Die schöne neue Welt der KI in der Pharmaindustrie

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

Ihre NLP-Karriere wartet!

Bereit für den nächsten Schritt in Ihrer NLP-Reise? Vernetzen Sie sich mit Top-Arbeitgebern, die Talente in der natürlichen Sprachverarbeitung suchen. Entdecken Sie Ihren Traumjob!

Finden Sie Ihren Traumjob

Einführung in die KI in der Pharmaindustrie

Künstliche Intelligenz beeinflusst mittlerweile jeden Bereich unseres Lebens. Von den selbstfahrenden Autos, die immer mehr unsere Straßen bevölkern, bis zu den virtuellen Assistenten , die in unseren Telefonen leben (und dafür gesorgt haben, dass niemand sein Kind jemals wieder Siri oder Alexa nennen kann). Niemand kann bezweifeln, dass KI bisher einen positiven und weit weniger apokalyptischen Effekt auf die Menschheit hatte, als uns die Killerroboter Hollywoods zunächst glauben machen wollten.

Eine Branche, die von den Vorteilen der KI profitieren möchte, ist die Pharmabranche , wo ihre Einsatzmöglichkeiten und möglichen Implementierungen nahezu unbegrenzt scheinen. Das Gesundheitswesen im Allgemeinen hat bereits eine enorme Bandbreite an Anwendungsmöglichkeiten für KI innerhalb des Sektors zutage gefördert, von CT-Scans, die von Deep-Learning-Algorithmen gelesen werden können , bis hin zur natürlichen Sprachprogrammierung, mit der riesige Mengen unstrukturierter Daten in elektronischen Gesundheitsakten analysiert werden können, um eine schnellere Diagnose der Patienten zu ermöglichen.

Die COVID-19-Pandemie hat sich als unerwartetes Testfeld für KI erwiesen, um ihre aktuellen Fähigkeiten in der Pharmaindustrie unter Beweis zu stellen. Die Suche nach neuen Wirkstoffen zur Entwicklung eines Impfstoffs und die Kartierung der genetischen Sequenz des Virus, um es besser zu verstehen, sind alles Aufgaben, für die KI bestens geeignet ist: große Mengen an Informationen, die schnell und iterativ verarbeitet werden müssen, sowie die Fähigkeit, bestimmte Muster aus den Daten zu erkennen.

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

Monate des weltweiten Lockdowns sind vergangen, ohne dass ein Impfstoff in Sicht wäre. Das bedeutet natürlich nicht, dass KI in irgendeiner Weise versagt , aber es macht die Frage allzu relevant: Wie ist der aktuelle Status von KI in der Pharmaindustrie? Welche Auswirkungen hat sie derzeit und was können wir in Zukunft erwarten? Abgesehen von der aktuellen Nutzung ist es wichtig, die menschlichen und gesellschaftlichen Auswirkungen zu bedenken: Ist dies etwas, das wir mit offenen Armen in unserem Leben willkommen heißen sollten, oder wird sich Hollywood fragen, wie es jemals die Zukunft so genau vorhersagen konnte?

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 zur Nutzung von KI in der Pharmaindustrie

Künstliche Intelligenz und Pharmazeutika reichen weiter zurück, als wir vielleicht gedacht hätten. Ihre früheste Verbindung 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 verwendet, um komplexe Probleme zu lösen) mit chemischer Analytik. Durch die Hypothesenbildung über die Molekülstruktur einer Substanz konnte DENDRAL unbekannte organische Materialien 1 viel schneller identifizieren als zuvor.

Erst in den letzten beiden Jahrzehnten gab es jedoch große Fortschritte beim maschinellen Lernen und damit auch beim Einsatz von KI in der Pharmaindustrie. Maschinelles Lernen bildet die Grundlage der künstlichen Intelligenz in der Praxis, da es ein 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 in den letzten zwanzig Jahren stark verbesserte Leistung der Verarbeitungseinheiten hat zu einer enormen Leistungssteigerung beim Deep Learning in der Pharmaindustrie geführt, wodurch sich die Computeralgorithmen , mit denen die KI arbeitet, schnell weiterentwickeln konnten.

