Anwendung künstlicher Intelligenz in der Pharmaindustrie

8 min read

Anwendung künstlicher Intelligenz in der Pharmaindustrie

Heutzutage gilt künstliche Intelligenz oder kurz KI als eine der am meisten erwarteten digitalen Gesundheitstechnologien. Für manche mag das Konzept der KI noch futuristisch erscheinen, aber die Ära des maschinellen Lernens hat bereits begonnen. Leider war das Verständnis in der Pharmaindustrie im Vergleich zu anderen Industriebereichen relativ langsam. Dies ändert sich jedoch allmählich und KI entwickelt sich jetzt sehr schnell. Die Pharmaindustrie muss sich also anpassen, wenn sie künftig relevant bleiben will.

Definition Künstliche Intelligenz

Im weitesten Sinne wird KI als Computersysteme definiert, die Aufgaben ausführen können, die gewöhnlich von menschlicher Intelligenz gelöst werden. Sie besteht aus drei verschiedenen Typen: von Menschen erstellte Algorithmen, maschinelles Lernen und tiefes Lernen (Deep Learning).

Von Menschen erstellte Algorithmen

Zurzeit verlassen sich nicht die meisten computergenerierten Lösungen, die im Gesundheitswesen entstehen, auf unabhängige Computer-Intelligenz per se. Dafür wurden von Menschen entsprechende Algorithmen geschaffen, die als evidenzbasierte Ansätze von Forschern oder Ärzten programmiert werden. Nachdem bekannte Daten in Algorithmen eingebettet worden sind, werden die Informationen vom Computer anschließend extrahiert und bei der Lösung bestimmter Probleme verwendet. Beispielsweise kann der Computer in der Onkologie aufgrund von Konsensus-Algorithmen in Verbindung mit klinisch demografischen Daten und der Krankengeschichte jedes einzelnen Patienten die verfügbaren Behandlungsalternativen überprüfen und dann die am besten geeignete Kombination von Arzneimitteln empfehlen.

Diese Zukunft ist nicht zu weit von der Realität entfernt. Da die Internetverbindung immer zugänglicher und schneller wird, wird das maschinelle Lernen überall eingesetzt. “Intelligente Geräte”, Roboter und virtuelle Unterstützung sind überall zu sehen. In diesem Artikel wird der Einfluss von  IoT-Daten auf unser Interagieren mit Technologie betrachtet.

Maschinelles Lernen

Im Vergleich mit von Menschen erstellten Algorithmen basiert das maschinelle Lernen auf neuronalen Netzwerken. Dies ist ein Computersystem, das auf der Grundlage des menschlichen Gehirns modelliert wurde. Vom maschinellen Lernen wird eine mehrschichtige probabilistische Analyse verwendet, die dem Computer erlaubt, die Datenverarbeitung des menschlichen Verstandes zu simulieren. So können auch die Programmierer selbst nicht wissen, welche endgültige Lösung der Computer trifft. Bisher wurde das maschinelle Lernen in der Pharmaindustrie begrenzt eingesetzt. Aber seine potenziellen Anwendungen können den Verlauf stark beeinflussen, da sie sehr zahlreich sind.

Andere Anwendungsbereiche des maschinellen Lernens sind:

Erkennung und Diagnose von Krankheiten

Das innovative US-amerikanische Biopharma-Unternehmen Berg verwendet beispielsweise KI in Onkologie, Endokrinologie und Neurologie mit dem Ziel, die Diagnostik und Therapeutik zu erforschen und zu entwickeln. Dazu entwickelte Berg seine einzigartige KI-basierte Interrogative Biology®-Plattform, die aufgrund des Kombinierens der Patientenbiologie mit den KI-basierten Analysen Unterschiede zwischen gesunder und krankhafter Umgebungen identifiziert.

Radiologie- und Strahlentherapieplanung

Vermutlich wird KI künftig in diesem Bereich eine sehr wichtige Rolle spielen. In diesem Zusammenhang ist DeepMind Health von Google zu nennen, das sich mit Algorithmen des maschinellen Lernens zur Erkennung der Unterschiede zwischen gesundem und krebsartigem Gewebe beschäftigt. Das Ziel dieser Forschung ist die Verbesserung der Genauigkeit der Strahlentherapieplanung bei gleichzeitiger Minimierung der Schäden gesunder Organe.

Klinische Forschung

Darüber hinaus kann das maschinelle Lernen in verschiedenen klinischen Forschungen verwendet werden. Genetische Informationen werden beispielsweise mit Hilfe von fortgeschrittenen Vorhersageanalysen analysiert, um die geeignete Patientenpopulation für eine Studie zu bestimmen. Maschinelles Lernen wird auch in Fällen verwendet, wenn die optimalen Stichprobengrößen für die Erhöhung der Leistungsfähigkeit und Reduzierung von Datenfehlern wie Doppeleintragungen bestimmt werden müssen.

