KI-Bereitschaft in der pharmazeutischen Industrie – Sonderausgabe: COVID-19

Künstliche Intelligenz (KI) ist für die meisten Branchen ein unbeschriebenes Blatt. Biotech und Pharmazeutika sind keine Ausnahmen. Aber wissen Sie wirklich, wie KI in der Pharmabranche die Welt im Hinblick auf die jüngsten globalen Entwicklungen verändern kann?

Der chinesische Technologieriese Alibaba hat ein KI-System entwickelt, das Infektionen mit dem neuartigen Coronavirus (COVID-19) mit 96% Genauigkeit erkennen kann. Das KI-System benötigt lediglich 20 Sekunden, um zu bestimmen, ob es sich um das Coronavirus handelt. Das ist beeindruckend schnell im Vergleich zur Erkennung mit einer ärztlichen Untersuchung, die im Durchschnitt 15 Minuten dauert.

Kurz vor Neujahr 2020 hat eine KI-gesteuerte Krankheitsalarm-Software in den USA die erste weltweite Warnung vor dem Ausbruch des Coronavirus auf dem chinesischen Festland ausgegeben. Das System mit Namen “HealthMap” überwacht Online-Nachrichten und Posts in sozialen Medien, in denen von einer “nicht identifizierten Lungenentzündung” die Rede war. Frühe Überwachung der Aktivitäten in den sozialen Medien und Online-Veröffentlichungen geben dem Gesundheitswesen einen Vorsprung – wenn bürokratische Schwierigkeiten und sprachliche Komplikationen im Weg stehen könnten.

Beispiele, wie KI und fortschrittliche Analysetechnologien die Pharmaindustrie verändern

Präzisionsmedizin und frühe Dosierungsermittlung

Mithilfe der Corona-Karten haben Biotechnologie- und Pharmaforscher eine Reihe möglicher Szenarien für die Erkundung neuer Behandlungsmethoden zur Bekämpfung von COVID-19
vorgeschlagen. So kann zum Beispiel die Herstellung von Antikörpern, die auf konkrete Stellen des Angiotensin-konvertierenden Enzym-(ACE2-)Proteins zielen, auf Methoden zur Eindämmung des Virus hinweisen. Das bedeutet, dass die Injektion von Proteinen, die eine Immunreaktion auslösen, den Körper darauf vorbereiten kann, einer COVID-19-Infektion standzuhalten.

Gilead Sciences hat bereits eine Remdesivir-Behandlung vorgestellt, mit der in den USA eine Patientin gegen das Coronavirus behandelt wurde. Ende März 2020 wird im Rahmen einer Studie an 1.000 Patienten in Asien ermittelt, ob Remdesivir die Coronavirus-Infektion umkehren kann.

Moderna Therapeutics entwickelte 42 Tage, nachdem das Coronavirus sequenziert wurde, einen mRNA-1273-Impfstoffkandidaten gegen COVID-19 und stellte damit einen Branchenrekord auf. Wenn sich der mRNA-1273-Impfstoff als sicher erweist, wird an Tausenden Patienten getestet, ob der Impfstoff vor COVID-19 schützt.

Ein sehr wichtiger Schritt bei der klinischen Entwicklung neuer Behandlungsformen ist es, die korrekte Dosis zu ermitteln. Um eine No-Effect-Dosis und die mittleren oder maximalen wirksamen Dosen zu ermitteln, benötigt man sehr viel Arbeit, Zeit und eine große Anzahl zu testender Patienten – besonders wenn man bedenkt, dass Patienten während der Arzneimittelentwicklung der maximal tolerierten Dosis (MTD) ausgesetzt sind, die höher ist als benötigt.

Ein gutes Beispiel für Präzisionsmedizins-Plattformen ist “curate.ai”. Hiermit kann man auf Grundlage der wenigen von der behandelten Person gesammelten Informationen die geeigneten Behandlungskombinationen und die optimale Langzeitstrategie zur Medikamentendosierung ermitteln. Ein solcher Ansatz liefert im Vergleich zu den aktuellen Standardverfahren zur Dosierungsbestimmung hervorragende Ergebnisse. Außerdem minimiert die Nutzung einer Plattform für Präzisionsmedizin die Nebenwirkungen und verbessert Lebensqualität und Lebenslänge des behandelten Patienten.

Biosensoren und Hilfsmittel für die Pharmaindustrie

Biosensorgeräte auf Basis optischer Nanotechnologie können das Coronavirus innerhalb von 30 Minuten, direkt aus der Probe des Patienten und ohne Tests in zentralisierten klinischen Laboratorien, feststellen. Die Technologie ist in der Lage, schnell festzustellen, ob es sich um eine COVID-19-Infektion handelt oder um eine Lungenentzündung. Darüber hinaus wird die Technologie hinter dem Biosensorgerät auch dazu verwendet, um zahlreiche Typen des Coronavirus in Tieren zu identifizieren, sodass die möglichen Coronavirus-Evolutionen unter Menschen überwacht und verhindert werden können.