Diese Fortschritte im maschinellen Lernen haben es der KI ermöglicht, die Welt auf ähnliche Weise zu verstehen wie wir. Die Entwicklung künstlicher neuronaler Netzwerke und der Verarbeitung natürlicher Sprache hat ihre Fähigkeit verbessert, Texte zu erstellen, zu analysieren und zu verstehen. Dies ermöglicht es der KI heute, große Datenmengen und Forschungsergebnisse zu durchforsten und verborgene Muster zu erkennen, die der Schlüssel zur nächsten großen Arzneimittelentdeckung sein könnten.

Beispiele für KI in der Pharmaindustrie heute

Angesichts der großen Fortschritte, die erzielt wurden, gibt es heute zahlreiche Beispiele für den Einsatz künstlicher Intelligenz in der Pharmaindustrie, die uns einen Eindruck davon vermitteln, welche Auswirkungen die KI auf Mensch und Gesellschaft haben könnte.

The cosmologist Stephen Hawking, who suffered from ALS

Der Kosmologe Stephen Hawking, der an ALS litt

Das beste Beispiel für den Einsatz von KI sind die frühen Phasen der Arzneimittelentdeckung. 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 Behandlungsmöglichkeiten und keine Heilung gibt.

Ein KI-Startup namens BenevolentAI hat jedoch ein vielversprechendes neues Therapeutikum für ALS entdeckt, indem es Berge von Daten aus klinischen Studien und akademischen Untersuchungen durchforstete. Es konnte Moleküle identifizieren, die zwar zuvor in anderen klinischen Studien versagt hatten, aber für neue Verbindungen mit einer höheren Wahrscheinlichkeit zur Bekämpfung von ALS verwendet werden konnten.2

Fast Data Science - London

Need a business solution?

Führend in den Bereichen NLP , ML und Data Science seit 2016 – kontaktieren Sie uns für eine NLP- Beratungssitzung.

Ein weiteres inspirierendes Beispiel ist das in San Francisco ansässige Startup Atomwise , das einen auf Convolutional Neural Networks basierenden Algorithmus namens AtomNet entwickelte, der in der Lage war, einige grundlegende organische Chemie zu erlernen, ohne dass ihm jemals die Regeln beigebracht wurden, und der ein wichtiges Kandidatenmolekül für den Kampf gegen Ebola identifizierte. 8

Doch nicht nur bei der Arzneimittelforschung kann KI von unschätzbarem Wert sein. Sie kann auch die Diagnose von 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 geistig schwächende Krankheit handelt, gibt es derzeit keine Behandlung für die Alzheimer-Krankheit . Eines der Haupthindernisse bei der Erforschung der Alzheimer-Krankheit besteht laut Klinikern darin, dass die Patienten zu spät im Prozess diagnostiziert werden. KI kann jedoch 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 könnte das Ersetzen von Eigennamen durch Pronomen oder leichtes Zögern zwischen Wörtern gehören. Bestimmte Unternehmen verwenden KI zur Analyse von Sprachmustern, um Patienten schneller zu identifizieren, sie früher in Studien einzubeziehen und den Therapieprozess schneller zu beginnen.3

Auch für Pharmaunternehmen bietet KI praktische Anwendungsmöglichkeiten: Sie kann nicht nur Zeit, sondern auch Geld sparen und möglicherweise zu günstigeren Medikamenten führen. So wird KI beispielsweise zur Unterstützung bei klinischen Tests eingesetzt, die bei der Suche nach einer wirksamen Behandlung immer das zeitaufwändigste und teuerste Unterfangen sind.

