Die Medikamentenentwicklung steht vor immensen Herausforderungen. KI und Quantencomputing könnten die Forschung revolutionieren: Sie beschleunigen Prozesse, reduzieren Kosten und eröffnen neue Möglichkeiten. Dr. Michael Streif von Boehringer Ingelheim erklärt im Interview mit IT WELT.at die Potenziale dieser Technologien. [...]
Die Nutzung von KI ermöglicht es, große Datenmengen effizient zu analysieren und potenzielle Wirkstoffkandidaten schneller zu identifizieren, was die Anzahl der notwendigen Laborversuche reduziert und somit Zeit und Kosten spart. Gleichzeitig eröffnet Quantencomputing neue Möglichkeiten, komplexe chemische Systeme zu simulieren und Berechnungen durchzuführen, die mit herkömmlichen Computern nicht realisierbar wären. Diese Technologien befinden sich zwar noch in der Entwicklung, doch Unternehmen wie Boehringer Ingelheim investieren bereits intensiv in ihre Erforschung und Anwendung, um das volle Potenzial auszuschöpfen und die medizinische Forschung auf ein neues Niveau zu heben.
Welche Rolle spielt künstliche Intelligenz bei der Beschleunigung der Medikamentenentwicklung?
Data Science und Künstliche Intelligenz spielen für die medizinische Forschung inzwischen eine entscheidende Rolle, denn sie erhöhen die Schnelligkeit, Erfolgswahrscheinlichkeit und Effizienz in Forschung und Entwicklung. KI gibt uns also die Chance, Krankheiten wirksamer zu bekämpfen und in der Entwicklung wegweisender Arzneimittel effizienter zu sein. Bei Boehringer Ingelheim soll KI perspektivisch die Forschung beschleunigen, indem sie unter anderem die Anzahl der Laborversuche reduziert.
Insbesondere generative KI und Large Language Models (LLM) haben inzwischen enormes Potenzial, Prozesse umfassend zu modernisieren und zu beschleunigen. Dank neuer Entwicklungen lassen sich die Machine-Learning-Modelle, die wir von ChatGPT, Gemini & Co. kennen, auch immer stärker in die Medizinforschung und -entwicklung einbeziehen. Zum Beispiel bei der Identifizierung von Wirkstoffen, die in der pharmazeutischen Forschung eine Schlüsselrolle einnimmt. KI und Maschinelles Lernen unterstützen hier insbesondere bei der Analyse großer Datenmengen und der Identifikation möglicher Moleküle, die sich an ein bestimmtes Target (bspw. Protein) binden könnten.
So werden in einem Pilotprojekt aus der Immunologie-Forschung im Bereich Onkologie nicht Textdaten zur Verarbeitung von natürlicher Sprache, sondern Proteine als Trainingsdaten verwendet und anschließend mit LLMs verarbeitet. Das funktioniert, weil Proteine aus einer Aminosäuresequenz bestehen, ähnlich wie Sätze aus einer Sequenz von Wörtern. Die Modelle sollen zum einen spezifische Membrananker innerhalb der Aminosäuresequenzen erkennen und zum anderen die Proteine innerhalb einer Zelle lokalisieren und identifizieren. Nach weiteren Schritten lassen sich daraufhin passende bispezifische Antikörper entwickeln. Sie docken an unsere körpereigenen Immunzellen sowie an die identifizierten Proteine auf der Oberfläche einer Tumorzelle an und ermöglichen eine gezieltere Krebstherapie. Diese vorgeschaltete Untersuchung mit KI ermöglicht es, nur vielversprechende Kandidaten in die Laborversuche für die Wirkstoffentwicklung zu geben. Dies soll deren Anzahl perspektivisch reduzieren, Zeit sparen und Forschungsgelder effizienter einsetzen. Der Pilot erzielt bereits Erfolge, auch wenn diese aufgrund limitierter Datenvolumina noch nicht empirisch validiert sind: In neun von zehn Fällen eines Testdatensatzes identifiziert das Modell die gesuchten Membrananker zuverlässig, was den Weg für die Entwicklung neuer Antikörper für die Krebstherapie ebnet.
Und welche Rolle könnte Quantencomputing dabei spielen?
Quantenalgorithmen können bestimmte Berechnungen schneller durchführen als klassische Algorithmen. Bei Boehringer Ingelheim haben wir dieses Potenzial für die medizinische Forschung, insbesondere die chemische Arzneimittelforschung, erkannt und ein eigenes Quantum Computing Lab aufgebaut. Obwohl die Quantencomputing-Forschung noch am Anfang steht, rechnen wir damit, noch in diesem Jahrzehnt erste industrierelevante Anwendungsbeispiele zu generieren.
