeit nur begrenzte Therapiemöglichkeiten und keine Heilung gibt.

Ein KI-Startup namens BenevolentAI hat jedoch ein vielversprechendes neues Therapeutikum für ALS identifiziert, indem es Berge von Daten aus klinischen Studien und akademischen Studien ausgewertet hat. Es war in der Lage, Moleküle zu identifizieren, die, obwohl sie zuvor in anderen klinischen Studien versagt hatten, in neue Verbindungen umgewandelt werden konnten, mit denen eine höhere Wahrscheinlichkeit besteht, ALS.2 zu bekämpfen

Fast Data Science - London

Need a business solution?

NLP , ML und Data Science Leader seit 2016 – kontaktieren Sie uns für eine NLP- Beratungssitzung.

Ein weiteres inspirierendes Beispiel ist das in San Francisco ansässige Startup Atomwise , das einen auf einem Faltungs-Neuronalen Netzwerk basierenden Algorithmus namens AtomNet entwickelt hat, der einige grundlegende organische Chemie erlernen konnte, ohne jemals die Regeln zu lernen, und der ein wichtiges Kandidatenmolekül dafür identifizierte der Kampf gegen Ebola. 8

Aber nicht nur in der Arzneimittelforschung kann KI von unschätzbarem Wert sein. Es kann auch die Diagnose bei Alzheimer-Patienten verbessern, wobei eine frühere Diagnose möglicherweise der Schlüssel zu einer wirksameren Behandlung ist, bevor die Krankheit zu weit fortgeschritten ist. Obwohl es sich um eine weitreichende und bekannte psychisch schwächende Erkrankung handelt, gibt es für die Alzheimer-Krankheit derzeit keine Behandlung. Eines der Haupthindernisse bei der Erforschung der Alzheimer-Krankheit besteht laut Klinikern darin, dass Patienten zu spät im Prozess diagnostiziert werden. Allerdings kann KI zu einer früheren Erkennung beitragen, indem sie Muster in der Sprache einer Person analysiert und subtile Merkmale des kognitiven Verfalls identifiziert, die für eine Alzheimer-Diagnose charakteristisch sind. Dazu kann das Ersetzen von Eigennamen durch Pronomen oder ein leichtes Zögern zwischen Wörtern gehören. Bestimmte Unternehmen nutzen KI zur Analyse von Sprachmustern, um Patienten schneller zu identifizieren, sie früher in Studien einzubinden und schneller mit dem Therapieprozess zu beginnen.3

KI hat auch eine praktische Anwendung für Pharmaunternehmen, die nicht nur Zeit, sondern auch Geld sparen und möglicherweise den Weg zu günstigeren Medikamenten ebnen kann. KI wurde zur Unterstützung im Prozess klinischer Studien eingesetzt, was bei der Suche nach einer praktikablen Behandlung immer das zeitaufwändigste und kostspieligste Unterfangen ist.

Die Ergebnisse eines Berichts aus dem Jahr 2016 ergaben, dass 18 % der Krebsstudien des National Clinical Trials Network des US-amerikanischen National Cancer Institute zwischen 2000 und 2011 nicht einmal die Hälfte der für eine wirksame Studie erforderlichen Kandidaten rekrutierten. Mithilfe der bereits erwähnten Verarbeitungsleistung natürlicher Sprache können Algorithmen Arztbriefe , Pathologieberichte und sogar soziale Medien durchsuchen, um Patienten zu identifizieren, die eine Behandlung suchen und für die Teilnahme an einer Studie geeignet sind. Für die Entwicklung eines Nischenprodukts kann der klinische Studienprozess bis zu 600.000 US-Dollar pro Tag und für ein Blockbuster-Medizinprodukt bis zu 8 Millionen US-Dollar pro Tag kosten, so dass jede eingesparte Zeit die Opportunitätskosten deutlich reduziert.4

Sollten wir uns über KI in der Pharmabranche Sorgen machen?

Aus gesellschaftlicher Sicht scheinen die ersten Aussichten rosig zu sein, und auf den ersten Blick sollte KI in der Pharmaindustrie zu einer verbesserten Patientenversorgung führen, indem Kranke mit Arzneimitteln behandelt werden, die wirksamer und gezielter auf die spezifische Erkrankung, unter der sie leiden, entwickelt wurden ( und mit weniger Nebenwirkungen). Und nicht nur das: In Zeiten wie diesen, in denen eine Pandemie den ganzen Globus erfasst hat und jeder Tag, an dem es kein funktionierendes Heilmittel gibt, weitere Hunderttausende Infizierte verursacht, hat die KI bewiesen, wie schnell sie den Impfprozess beschleunigen kann. Die genetische Ausstattung von COVID-19 wurde innerhalb weniger Tage sequenziert und lieferte Wissenschaftlern wertvolle Einblicke in sein Genom.