Ein Bericht aus dem Jahr 2016 ergab, dass bei 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 effektive Studie erforderlichen Kandidaten rekrutiert werden konnte. Mithilfe der bereits erwähnten natürlichen Sprachverarbeitung können Algorithmen Arztberichte , Pathologieberichte und sogar soziale Medien durchsuchen, um Patienten zu identifizieren, die eine Behandlung suchen und für die Teilnahme an einer Studie geeignet sind. Bei der Entwicklung eines Nischenprodukts kann der klinische Studienprozess bis zu 600.000 US-Dollar pro Tag kosten, bei einem medizinischen Blockbuster-Produkt bis zu 8 Millionen US-Dollar pro Tag. Jede Zeitersparnis trägt also erheblich zu den Opportunitätskosten bei.4

Sollten wir uns über KI in der Pharmaindustrie Sorgen machen?

Aus gesellschaftlicher Sicht erscheinen die Aussichten zunächst rosig, und auf den ersten Blick sollte KI in der Pharmaindustrie zu einer verbesserten Patientenversorgung führen, indem sie die Kranken mit Medikamenten behandelt, die wirksamer und gezielter auf die jeweilige Krankheit abgestimmt sind (und weniger Nebenwirkungen haben). Und nicht nur das: In Zeiten wie diesen, in denen eine Pandemie den Globus erfasst hat und sich jeden Tag Hunderttausende weitere infizieren, ohne dass es ein wirksames Heilmittel gibt, hat KI bewiesen, wie schnell sie den Impfprozess beschleunigen kann. Die genetische Zusammensetzung von COVID-19 wurde innerhalb weniger Tage sequenziert, was den Wissenschaftlern wertvolle Einblicke in sein Genom ermöglicht.

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

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

Allein 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 Reisen. Daher ist es wichtig, dass die Menschheit in der Lage ist, neue Medikamente und Impfstoffe in entsprechender Geschwindigkeit, wenn nicht sogar schneller, zu entwickeln. KI wird in diesem Bereich zweifellos eine entscheidende Rolle spielen.

Da der Prozess der Arzneimittelentdeckung schneller und automatisierter wird und die Erfolgsquoten die Wahrscheinlichkeit eines Misserfolgs verringern, sollte es tatsächlich billiger werden, Medikamente auf den Markt zu bringen, was die Gesundheitsversorgung potenziell für alle zugänglicher machen könnte. Die Entscheidung zwischen persönlicher Gesundheit und finanzieller Gesundheit sollte ein Mensch nie treffen müssen, und diese aktuelle Realität unterstreicht die wachsende soziale Ungleichheit, die in vielen Industrieländern vorherrscht. Es ist tatsächlich erwiesen, dass der Zugang der Menschen zu den Medikamenten, die sie brauchen, 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 jedoch – der derzeit vielleicht nur in den Köpfen von Science-Fiction-Autoren erkennbar ist (aber hoffentlich nicht allzu weit entfernt) – besteht darin, dass KI den Weg zu bahnbrechenden Fortschritten in der Medizin ebnen könnte, die die chronischen Leiden und tödlichen Krankheiten von heute in die Vergangenheit verbannen. Es gilt das alte Sprichwort: „Vorbeugen ist besser als heilen“, und mit KI könnte die medizinische Behandlung durchaus von einem reaktiven zu einem präventiven Modell werden, das die Gesellschaft umgestaltet.

Jede Medaille hat immer zwei Seiten. Die potenziellen Vorteile der KI geben zwar Anlass zu Optimismus, doch müssen wir uns auch der Herausforderungen bewusst sein, die diese schöne neue Welt mit sich bringt.

Der zentrale Grundsatz der künstlichen Intelligenz ist die Fähigkeit eines Computers, sich selbst etwas beizubringen. Allerdings beginnt der Prozess immer noch mit Daten am Frontend und menschlicher Interpretation am Backend. Die von der KI produzierten Informationen sind immer nur so gut wie die Dateneingabe. Selbst wenn die Daten korrekt eingegeben werden, hat die KI manchmal Schwierigkeiten, völlig andere Abweichungen als das zu verstehen, was sie zu erwarten programmiert wurde. So wurden beispielsweise Algorithmen, die zur Bestandsverwaltung entwickelt und auf „normales menschliches Verhalten“ trainiert wurden, durch die „neue Normalität“, die COVID-19 mit sich brachte, völlig aus dem Konzept gebracht, sodass ein menschliches Eingreifen durch Experten erforderlich war.5

Viele Algorithmen sind heute viel 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, ein Computerprogramm einfach das tun zu lassen, wofür es programmiert wurde, und einfach wegzugehen, wird immer da sein, aber obwohl die Notwendigkeit menschlicher Eingriffe mit der Zeit abnehmen sollte, werden sie weiterhin unerlässlich sein, um Ergebnisse gegenseitig zu überprüfen und ein gewisses Maß an objektiver Kritik sicherzustellen.

