Ausbau der KI-gestützten Arzneimittelforschung mit NVIDIA-Eli-Lilly-Labor und datengestützten Plattformen

NVIDIA und Eli Lilly kündigten im Januar ein neuartiges KI-Koinnovationslabor an, das zentrale Herausforderungen der KI-gestützten Arzneimittelforschung angehen soll. Die $1-Milliarden-Partnerschaft signalisiert eine neue Phase der Integration künstlicher Intelligenz in pharmazeutische Forschung und Entwicklung, da Unternehmen KI-gesteuerte Plattformen nutzen, um riesige biologische Datensätze zu analysieren, Experimente schneller durchzuführen und vielversprechende Wirkstoffe mit deutlich weniger Iterationsschritten zu identifizieren.

Seit Jahrzehnten ist der Prozess der Arzneimittelentdeckung schmerzhaft ineffizient. Im Durchschnitt braucht es etwa 2.500 Verbindungen und mehr als 4 Jahre, um überhaupt ein Medikament zu finden, das eine klinische Studie rechtfertigt. In der medizinischen Chemie werden KI-Modelle inzwischen eingesetzt, um Tausende molekulare Kandidaten in einem Bruchteil der Zeit zu erzeugen und zu bewerten, die früher für die Entwicklung nur einer Handvoll nötig war, während Deep-Learning-Systeme Proteinstrukturen, Bindungsaffinität und Toxizitätsrisiken vorhersagen können, noch bevor eine Verbindung überhaupt ein Labor erreicht.

Die durch den Klimawandel bedingte Verlagerung von Krankheiten, alternde Bevölkerungen und die harten Lehren aus COVID-19 prägen die nächste Ära der Arzneimittelentwicklung. Die World Health Organization hat wiederholt davor gewarnt, dass sich durch die Erwärmung des Klimas das Verbreitungsgebiet von Viren wie dengue, Zika und chikungunya auf neue Regionen ausdehnt, darunter Teile der USA und Südeuropas. Überwachungsdaten der WHO, der CDC und nationaler Regulierungsbehörden bestimmen zunehmend die Priorisierung der Forschung, wenn Behörden eine Bedrohung kennzeichnen und prüfen, ob Gegenmaßnahmen existieren oder rasch entwickelt werden können.

Ein weiterer Wandel vollzieht sich innerhalb der Wissenschaft selbst, mit einer Bewegung weg von Arzneimitteln mit nur einem Angriffspunkt hin zu Therapien mit mehreren Wirkmechanismen. Die Zukunft liegt in breit wirkenden antiviralen und präventiven Therapien, die über einen gemeinsamen Mechanismus mehrere Pathogene adressieren können. Ein einzelnes orales Medikament, das vor COVID, RSV und Influenza schützen könnte, würde grundlegend verändern, wie Gesellschaften mit saisonalen und pandemischen Risiken umgehen.

Unternehmen wie Insilico Medicine und Recursion Pharmaceuticals nutzen KI-Plattformen, um Wirkstoffziele zu identifizieren und Kandidaten in beispielloser Geschwindigkeit in klinische Studien zu bringen. Moderna hat öffentlich beschrieben, KI zur Optimierung von mRNA-Design und Fertigungsabläufen einzusetzen und damit Entwicklungszyklen zu verkürzen. KI verändert auch klinische Studien durch Algorithmen, die eingesetzt werden, um geeignete Patienten zu identifizieren, Herausforderungen bei der Rekrutierung vorherzusagen und Sicherheitssignale früher zu erkennen, während KI-gesteuerte Qualitätskontrollsysteme in der Fertigung helfen, Konsistenz im großen Maßstab sicherzustellen.

Recursion Pharmaceuticals erklärte, der Branchendurchschnitt liege bei 2.500 synthetisierten Verbindungen über 42 Monate, um einen Entwicklungskandidaten zu finden, während der eigene Durchschnitt bei 330 synthetisierten Verbindungen in 17 Monaten liege. Das Unternehmen teilte mit, sein Betriebssystem für die Arzneimittelentwicklung integriere robotische Nasslabore, biologische Datensätze im Petabyte-Maßstab und KI-Modelle, und es habe genomweite CRISPR-Knockout-Karten in neuronalen und mikroglialen Zellen erstellt. Es erklärte zudem, Roche und Genentech hätten $213 Millionen an Gebühren für den Zugang gezahlt, Sanofi habe $134 Millionen für fünf seiner Forschungsprogramme gezahlt, der Umsatz im Gesamtjahr 2025 habe $74,7 Millionen betragen, es habe fünf klinische Programme in der Weiterentwicklung, mehr als $500 Millionen an kumulierten Meilensteinzahlungen von Partnern sowie eine Liquiditätsreichweite bis 2028. Außerdem berichtete das Unternehmen über eine mediane Verringerung der Polypenlast um 43% bei Patienten mit familiärer adenomatöser Polyposis als ersten klinischen Proof of Concept.

Tempus AI erklärte, es habe eine riesige Bibliothek klinischer und molekularer Daten aufgebaut und nutze diese, um die Präzisionsmedizin mithilfe von KI, maschinellem Lernen und Datenanalyse voranzubringen, vor allem in den Bereichen Onkologie, Diagnostik und Genomik. Das Unternehmen teilte mit, der Umsatz der zurückliegenden 12 Monate habe $1,27 Milliarden erreicht, bei einem jährlichen Wachstum von rund 30%, wobei die Diagnostik die Datenmaschine speise und Erkenntnisse über Datenlizenzierung, KI-Analytik und Matching für klinische Studien monetarisiert würden. Es erklärte ferner, sein Auftragsbestand übersteige $1,1 Milliarden und der Nettoverlust der zurückliegenden 12 Monate habe $245 Millionen betragen.

Bis 2030 werden laut den im Ausgangsmaterial zitierten Projektionen des U.S. Census schätzungsweise 30% bis 60% der US-Bevölkerung älter als 55 Jahre sein, während China und Japan noch schneller altern. Ältere Patienten nehmen mehr Medikamente ein, haben ein höheres Risiko für Arzneimittelwechselwirkungen und sprechen unterschiedlich auf Behandlungen an, was den Druck auf Arzneimittelentwicklungsprogramme erhöht, die auf kurz-, mittel- und langfristige Zeithorizonte ausgerichtet sind.