The first few base pairs of the COVID-19 genome. Source: snapgene.com. AI in pharma.

Die ersten paar Basenpaare des COVID-19-Genoms. Quelle: snapgene.com

Noch im Jahr 2003 dauerte die Sequenzierung des SARS-Coronavirus-Ausbruchs drei Monate. In der Welt, in der wir heute leben, können sich Pandemien viel weiter und schneller ausbreiten als in der Zeit vor dem kommerziellen Reiseverkehr. Daher ist es wichtig, dass die Menschheit in der Lage ist, mit angemessener Geschwindigkeit neue Medikamente und Impfstoffe zu entwickeln. wenn nicht schneller; KI wird in diesem Bereich zweifellos eine entscheidende Rolle spielen.

Da der Prozess der Arzneimittelentwicklung immer schneller und automatisierter wird und die Erfolgsquote steigt, was das Risiko eines Scheiterns verringert, dürfte die Markteinführung von Arzneimitteln günstiger sein, wodurch die Gesundheitsversorgung möglicherweise für alle zugänglicher wird. Die Entscheidung zwischen persönlicher und finanzieller Gesundheit treffen zu müssen, ist niemals eine Entscheidung, die ein Mensch treffen sollte, und diese aktuelle Realität verdeutlicht die zunehmende soziale Ungleichheit, die in vielen Ländern der Ersten Welt vorherrscht. Es ist tatsächlich erwiesen, dass der Zugang der Menschen zu den Medikamenten, die sie benötigen, zu einer gesünderen Bevölkerung führt, was wiederum zu einer stärkeren Wirtschaft führt. Dieser Prozess selbst ist zyklisch, wobei stärkere Volkswirtschaften zu einer gesünderen Bevölkerung beitragen und so weiter.

Der vielleicht größte Vorteil, der derzeit vielleicht nur in den Köpfen von Science-Fiction-Autoren sichtbar ist (aber hoffentlich nicht allzu weit entfernt), besteht darin, dass KI den Weg zu transformativen Fortschritten in der Medizin weisen könnte, die die chronischen Leiden und unheilbaren Krankheiten von heute in die Zukunft verbannen die Kapitel der Vergangenheit. Das alte Sprichwort bleibt bestehen: „Vorbeugen ist besser als heilen“, und mit KI könnte die medizinische Behandlung durchaus von einem reaktiven Pflegemodell zu einem präventiven Modell werden, das die Gesellschaft umgestaltet.

Jede Medaille hat immer zwei Seiten, und obwohl die potenziellen Vorteile der KI zu einer optimistischen Lektüre führen, ist es wichtig, dass wir uns der Herausforderungen bewusst bleiben, die diese schöne neue Welt mit sich bringt.

Der zentrale Grundsatz der künstlichen Intelligenz ist die Fähigkeit eines Computers, sich selbst beizubringen. Der Prozess beginnt jedoch immer noch mit Daten im Frontend und menschlicher Interpretation im Backend. Die Informationen, die KI produziert, werden immer nur so gut sein wie die Dateneingabe. Selbst wenn die Daten korrekt eingegeben werden, hat die KI manchmal Schwierigkeiten, völlig andere Abweichungen zu verstehen, als sie programmiert wurde. Beispielsweise wurden Algorithmen, die für die Verwaltung von Lagerbeständen entwickelt und auf „normales menschliches Verhalten“ trainiert wurden, durch die „neue Normalität“, die COVID-19 verbreitete, völlig über den Haufen geworfen, was bedeutete, dass fachmännisches menschliches Eingreifen erforderlich war.5

Zum jetzigen Zeitpunkt sind viele Algorithmen weitaus heikler, als die Branche glauben machen möchte, und es ist unerlässlich, dass ein Team von Datenwissenschaftlern zur Verfügung steht, um die Ergebnisse zu verwalten. Die Versuchung, einem Computerprogramm das zu überlassen, wofür es programmiert wurde, und einfach wegzugehen, wird immer da sein, aber auch wenn der Bedarf an menschlichem Eingreifen im Laufe der Zeit abnehmen sollte, wird er dennoch unerlässlich bleiben, um Peer-Review-Ergebnisse zu erzielen und ein gewisses Maß an Sicherheit zu gewährleisten objektive Kritik.