Gleichzeitig müssen, wenn der menschliche Faktor kleiner und das KI-Element immer größer wird, tiefgreifende Fragen zu Ethik und Verantwortung gestellt und beantwortet werden. Wenn ein bösartiger Virus eine schädliche molekulare Verbindung produziert, liegt die Verantwortung für dieses Versagen dann bei den ursprünglichen Programmierern des Systems oder bei dem Unternehmen, das die Software verwendet hat? Der Einsatz von KI in der medizinischen Industrie wird im Laufe der Jahrzehnte immer üblicher und allgemein akzeptierter werden. Es muss jedoch Aufsichts- und Ethikkommissionen geben, die es uns als Gesellschaft ermöglichen, klar zu verstehen und besser zu begreifen, wo die Verantwortung für etwaige Fehler oder Irrtümer liegen sollte, da Probleme unvermeidlich sind. Dies ist ein Bereich, in dem es keinen Platz für die Grauzonen eines lockeren ethischen Diskurses gibt. Es ist unerlässlich, die Schwarz-Weiß-Grenzen vereinbarter ethischer Standards festzulegen, bevor man der KI in all ihren technischen Wundern und der Hoffnung auf medizinischen Fortschritt völlig freien Lauf lässt.

Wie oben hervorgehoben, liegen die Funktionen und Vorteile der KI in den riesigen Datenmengen, die sie verarbeitet. Worauf wir jedoch nicht näher eingegangen sind, ist die Herkunft dieser Daten. Die meisten davon stammen heute aus klinischen Studien und aus erteilten Berechtigungen für den Zugriff auf Patientenakten und Arztberichte. 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 eigenen Vorteil ausbeuten und unsere Kaufgewohnheiten, Suchverläufe und Profile als eine Ressource betrachten, die es zu beschlagnahmen gilt. Wir akzeptieren gedankenlos eine Fülle ungelesener Geschäftsbedingungen, damit wir wieder unsere persönliche Bildschirmzeit nutzen können, wobei viele von uns nicht ganz verstehen, wie unsere Daten verwendet werden.

Angesichts der Art und Weise, wie Informationen heute in der Gesellschaft verwendet werden, ist die Ausweitung dieser Datenerfassung auf den Bereich unserer biologischen Identität ein viel beängstigenderer Gedanke. Niemand behauptet, dass Pharmaunternehmen diese Daten für böswillige Zwecke verwenden werden, aber Klarheit darüber, welche Daten sie besitzen und wofür sie diese verwenden, kann nur eine notwendige Verpflichtung sein. Und während die Pharmaunternehmen unsere Daten möglicherweise nicht missbrauchen, könnte jeder aufsehenerregende Datenschutzverstoß dazu führen, dass unsere Daten in die falschen Hände geraten und die Erkrankungen der Menschen, die sie sonst vertraulich behandelt hätten, im gesamten Internet verfügbar werden.

Was hält die Zukunft für KI in der Pharmaindustrie bereit?