Neben der Entwicklung der Quantenhardware und der Identifizierung geeigneter industrieller Anwendungen ist es entscheidend, passende Quantenalgorithmen zu entwickeln. Unsere Kooperationen mit großen, internationalen Partnern aus der Industrie wie Google, kleinen innovativen Start-ups sowie Universitäten wie der Universität Luxemburg, Yale oder Toronto sind dafür unerlässlich. Denn für den Start in eine neue Computing-Ära mit industriellen Quantencomputing-Anwendungen braucht es nicht nur Quantencomputer mit Millionen von Quanten-Bits (Qubits). Es bedarf auch an Forschung und Entwicklung im für industrierelevante Anwendungen und neue Quantenalgorithmen – und Fortschritte machen wir hier am schnellsten mit vereinten Kräften und Kompetenzen im Rahmen unserer Partnerschaften.
Welche spezifischen Probleme könnten mit Hilfe von Quantencomputern besser gelöst werden?
Das vielversprechendste Einsatzgebiet ist vermutlich die Simulation quantenmechanischer Systeme, beispielsweise um komplexe Moleküle in der Arzneimittelentwicklung zu simulieren. Ein Quantencomputer kann zum Beispiel bei den Berechnungen von Molekülenergien Vorteile haben, wenn herkömmliche approximative Algorithmen an ihre Grenzen stoßen. Um diesen Vorteil mit der zukünftigen ersten Generation von Quantencomputern nutzen zu können, sollte das Molekül eine überschaubare Größe haben, da sonst zu viele Qubits benötigt werden. Ein geeignetes Beispiel ist das Enzym P450, das eine wichtige Rolle bei der Verstoffwechselung von Medikamenten (Metabolisierung) im Körper spielt. Die Simulation des P450 ist deshalb auch einer der Anwendungsfälle des Quantum Computing Labs von Boehringer Ingelheim. Je besser wir dieses Enzym verstehen, desto besser verstehen wir die Verstoffwechselung möglicher Medikamente. In einem unserer ersten Forschungsprojekten haben wir anhand des P450 berechnet, wie weit praktischen Anwendungen noch entfernt sind: Wir bräuchten mit den derzeit besten Quantenalgorithmen auf zukünftigen Quantencomputers drei Tage, um die Energie des P450 ein einziges Mal zu berechnen – aus industrieller Sicht viel zu lange. Um solche Berechnungen in der Medikamentenentwicklung sinnvoll nutzen zu können, müssen solche Berechnungen signifikant schneller werden. Wir sind hier also noch im Bereich der Grundlagenforschung. Aber wir wissen bereits, wo wir ansetzen, sobald die technischen Möglichkeiten verfügbar sind.
Potenzial besteht allerdings nicht nur in der Berechnung einer einzelnen Energie, sondern auch in der Simulation von Molekülen und der Berechnungen Bindungsaffinitäten. Moleküle sind nicht stabil in einzigen Geometrie (räumliche Anordnung der Atome), sondern bewegen sich durch atomare Kräfte. Mit Quantencomputern wollen wir zukünftig verstehen welche der unzähligen geometrisches Anordnungen die wichtigste Rolle für Bindungen mit anderen Molekülen spielen.
Auch Machine Learning ist ein oft diskutiertes Anwendungsfeld zukünftiger Quantencomputer. Die Hoffnung ist, dass Quanten-Machine-Learning-Algorithmus präzisere Vorhersagen treffen können oder Iterationen beim Training reduzieren. Das könnte nach aktuellem Forschungsstand allerdings nur funktionieren, wenn die erforderlichen Daten bereits auf dem Quantencomputer vorliegen. Da der Transfer von Daten von klassischen Computern auf Quantencomputer aber sehr langsam ist, ist ein möglicher Quantenvorteil derzeit nicht absehbar.
Welche spezifischen Vorteile erwarten Sie generell von der Integration von Quantencomputing in die medizinische Forschung?
Quantencomputer versprechen eine deutlich gesteigerte Rechenleistung, mit der sie in Zukunft komplexe chemische Probleme erheblich schneller lösen können als herkömmliche Computer. Die Simulation von komplexen Molekülen und damit auch die schnellere Entwicklung von Medikamenten und Behandlungsmöglichkeiten könnte der erste große Anwendungsfall sein.