Wenn gleichzeitig der Faktor Mensch kleiner und das KI-Element immer größer wird, müssen tiefgreifende Fragen zu Ethik und Verantwortung gestellt und beantwortet werden. Wenn ein bösartiger Fehler eine schädliche molekulare Verbindung produziert, liegt die Verantwortung für diesen Fehler dann bei den ursprünglichen Programmierern des Systems oder dem Unternehmen, das die Software verwendet hat? Der Einsatz von KI in der Medizinbranche wird im Laufe der Jahrzehnte immer häufiger und allgemeiner akzeptiert werden. Es muss jedoch Aufsichts- und Ethikkommissionen geben, die es uns als Gesellschaft ermöglichen, klar zu verstehen und besser zu verstehen, wo die Verantwortung für etwaige Fehler oder Irrtümer liegt Lüge, denn Probleme sind unvermeidlich. Dies ist kein Bereich, der Raum für die Grautöne eines beiläufigen ethischen Diskurses bietet. Es ist wichtig, die Schwarz-Weiß-Grenzen vereinbarter ethischer Standards festzulegen, bevor die KI in all ihren technischen Wundern und Hoffnungen auf medizinischen Fortschritt völlig ihren Lauf nimmt.

Wie oben hervorgehoben, liegen die Funktionen und Vorteile der KI in den riesigen Datenmengen, die sie verarbeitet. Auf die Herkunft dieser Daten gehen wir jedoch nicht näher ein. Das meiste davon wird heute aus klinischen Studien stammen und Genehmigungen für den Zugriff auf Patientenakten und Arztberichte erteilt. Je mehr Daten ein KI-Programm hat, desto besser kann seine Ausgabe sein. Wir leben bereits in einer Welt, in der Unternehmen unsere persönlichen Daten zum Nutzen des Unternehmens auswerten und unsere Kaufgewohnheiten, Suchverläufe und Profile als zu beschlagnahmende Ressource betrachten. Wir akzeptieren gedankenlos eine Fülle ungelesener Geschäftsbedingungen, damit wir wieder zu unserer persönlichen Bildschirmzeit zurückkehren können, wobei viele von uns nicht ganz verstehen, wie unsere Daten verwendet werden.

Angesichts der Art und Weise, wie die Informationen der Gesellschaft heute genutzt werden, ist die Ausweitung dieser Datenerfassung auf den Bereich unserer biologischen Identität ein viel beängstigenderer Gedanke. Niemand schlägt vor, dass Pharmaunternehmen diese Daten für böswillige Zwecke nutzen werden, aber Klarheit darüber, welche Daten sie besitzen und wofür sie sie verwenden, kann nur eine notwendige Verpflichtung sein. Und auch wenn die Pharmaunternehmen unsere Daten möglicherweise nicht missbrauchen, könnte jede schwerwiegende Datenschutzverletzung dazu führen, dass unsere Daten in die falschen Hände geraten und die Bedingungen von Personen, die sie andernfalls geheim gehalten hätten, Gefahr laufen, für alle zugänglich zu sein Internet.

Wie sieht die Zukunft der KI in der Pharmaindustrie aus?

Der Platz der KI in der Pharmaindustrie und in unserem täglichen Leben ist fest verankert. Die wichtigere Frage ist: Welche dominierende Kraft wird dies sein? Der Appetit in der Gesundheitsbranche ist zweifellos da: Eine neue Studie von Grand View Research Inc. geht davon aus, dass der weltweite Markt für KI in der Arzneimittelforschung bis 2027 ein Volumen von 3,5 Milliarden US-Dollar erreichen wird, was einem jährlichen Wachstum von 28,8 % entspricht.6 David Meyers, der nationale Direktor von US Life Sciences bei Microsoft ist sicherlich zuversichtlich, was das Potenzial für KI-gesteuerte Innovationen angeht:

KI wird einen Wandel ermöglichen, der über die betriebliche Effizienz, punktuelle Lösungen oder einzelne Durchbrüche hinausgeht. KI hat die Fähigkeit, das Tempo und den Umfang der Entdeckung und der Bereitstellung von Pflege grundlegend zu verändern. 7