Die KI hat ihren Platz in der Pharmaindustrie und in unserem Alltag fest etabliert. Die wichtigere Frage ist jedoch, wie stark sie sich zu einer dominierenden Kraft entwickeln wird. Der Appetit der Gesundheitsbranche ist auf jeden Fall vorhanden: Eine neue Studie von Grand View Research Inc. geht davon aus, dass der globale Markt für KI in der Arzneimittelforschung bis 2027 3,5 Milliarden US-Dollar erreichen und jährlich um 28,8 % wachsen wird.6 David Meyers, National Director of US Life Sciences bei Microsoft, ist zuversichtlich, was das Potenzial für KI-gestützte Innovationen angeht:

KI wird einen Wandel ermöglichen, der über betriebliche Effizienz, Punktlösungen oder einzelne Durchbrüche hinausgeht … KI hat die Fähigkeit, das Tempo und den Umfang von Entdeckungen und die Bereitstellung von Gesundheitsversorgung grundlegend zu verändern. 7

David Meyers

Natürlich ist die Marktstimmung eine Sache, aber ob Politiker, Ärzte und letztlich die Öffentlichkeit genug Vertrauen in die KI haben, 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 machen, nicht so sehr von ihrer technischen Kapazität abhängt, sondern davon, ob wir als Gesellschaft uns dafür entscheiden, 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 menschlichem Eingreifen liegt, bei der ein Computer das perfekte System schaffen kann, das nicht durch die Unvollkommenheit des menschlichen Denkens beeinträchtigt wird. KI ist nicht ohne Fehler. Schließlich wurde sie 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 wird, die wir uns von Anfang an mit Hilfe der KI hätten schaffen können.

Weitere Informationen zu KI in der Pharmaindustrie

Es gibt viele Artikel und Bücher zu diesem Thema, die detaillierter auf die Zukunft der KI in der Pharmaindustrie eingehen. Drei empfehlenswerte Veröffentlichungen sind:

  1. Der Marktbericht „Künstliche Intelligenz in der Arzneimittelentdeckung“, 2020–2027
  2. Deep Medicine: Wie künstliche Intelligenz das Gesundheitswesen wieder menschlicher 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: Eine Fallstudie des ersten Expertensystems zur wissenschaftlichen Hypothesenbildung , 1993, Künstliche Intelligenz 61

2 Monika A. Myszczynska, Poojitha N. Ojamies, Anwendungen des maschinellen Lernens zur Diagnose und Behandlung neurodegenerativer Erkrankungen , 2020

3 Frazer, Kathleen, Meltzer, Jed, Rudzicza, Frank, Linguistische Merkmale identifizieren Alzheimer-Krankheit in narrativer Sprache , 2015, Journal of Alzheimer’s Disease

4 Roth, Chelsea, Die tatsächlichen Kosten klinischer Studien , 2017, GoPraxis

5 Douglas, Will, KI könnte bei der nächsten Pandemie helfen – aber nicht bei dieser, 2020, MIT Technology Review

6 Verschiedene, Der Marktbericht zur künstlichen Intelligenz in der Arzneimittelentdeckung, 2020-2027 , 2020, Grand View Research

7 Robinson, Robin, Der Anstieg der KI-Nutzung wird die Pharmaindustrie schneller in die Zukunft führen , 2019, PharmaVoice

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

Generative KI
Generative ki

Generative KI

Generative KI Einführung Generative KI , ein Teilbereich der KI, verändert Branchen grundlegend und gestaltet die Zukunft. Durch die Nutzung fortschrittlicher Algorithmen kann generative KI Inhalte, Designs und Lösungen erstellen, die zuvor undenkbar waren.

Große Daten
Große daten

Große Daten

Große Daten Das Aufkommen von Big Data hat ganze Branchen revolutioniert und traditionelle Geschäftsmodelle und Entscheidungsprozesse verändert. In dieser umfassenden Untersuchung gehen wir der Frage nach, was Big Data ist, welche erheblichen Auswirkungen es auf die Geschäftsstrategie hat und wie Unternehmen riesige Datenmengen nutzen können, um Innovationen voranzutreiben und sich einen Wettbewerbsvorteil zu verschaffen.

KI im Finanzwesen
Ki im finanzwesen

KI im Finanzwesen

KI im Finanzwesen Die Integration künstlicher Intelligenz (KI) in den Finanzsektor hat die Arbeitsweise von Institutionen revolutioniert, von der Automatisierung von Abläufen bis hin zur Verbesserung der Kundenbindung und des Risikomanagements.

What we can do for you

Transform Unstructured Data into Actionable Insights

Contact us