Personalisierte Medizin und Erkennung seltener Krankheiten

Die Anwendung der KI ermöglicht den Körperscans Krebs und andere Krankheiten frühzeitig zu erkennen und gesundheitliche Probleme vorherzusagen, denen Menschen aufgrund ihrer Genetik begegnen können. Trotz seiner Unvollkommenheit zählt IBM Watson for Oncology zu den Führern in der KI für personalisierte Behandlungsentscheidungen auf dem Gebiet der Onkologie. Um das Entscheidungstreffen bezüglich der Behandlung zu optimieren, werden die medizinischen Informationen und die Krankengeschichte jedes Patienten in Betracht gezogen. Eine seltene Form von Leukämie bei einem Patienten, der ursprünglich dachte akute myeloische Leukämie zu haben, wurde neulich von Watson richtig diagnostiziert.. Laut Berichten diagnostizierte er den Patienten erfolgreich und empfahl einen personalisierten Behandlungsplan, nachdem er innerhalb von zehn Minuten Millionen onkologischer Forschungsarbeiten untersucht hatte.

Erfinden von Arzneimitteln

Schließlich hat das maschinelle Lernen im frühen Prozess der Erfindung von Arzneimitteln viele Anwendungsmöglichkeiten, vom anfänglichen Screening nach Zusammensetzung bis hin zur Vorhersage der Erfolgsrate eines Medikamentes. Die KI kann eine besondere Rolle in folgenden Bereichen spielen:  die Identifizierung und Validierung von Zielen der Medikamente; zweckgebundene, phänotypische und Multizweckerfindungen von Arzneimitteln; Umwidmung von Medikamenten; und Identifizierung von Biomarkern. Dank der KI-Implementierung für Arzneimittelstudien kann die Zeit reduziert werden, die ein Arzneimittel für das Erhalten der Zulassung und Erreichen des Marktes benötigt. Infolgedessen werden die Gesamtkosten gesenkt. Selbst eine Kostensenkung von 5-10% könnte der Pharmaindustrie Millionen von Dollar einsparen. Im Idealfall würde dies auch eine Reduzierung der Medikamentenkosten für die Patienten verursachen, während ihnen gleichzeitig mehr Behandlungsmöglichkeiten geboten werden.

Deep Learning

Deep Learning ist die dritte Art von KI, die auch wie maschinelles Lernen auf künstlichen neuronalen Netzwerken basiert. Die Besonderheit von Deep Learning besteht jedoch darin, dass es zahlreiche unterschiedliche, aber verborgene oder versteckte Schichten zwischen dem Eingangssignal und dem Ergebnis gibt. Jede Schicht kann dabei sowohl unabhängig als auch zusammen mit den anderen arbeiten. Deep Learning wird zur genauen Analyse von Bildern der Pathologie, Dermatologie, Ophthalmologie und Radiologie verwendet, dementsprechend bietet es große Perspektiven für diagnostische Zwecke. Im Vergleich zum durchschnittlichen Arzt ist Deep Learning im Moment um 5–10% genauer. Es wird aber erwartet, dass diese Lücke in Zukunft größer wird. Durch das Trennen von Merkmalen wie Größe, Farbe und Form, bevor die Ergebnisse integriert werden, kann die diagnostische Medizin vom Deep Learning vollständig verändert werden.

Neben dem biomedizinischen Imaging und der visuellen Mustererkennung sind die Chemoinformatik (und damit auch das Erfinden von Arzneimitteln) und die Computergenomik weitere Bereiche, bei denen Deep Learning vielversprechend ist.

Aktuelle Anwendungen der KI in der Pharmaindustrie und dem Gesundheitswesen

Neben den oben erwähnten Anwendungen kann KI auch zu mehreren anderen Zwecken in der Pharmaindustrie und dem Gesundheitswesen dienen. Dies sind:

  • Durchführen sich wiederholender Aufgaben wie beispielsweise Dateneintragung und Labortestanalysen. Man gewinnt dadurch Zeit, um sich auf dringendere oder schwierigere Aufgaben zu konzentrieren und mit den Patienten zu interagieren.
  • Datenmanagement, einschließlich der Krankenakten.
  • Analyse der Gesundheitssysteme mit dem Ziel, Fehler oder Ineffizienzen zu erkennen.
  • Computerlinguistik. Dank dieses KI-Zweiges können Computer menschliche Sprache und Schrift verstehen und interpretieren. Nachdem Tausende von ausführlichen elektronischen Krankenakten analysiert worden sind, werden dann die entsprechenden Schritte für die Bewertung und das Management von Patienten mit mehreren Krankheiten aufgezeigt.
  • Ärztliche Beratungen. KI-basierte Apps wie Babylon analysieren die Symptome eines Patienten und seiner Krankengeschichte und stellen einen medizinischen Rat auf Grund dieser Analyse bereit. Rein theoretisch sind diese Arten von Apps fähig, die Rate der Fehldiagnose erheblich zu senken.
  • Digitale “Krankenschwestern” überwachen und verfolgen einen Patienten zwischen Arztterminen. Das Ziel dieser Technologie ist es, unnötige Krankenhausbesuche zu reduzieren. Auf diese Weise wird die Belastung des medizinischen Fachpersonals verringert und dem Gesundheitssystem Geld erspart.
  • Behandlungsmanagement. Die Verwendung eines Sensors oder mobilen App wie AiCure gibt der KI die Möglichkeit, die Medikamentenversorgung eines Patienten in Echtzeit zu überwachen. Dies ist besonders nützlich für Patienten, bei denen die Komplianz ein Problem ist, sowie auch für klinische Studien.