Die Technologie befindet sich allerdings noch in einem frühen Stadium. Das Potenzial ist aber enorm. Um es zu nutzen, arbeitet Boehringer Ingelheim seit Anfang 2021 mit Google Quantum AI zusammen. Gemeinsam haben wir bereits Fortschritte in der Entwicklung von Algorithmen und bei der Identifizierung konkreter Anwendungsfälle gemacht.
Wir arbeiten aktiv an der Entwicklung neuer Algorithmen, um die Berechnungen weiter zu beschleunigen. Eine einfache Übertragung klassischer Algorithmen auf Quantencomputer ist nicht möglich, da diese ein grundlegend andere Programmierung erfordern. Den entscheidenden Durchbruch erwarten wir erst in einigen Jahren, wenn Quantencomputer mit Millionen Qubits für industrielle Anwendungen bereitstehen.
Wie schätzen Sie den aktuellen Stand der Quantencomputer-Technologie ein? Welche Fortschritte sind in den nächsten Jahren zu erwarten?
Derzeit lösen Quantencomputer nur diejenigen Aufgaben schneller als herkömmliche Rechner, die speziell auf sie zugeschnitten sind. Hier muss noch viel Forschung investiert werden. Trotzdem herrscht in der Pharmabranche, wie in vielen anderen Bereichen, Aufbruchstimmung: Viele Unternehmen und Forschende sind zuversichtlich, schon in naher Zukunft große Fortschritte zu erzielen. Sogenannte Quantenüberlegenheits-Experimente beweisen bereits heute die Fähigkeiten von Quantencomputern auf abstrakten mathematischen Problemstellungen. In Zukunft sind aber besonders in der Molekülforschung und -entwicklung auch größere praktische Fortschritte zu erwarten.
Uns ist es wichtig, mögliche Anwendungsbereiche mit der nötigen Zeit zur gründlichen Entwicklung und Umsetzung zu prüfen. Aktuell befinden wir uns noch im Stadium der angewandten Grundlagenforschung, um wirtschaftliche Potenziale zu erschließen. Wir gehen aber davon aus, dass wir in den nächsten Jahren auch erste industrierelevante Berechnungen ausführen können.
Welche Investitionen tätigt Boehringer Ingelheim in den Bereich des Quantencomputing?
Im Schnitt dauert die Entwicklung eines einzigen Medikaments 12 bis 15 Jahre und kostet rund eine Milliarde Euro. Diese Kosten sind über die letzten Jahre hinweg gestiegen, während das Risiko, es mit einer Idee nicht zu schaffen, bei 95 Prozent liegt. Hier kommt der Digitalisierung als Innovationstreiber eine große Bedeutung zu.
Wir haben bei unserer Forschung einen großen Vorteil: Boehringer Ingelheim ist nicht börsennotiert. Das heißt, wir müssen wir nicht bei jedem Schritt konstant Gewinn abwerfen, sondern können bei der Planung und Umsetzung von Projekten in Dekaden und Generationen denken. Damit Quantencomputer rentabel sind, müssen wir neue Methoden finden, die einen Kompromiss zwischen Genauigkeit und Zeitaufwand für die Berechnungen ermöglichen. Deren Kosten müssen unter denen experimenteller Methoden liegen, damit sich der Einsatz wirtschaftlich lohnt. Große Fortschritte bei Quantenalgorithmen sowie bei der Hardware beispielsweise haben die Rechenkosten bereits gesenkt.
Warum hat sich Boehringer Ingelheim für eine Zusammenarbeit mit dem CCAIM entschieden und wie sieht die Zusammenarbeit aus? Welche Vorteile bietet eine Partnerschaft im Vergleich zur Eigenentwicklung?
Im Rahmen unserer strategischen Zusammenarbeit mit dem Cambridge Centre for AI in Medicine (CCAIM) treiben wir Innovationen in der medizinischen Forschung mit der Leistungsfähigkeit von KI, maschinellen Lernens und datengesteuerten Erkenntnissen voran. Patientinnen und Patienten sollen weltweit von besseren Forschungsergebnissen profitieren. Im Fokus steht dabei die Nutzung von KI für eine beschleunigte Arzneimittelentwicklung, optimierte Studien und verbesserte Ansätze der Präzisionsmedizin.
Indem wir die modernen KI-Kapazitäten des CCAIM mit dem wissenschaftlichen Fachwissen und den Forschungs- und Entwicklungskapazitäten von Boehringer Ingelheim zusammenbringen, beschleunigen wir die Bereitstellung neuer Therapien. Darüber hinaus wollen wir mit vereinten Kräften talentierte Nachwuchskräfte aus der Industrie für unsere Branche gewinnen, die in der Lage sind, zukünftige Herausforderungen in der medizinischen Forschung mit KI und maschinellem Lernen zu lösen.
