KI-Tools verkürzen laut Einschätzung die Entwicklungszeiten von Arzneimitteln und steigern die Gewinne der Pharmaindustrie

Künstliche Intelligenz beschleunigt die Arzneimittelentwicklung und senkt die Kosten in der gesamten Pharmaindustrie, was die operativen Gewinne potenziell um mehr als 10% steigern könnte. KI-Tools werden im gesamten Prozess der klinischen Entwicklung zunehmend eingesetzt und helfen Pharmaunternehmen dabei, Studien effizienter zu konzipieren, Patienten schneller zu rekrutieren und regulatorische Einreichungen zu automatisieren. Diese Verbesserungen könnten die Entwicklungszeiten für Arzneimittel um etwa 18 Monate verkürzen und zugleich die Ausgaben für Forschung und Entwicklung in den nächsten Jahren um rund 5% senken.

Die Entwicklung eines neuen Medikaments ist traditionell ein langwieriger und teurer Prozess, der oft mehr als ein Jahrzehnt dauert und erhebliche Investitionen erfordert, bevor ein Produkt den Markt erreicht. Ein Großteil von Zeit- und Kostenaufwand entfällt auf klinische Studien und die regulatorische Prüfung, bei denen Unternehmen Patienten rekrutieren, große Datenmengen verwalten und detaillierte Zulassungsunterlagen erstellen müssen. KI wird zunehmend eingesetzt, um diese Phasen zu straffen, indem historische Studiendaten analysiert, das Protokolldesign verbessert, die Auswahl klinischer Studienzentren optimiert und die Patientenüberwachung während der Studien verbessert wird.

Diese Effizienzgewinne können helfen, Verzögerungen zu verringern, kostspielige Änderungen an Studienprotokollen zu begrenzen und die regulatorische Dokumentation zu beschleunigen. Schnellere Entwicklungszeiten könnten zudem den Zeitraum verlängern, in dem Medikamente Umsätze erzielen, bevor Patente auslaufen und Generikakonkurrenz auf den Markt kommt. Ein früherer Markteintritt könnte in Verbindung mit niedrigeren F&E-Kosten zu einer deutlichen Verbesserung der Rentabilität großer Pharmaunternehmen führen.

Unternehmen der Life-Sciences-Branche arbeiten mit Hochdruck daran, ein KI-Versprechen einzulösen: die schnellere Identifizierung vielversprechender Therapien, eine effizientere Entwicklung und neuartige Behandlungen, die Patienten früher und sicherer erreichen. Biotech- und Pharmaunternehmen integrieren die neuesten generativen KI-Modelle in ihre F&E-Systeme: Sie analysieren enorme Datenmengen, erkennen Muster zur Ableitung von Empfehlungen oder Vorhersagen und optimieren klinische Studien. Die Struktur dieser Partnerschaftsvereinbarungen beginnt zunehmend einem reinen KI-Lizenzierungsmodell zu ähneln, wobei Pharmaunternehmen inzwischen der Fähigkeit Priorität einräumen, Modellgewichte von Drittanbietern zu übernehmen und sie mit proprietären Datensätzen auf der eigenen Infrastruktur feinzujustieren.

Die Realisierung dieser Vorteile hängt jedoch von der Qualität und Herkunft der Daten ab, mit denen diese Systeme gespeist werden. Je nach Modell können dazu Daten aus klinischen Studien, Real-World-Evidence-Daten, Genomdaten, elektronische Gesundheitsakten und öffentlich verfügbare Datensätze gehören. Wenn diese Daten nicht nachvollziehbar, verantwortbar und regelkonform sind, können Datenschutz- und Rechtsrisiken entstehen.

Ein weiteres Problem ist die Sekundärnutzung: KI-Modelle werden mit Daten trainiert, die aus Studien stammen, die durchgeführt wurden, bevor es diese Technologie gab, sodass Patienten einer solchen Nutzung nicht ausdrücklich zugestimmt haben konnten. Dies wirft die Frage auf, ob die ursprünglichen Einwilligungsrahmen die Verwendung personenbezogener Gesundheitsdaten zum Training von Machine-Learning-Algorithmen angemessen abdecken, insbesondere wenn diese Modelle kommerzialisiert oder in einer Weise genutzt werden, die zum Zeitpunkt der Datenerhebung nicht absehbar war. Für Unternehmen auf beiden Seiten von KI-Pharma-Vereinbarungen werden strenge Praktiken zur Datenherkunft immer wichtiger, um Risiken zu steuern und langfristigen Wert sicherzustellen.

Es wird erwartet, dass große Pharmaunternehmen mit globalen Kapazitäten in der klinischen Entwicklung am meisten von diesem Wandel profitieren, da sie über den Maßstab, die Daten und die Infrastruktur verfügen, die für einen wirksamen Einsatz von KI erforderlich sind. Zu den Unternehmen, die als gut positioniert gelten, um von KI-getriebenen Effizienzgewinnen zu profitieren, gehören Daiichi Sankyo, Takeda und Astellas. Es wird erwartet, dass KI die Produktivität in der gesamten Branche verbessert, doch die Arzneimittelentwicklung wird kapitalintensiv bleiben und weiterhin einer strengen Regulierung unterliegen.