Die Anpassung der KI in der Pharmaindustrie

Da der heutige Pflegestandard zu hoch ist, wird es für Pharmaindustrie immer schwieriger, sie weiter zu verbessern. Dementsprechend sind die Gesamteinnahmen allgemein niedrig und viele Unternehmen sind gezwungen, nach innovativen Behandlungslösungen zu suchen, um dies zu bekämpfen. Dafür werden effizientere und automatisierte Prozesse, datenorientierte Entscheidungen und bessere Tools für die Vorhersageanalyse gebraucht, um den Erfolg von Forschung und Entwicklung zu erhöhen und neue Medikamente zu entwickeln. Hier kommt die KI ins Spiel.

Da es an KI-Kenntnissen bei vielen Fachleuten im Gesundheits- und Pharmabereich mangelt, scheint die vollständige Anwendung der KI schwierig zu sein. Um die Adoption zu erleichtern, werden folgende Ansätze berücksichtigt:

  • Zusammenarbeit mit oder Übernahme von KI-Startups und Technologieunternehmen. Es gibt viele spezialisierte Unternehmen und Startups, die sich auf KI-orientierte Entwicklung neuer Pharmazeutika konzentrieren und einigen Pharmaunternehmen zur Verfügung stehen. So werden ihre Fachkenntnisse und Tools verwendet, um vielversprechende Medikamentenkandidaten zu erstellen, die auf vorhandenen Hypothesen und Erfahrungen basieren. Die Zusammenarbeit zwischen dem oben erwähnten Biopharma-Unternehmen Berg und Unternehmen wie AstraZeneca, Roche und Sanofi Pasteur sind bemerkenswerte Beispiele dafür. Man könnte noch Pfizer für die Zusammenarbeit mit IBM Watson for Drug Discovery und IBM Watson for Drug Discovery für die Zusammenarbeit mit IBM Watson Health nennen.
  • Zusammenarbeit mit der Wissenschaft. Ein weiteres Wachstum der Partnerschaften zwischen Industrie und Wissenschaft ist zu erwarten, da die Pharmaindustrie beginnt, KI anzunehmen.
  • Entwicklung interner Fachkenntnisse und Bereitstellung von erforderlichen Ressourcen für Mitarbeiter.
  • Offene Wissenschaftsprojekte und Herausforderungen im Forschungs- und Entwicklungsbereich. Dies ist eine wertvolle KI-Taktik der Erfindung von Medikamenten, die, verglichen mit anderen Taktiken, ein kleineres finanzielles Risiko darstellt.

Was erwartet KI in der Pharmaindustrie in Zukunft?

Neben Big Data zählt die KI zweifellos zu den großen Sachen für die Pharmaindustrie. Unternehmen, die flexibler sind und die KI schneller einführen, werden vermutlich einen strategischen Vorteil erzielen. Experten erwarten zwar, dass die Einführung der KI bald für den Wettbewerb in der Industrie notwendig sein wird. Selbstverständlich wird die Umwandlung nicht über Nacht stattfinden, sondern allmählich in den nächsten 10 oder 20 Jahren erfolgen. Zu diesem Zeitpunkt wird erwartet, dass KI voraussichtlich in die meisten, wenn nicht alle pharmazeutischen Forschungs- und Entwicklungsaktivitäten integriert wird. Dies wiederum sollte theoretisch zur Verbesserung der Erfolgsrate der Medikamentenerfindung und zur Rationalisierung der Forschungs- und Entwicklungsaktivitäten führen. Außerdem kann die KI theoretisch helfen, die Patientengruppe genau zu identifizieren, die von einem bestimmten Arzneimittel profitieren wird. Auf solche Weise könnte die Ausfallsrate erheblich reduziert werden und eine erfolgreiche (und schnellere) Einführung gewährleistet werden.