Außerdem ermöglicht “Biofourmis”, eine Technologie zur Überwachung des Coronavirus durch KI, dem Klinikpersonal, die infizierten und verdächtigen Patienten zu überwachen und Präzisionsmedizin zu verabreichen, um effizientere medikamentöse Interventionen zu gewährleisten. Diese KI-Plattform wird dazu beitragen, ein umfassenderes Verständnis von COVID-19 zu erhalten und die Entwicklung neuartiger, effektiver Behandlungen zu unterstützen.

Die freiwilligen Teilnehmer tragen dabei rund um die Uhr integrierte Sensoren an ihrem Oberarm, sodass das Gerät die Körpertemperatur, Atem- und Herzfrequenz sowie den Blutsauerstoffgehalt der Patienten nachverfolgen kann. Diese Daten werden dann zum Zweck der Live-Überwachung, Analyse und Prognose auf die digitale Plattform von “Biofourmis” zurück übertragen. Mit der Hilfe von Technologien in den Bereichen KI und maschinelles Lernen (ML) identifiziert die Plattform die wichtigsten gesundheitlichen Veränderungen, die auf einen Fortschritt von COVID-19 deuten.

Laut Statista werden Wearables aktuell im Jahr 2020 von 356,83 Millionen Menschen genutzt, und es wird erwartet, dass diese Zahl weiter steigen wird. Im Jahr 2022 werden 25% der erwachsenen Bevölkerung in den USA tragbare Geräte oder Wearables nutzen.

Viele Menschen nutzen im Alltag Wearables, um gesundheitsrelevante Faktoren wie Herzschlag, körperliche Aktivität, verbrannte Kalorien usw. zu kontrollieren. Allerdings können diese Geräte noch viel mehr. Dank fortschrittlicher KI-Algorithmen, der Miniaturisierung von Biosensoren und der Elastizität der Elektronik können Wearables innerhalb des “Internet der Dinge” (IoT) in Echtzeit Daten produzieren.

Darüber hinaus können Wearables so konfiguriert werden, dass sie engen Kontakt mit epidermalen, intracochleären, okularen und dentalen Schnittstellen haben und so biochemische und elektrophysiologische Signale sammeln können. All diese medizinischen Daten und Signale können dazu genutzt werden, Risikopatienten zu überwachen, bereits in Frühstadien der Krankheitsentstehung einzugreifen und die Kosten im Gesundheitswesen zu senken, indem man Erkrankungen vorbeugt oder den weiteren Verlauf aufhält.

Persönliche angeschlossene Geräte und Biosensoren werden für verschiedene pharmazeutische Zwecke genutzt, zum Beispiel um Patienten mit Stoffwechselerkrankungen oder mit körperlichen Einschränkungen zu helfen. Wearables können so angepasst werden, dass sie Medikamente über Haut, Augen oder Ohren abgeben. Biosensoren, die im Inneren der Wearables integriert werden, bilden geschlossene Kreislaufsysteme, bei denen die Dosierung von Medikamenten über ein drahtloses Netzwerk verwaltet und an den Endnutzer kommuniziert werden kann.

Wearables und Biosensoren funktionieren häufig mit Nahbereichsprotokollen wie Bluetooth Low Energy und teilen die Daten mit Smartphones und Tablets. Sie sind dadurch sicher und Unbefugte haben keinen Zugriff auf persönliche Daten.

Deep Learning bei der Entwicklung von Arzneimitteln

Mit Methoden des maschinellen Lernens können grafische Funktionen von COVID-19 auf Basis radiografischer Veränderungen in Computertomografiescans von mit dem Virus infizierten Menschen extrahiert werden. Diese Funktionen können eine klinische Diagnose vor einem pathogenischen Test generieren und damit kritische Zeit für die Krankheitsbekämpfung sparen. Ein Algorithmus mit maschinellem Lernen hat 96% Genauigkeit erreicht, indem er 1.119 Computertomografiescans von mit COVID-19 diagnostizierten Menschen sowie dieselbe Anzahl an Scans von mit Lungenentzündung diagnostizierten Menschen analysierte. Das bedeutet, dass ein Algorithmus mit maschinellem Lernen den Nachweis der Extraktion kardiologischer Funktionen für prompte und präzise Diagnosen des Coronavirus erbracht hat.

Bislang umfasst der Zyklus für die Entwicklung eines neuen Medikaments etwa 15 Jahre und kostet pro Arzneimittel 2,6 Milliarden US-Dollar. ML und insbesondere neuronale Netzwerke sind momentan dabei, die Arzneimittelindustrie zu revolutionieren. Sie nutzen die Leistungsfähigkeit von Algorithmen, um bessere Behandlungsmechanismen zu entdecken, den Prozess der Arzneimittelentwicklung zu beschleunigen und die Kosten dafür zu senken.