Welche regulatorischen Rahmenbedingungen sind für den Einsatz von KI in der Medizin notwendig?
Wir brauchen verlässliche und moderne Rahmenbedingungen in Form geeigneter Gesetze und Regelungen. Mit dem Digitalisierungsgesetz und dem Gesundheitsdatennutzungsgesetz wurden durch die Bundesregierung bereits richtige und wichtige Weichen gestellt – nun müssen sie noch implementiert werden. Auch das Medizinforschungsgesetz, das kürzlich als Entwurf durchs Kabinett gegangen ist, wird perspektivisch die Rahmenbedingungen für Forschung in Deutschland verbessern. Zwei Dinge passen jedoch noch nicht zusammen: Auf der einen Seite werden Maßnahmen eingeführt, die Forschung und Entwicklung fördern sollen. Und auf der anderen Seite gibt es das Gesetz zur Neuordnung des Arzneimittelmarktes (AMNOG), das durch eine Nutzenbewertung feststellen soll, ob ein neues Medikament einen Zusatznutzen gegenüber dem Therapiestandard hat. Dieses Gesetz ist nicht nur reformierungsbedürftig ist, sondern das AMNOG-Verfahren ist momentan auch innovationsfeindlich ausgelegt.
Nicht zuletzt braucht es ein Umdenken beim Gesetzgeber und Datenschützern. Denn wir benötigen Daten, mit denen wir sinnvoll arbeiten können. Sie sind elementar, um Fortschritte zu erzielen. Das bedeutet, wir benötigen eine Entwicklung weg von Datenminimierung und Einzelzustimmung, hin zu Pseudonymisierung, gemeinsamer Nutzung von Daten und Opt-Out-Regelungen. Gleichzeitig sind wir davon überzeugt, dass uns reale Daten aus der echten Welt am besten helfen können, real spürbare positive Ergebnisse für unsere Gesundheit zu erreichen. Deshalb hoffen wir auf eine Offenheit in der Gesellschaft. Die Menschen sollen erkennen und sich damit auseinandersetzen, welchen Mehrwert es bietet, wenn wir Daten und Erkenntnisse zugunsten der Forschung teilen.
Wie werden die Daten geschützt, die bei der Entwicklung neuer Medikamente mit Hilfe von KI anfallen?
Unsere Mitarbeiterinnen und Mitarbeiter stellen jederzeit sicher, dass wir unsere Daten bestmöglich sichern und alle Vorgaben rund um den Globus einhalten. Alle gesammelten Daten, die wir für unsere Forschung verwenden, werden einer Datensicherheits- und Compliance-Prüfung unterzogen und durch modernste Sicherheitsmaßnahmen geschützt.
Wie sehen Sie die Zukunft der medizinischen Forschung mit den neuen Technologien wie KI und Quantencomputing?
Unsere Forschung zeigt schon im jetzigen Frühstadium, wie KI und Quantencomputing die pharmazeutische Forschung transformieren und neue, schnellere Möglichkeiten in der Medikamentenentwicklung eröffnen können. Wir erwarten in Zukunft noch bessere Ergebnisse durch den Einsatz von KI, sobald mehr geeignete, besser strukturierte und leichter zugängliche Daten verfügbar sind. Schon heute testen wir erfolgreich Hypothesen mit kleinen Datensätzen, wenn wir von ihnen überzeugt sind. So sparen wir Ressourcen bei der Datenrecherche und -aufbereitung und vermeiden es, im Verlauf festzustellen, dass eine Idee so nicht umsetzbar ist.
Quantencomputer müssen zukünftig eine breitere Palette von Problemen lösen als die kleine Zahl, die derzeit für klassische Computer unlösbar sind, um einen bedeutenden Einfluss auf die Pharmaindustrie zu haben. Die potenziellen Einsatzfelder müssen klar definiert und komplexe Forschungsfragen beantworten werden. Eine innovative IT-Infrastruktur bildet dabei die Grundlage. Wann die pharmazeutische Industrie das volle Potenzial der Quantencomputer für ihre Anwendungen ausschöpfen kann, bleibt schwer vorherzusagen. Dies erfordert verbesserte Hardware und Fehlerkorrekturcodes sowie neue Algorithmen. Wir können jedoch davon ausgehen, dass Quantencomputer klassische Computer nicht ersetzen, sondern ergänzend spezielle Berechnungen übernehmen, die mit klassischen Rechnern nicht lösbar sind.
Be the first to comment