Um dieses Ziel zu erreichen, müssen die bestehenden Forschungs- und Entwicklungsansätze geändert werden. Anstatt herauszufinden, wie KI-Computer eine Lösung suchen, sollte der Schwerpunkt in der Überprüfung der Ergebnisse liegen.

Nächste Schritte

Außer den sich ändernden Einstellungen der Forschungs- und Entwicklungsaktivitäten gibt es weitere Hindernisse für das Werden der künstlichen Intelligenz zum Mainstream im Gesundheitswesen. Eine der größten Herausforderungen besteht in der Überwindung der medizinischen Kultur, die einen größeren Wert auf die Intuition der Ärzte als auf die evidenzbasierten Lösungen legt. Man braucht ziemlich viel Zeit, um den Ärzten, insbesondere konservativeren, zu verstehen zu geben, dass die Maschine ihnen sagt, was zu tun ist, oder ihr Verhalten analysiert. Zweifellos wird sich die Rolle des Arztes in naher Zukunft ändern. Es ist jedoch unwahrscheinlich, dass menschliche Ärzte von KI jemals vollständig ersetzt werden.

Damit die KI Patienten und Fachleute auf dem Gebiet des Gesundheitswesens positiv beeinflussen kann, muss die Pharmaindustrie an Gesprächen interessiert sein, bei denen die Vorteile der KI-Technologie gefördert werden. Dies könnte mit der Ermutigung der Zusammenarbeit zwischen Industrie und Wissenschaft sowie zwischen medizinischen und technischen Fakultäten an Universitäten beginnen. Medizinische Fakultäten könnten beispielsweise ein KI-Wahlfach in ihren Lehrplan aufnehmen und Stipendienprogramme einführen, die der KI gewidmet sind. Außerdem könnte die Hilfe von Regierungen kommen, die in die Entwicklung von KI-Infrastrukturen investieren. Im Falle der Entwicklung des tieferen Verständnisses der KI von allen Interessengruppen und der Verstärkung der Partnerschaften können die Patientenversorgung und die Ergebnisse letztlich verbessert werden.

Einfluss der Erkenntnisse von Stakeholdern auf die Erleichterung der Einführung der KI

Wenn Pharmaunternehmen die KI vollständig einführen wollen, müssen zuerst die unerfüllten Bedürfnisse ihrer Patienten und verschreibender Ärzte bestimmt werden. Eine Art und Weise, dies zu erreichen, besteht in der Verwendung von Fachkenntnissen wichtiger Meinungsführer. Es scheint aber nicht nur schwierig, sondern auch teuer zu sein, Berater aus dem ganzen Land oder der Welt für ein persönliches Treffen zu finden. Zum Glück kann Impetus Digital dabei helfen, eine Online-Beratungsplattform zu entwickeln und das Fachwissen verschiedener Stakeholder für eine rechtzeitige und fachliche Beratung zu nutzen.

Die Stakeholder schließen Ärzte, Krankenschwester, Gesundheitspersonal, Administratoren, Zähler und Patienten ein. Die angemeldeten Berater nehmen an einer Reihe von Online-Touchpoints teil, die entweder in Form von synchronen Webmeetings oder asynchronen Online-Aufgaben wie Fragebögen, Diskussionsforen oder Anmerkungsübungen durchgeführt werden. Dank dieser Serie von Online-Touchpoints können Hersteller Rückmeldungen zu den notwendigsten Erfindungen und den besten Ansätzen für die Verwendung der KI bekommen.

Die virtuelle Natur der Gremien und Arbeitsgruppen kann die Zunahme der Beschäftigungsraten von Beratern verursachen, die oft sehr beschäftigt sind. Außerdem geben die asynchronen Aufgaben den Beratern Zeit, die Kommentare ihrer Kollegen in ihrer Freizeit zu pausieren, zu bedenken, zu verarbeiten und zu überprüfen, was ein nachdenkliches Verständnis ermöglicht. Impetus und sein technisches Team beschäftigen sich mit dem Erstellen, Programmieren, Projektmanagement und Berichten über alle Aufgaben. Deshalb sind die Arbeitsbelastung des Herstellers sowie auch die Kosten minimal im Vergleich zu traditionelleren persönlichen Beratungsgesprächen.

Fazit

Es ist noch nicht bekannt, inwieweit künstliche Intelligenz die Pharmaindustrie in naher Zukunft verändern wird. Obwohl die Technologie immer noch unvollkommen ist, ist es klar, dass die KI bleibt. Zweifellos werden pharmazeutische Unternehmen von der Einführung und Investition in diese Technologie profitieren, wenn sie der Konkurrenz ein Stück voraus bleiben wollen. Dies scheint ein wertvoller Bereich zu sein, der zu verfolgen ist.

Möchten Sie mehr über die Rolle der KI in der Pharmaindustrie erfahren, so können Sie sich gerne an das Team von AI-United.de per Mail oder Q&A wenden.

Quelle

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.