David Meyers

Natürlich ist die Marktstimmung eine Sache, aber ob politische Entscheidungsträger, Ärzte und letztendlich die Öffentlichkeit der KI genug vertrauen, damit sie ihre Flügel voll entfalten kann, ist eine andere. Wir werden bald an einem Scheideweg stehen, an dem die Fähigkeit der KI, unser Leben zu beeinflussen und einen positiven Unterschied zu bewirken, nicht so sehr von ihrer technischen Leistungsfähigkeit abhängt, sondern vielmehr von der Frage, ob wir uns als Gesellschaft dazu entschließen, sie zuzulassen, und von der Art und Weise, wie wir dies tun. Viele glauben, dass der inhärente Nutzen der KI in der Idee einer befreienden Unabhängigkeit von menschlichen Eingriffen liegt, bei der ein Computer das perfekte System schaffen kann, das nicht von der Unvollkommenheit des menschlichen Denkens beeinflusst wird. KI ist nicht ohne Mängel. Schließlich wurde es von Menschen geschaffen. Aber was noch wichtiger ist: Nur wenn wir nah am Prozess bleiben, können wir sicherstellen, dass die Menschheit nicht auf Codezeilen in einem Programm reduziert wird, sondern zu der Gesellschaft emporgehoben wird, die wir uns von Anfang an mit KI vorgestellt haben.

Weiterführende Literatur zu KI in der Pharmaindustrie

Es gibt viele Artikel und Bücher zu diesem Thema, die detaillierter auf die Zukunftsaussichten für KI in der Pharmaindustrie eingehen. Drei dieser empfohlenen Veröffentlichungen sind:

  1. Der Marktbericht über künstliche Intelligenz in der Arzneimittelforschung, 2020–2027
  2. Deep Medicine: Wie künstliche Intelligenz das Gesundheitswesen wieder menschlich machen kann , von Eric Topol
  3. KI im Gesundheitswesen: Ein Leitfaden für Führungskräfte zum Erfolg im neuen Zeitalter intelligenter Gesundheitssysteme, von Tom Lawry

Verweise

1 Lindsay, Robert K.; Buchanan, Bruce G.; Feigenbaum, Edward A.; Lederberg, Joshua, DENDRAL: A case study of the first expert system for scientific hypothesis formation, 1993, Artificial Intelligence 61

2 Monika A. Myszczynska, Poojitha N. Ojamies, Applications of machine learning to diagnosis and treatment of neurodegenerative diseases, 2020

3 Frazer, Kathleen, Meltzer, Jed, Rudzicza, Frank, Linguistic Features Identify Alzheimer’s Disease in Narrative Speech, 2015, Journal of Alzheimer’s Disease

4 Roth, Chelsea, The Real Cost of Clinical Trials, 2017, GoPraxis

5 Douglas, Will, AI could help with the next pandemic—but not with this one, 2020, MIT Technology Review

6 Various, The Artificial Intelligence In Drug Discovery Market Report, 2020-2027, 2020, Grand View Research

7 Robinson, Robin, The Uptick in AI Use Will Bring Pharma Into the Future Faster, 2019, PharmaVoice

Finden Sie Top-NLP-Talente!

Suchen Sie Experten in Natürlicher Sprachverarbeitung? Veröffentlichen Sie Ihre Stellenangebote bei uns und finden Sie heute Ihren idealen Kandidaten!

Veröffentlichen Sie einen Job

Big-Data-Beratung – 4 häufigste Probleme gelöst
Data scienceBig data

Big-Data-Beratung – 4 häufigste Probleme gelöst

Mittlerweile sind es Organisationen aller Größenordnungen und fast aller Sektoren werden zunehmend datengesteuert, insbesondere als größere Datenspeicher Systeme und schnellere Computer treiben die Leistungsgrenzen immer weiter voran.

Zwei Revolutionen im Abstand von 200 Jahren: die Datenrevolution und die industrielle Revolution
Ai and societyData science

Zwei Revolutionen im Abstand von 200 Jahren: die Datenrevolution und die industrielle Revolution

Aufgrund des umfangreichen Einsatzes von Technologie und der Arbeitsteilung hat die Arbeit des durchschnittlichen Gig-Economy-Arbeiters jeden individuellen Charakter und damit auch jeden Charme für den Arbeitnehmer verloren.

KI im Personalwesen: Die Zukunft der Arbeit verändern
Ai and societyData science

KI im Personalwesen: Die Zukunft der Arbeit verändern

Die Auswirkungen von KI auf die Humanressourcen Die Arbeitswelt verändert sich rasant, sowohl aufgrund der Einführung traditioneller Data-Science-Praktiken in immer mehr Unternehmen als auch aufgrund der zunehmenden Beliebtheit generativer KI-Tools wie ChatGPT und Googles BARD bei nicht-technischen Arbeitnehmern.

What we can do for you

Transform Unstructured Data into Actionable Insights

Contact us