Die Arzneimittelforschung stellt ein komplexes mathematisches Problem dar, denn es kommen dabei Hunderttausende von Möglichkeiten ins Spiel, Moleküle miteinander zu kombinieren. Neuronale Netzwerke können genutzt werden, um den ganzen Prozess durch die Vorhersage molekularer Wellenfunktionen und molekularer elektronischer Eigenschaften zu beschleunigen. Wenn man diese Aufgabe mit konventionellen Methoden angeht, braucht man dafür Monate des Programmierens, was häufig eine wesentliche Hürde darstellt. Neuronale Netzwerke und KI-Algorithmen ermöglichen eine drastische Beschleunigung der Arzneimittelsimulation.

Der größte Vorteil, den Deep Learning der Arzneimittelentdeckung bietet, besteht darin, dass es den Entwurf einer neuronalen Netzwerkarchitektur ermöglicht, die individuell auf eine bestimmte Aufgabe zugeschnitten ist.

Die aktuellen Probleme mit Deep Learning in der Pharma- und Arzneimittelforschung bestehen darin, dass sehr große Datensätze für den Lernprozess benötigt werden. Lösungen für das Lernen mit einer geringen Datenmenge zu finden, ist für ML in der Arzneimittelforschung eine Frage von großer Bedeutung.

Dazu kommt, dass Deep Learning-Algorithmen in der Lage sind, nachteilige Probleme in der Pharmaindustrie zu lösen, indem sie bei der Vorhersage der Bioaktivität, der Identifizierung von molekularen De-novo Mustern, der Reaktionsvorhersage und der Bildanalyse unterstützen.

Datenintegration in der Pharmabranche

Nach dem Ausbruch von COVID-19 hat ein Konsortium von Technologieführern eine KI-fähige Datenbank entwickelt, die 24.000 Artikel zur Coronavirus-Krankheit verwaltet. Diese Datenbank, namens “CORD-19”, zielt darauf ab, zehntausende Forschungsarbeiten über die Coronavirus-Krankheit von 2019 in einem gemeinsamen Format zu integrieren. Die Datenbank ist eine neue Plattform für offene Wissenschaft, auf der Biotechnologen, Pharmazeuten, Epidemiologen und Big-Data-Experten die Daten finden können, die sie für ihre Forschung benötigen. Der KI-gestützte Datensatz wandelt alle Daten in maschinenlesbare Formate um und produziert einen “agilen Feed”, der die Wissenschaftler laufend auf dem gleichen Stand der noch nicht untersuchten COVID-19-Forschungsbereiche hält.

Die KI-Datenbank zum Thema Coronavirus wird laufend aktualisiert und ausgebaut, wenn neue Forschungsergebnisse bekannt werden. Darüber hinaus ist die akademische Forschung nun mit Daten aus klinischen Studien verknüpft. Die Datenbank CORD-19 steht 4 Millionen Wissenschaftlern weltweit zur Verfügung, die Antworten zum Verhalten des Virus finden wollen.

Wie fortschrittliche Analyseverfahren und KI der Pharmaindustrie bei der Zielerreichung helfen

Mithilfe von Big Data, KI, Business Intelligence und fortschrittlichen Analyseverfahren können Pharmaunternehmen die folgenden Ziele erreichen:

  • Erweiterung und Optimierung von Entscheidungsprozessen
  • Nutzung von Big Data für neue Erkenntnisse über Geschäftsprozesse
  • Verbesserte Diagnosestellung durch Analytik, Wearables, Biosensoren und IoT
  • Einsparung von Kosten und Zeit, die benötigt wird, um neue Arzneimittel zu entwickeln
  • Optimierung der derzeit zur Verfügung stehenden Behandlungsmöglichkeiten und schnellere Entwicklung neuer Behandlungen
  • Verfügbarkeit sofortiger Updates, Sicherheit und optimierte Organisation pharmazeutischer Daten
  • Generieren von Sonderangeboten am Verkaufsort basierend auf dem Kaufverhalten der Nutzer
  • Steigerung der Effizienz durch Echtzeiterkennung der Ursachen von Schwachstellen, Störungen und Fehlern
  • Lückenlose Bewertung von Risikoportfolios
  • Verringerung der Wahrscheinlichkeit menschlicher Fehler und Erkennung von korruptem Verhalten, bevor es dem Unternehmen schadet

Business Intelligence in der Pharmaindustrie

Pharmaunternehmen stehen bei der Handhabung großer Datensätze, der Ermöglichung umfangreicher pharmazeutischer Datenbankmigrationen und der Verwaltung der analytischen Arbeitsbelastung bei großen Datenmengen vor einigen Herausforderungen.

Business Intelligence (BI) Technologien werden zum Treffen informierter Geschäftsentscheidungen eingesetzt. BI hilft Pharmaunternehmen, historische, aktuelle und vorausschauende Einblicke in den Geschäftsbetrieb zu gewinnen und neue strategische Möglichkeiten für die Entwicklung von Arzneimitteln und klinischen Studien zu identifizieren, die aus der Interpretation großer Datenmengen abgeleitet werden.

BI wird in der Arzneimittelindustrie für gewöhnlich in folgenden Bereichen angewendet:

  • Action-on-Data-Reporting
  • Online-Analytical-Processing
  • Verbesserte Analyse pharmazeutischer Daten
  • Verarbeitung komplexer Vorgänge (z.B. Verlauf klinischer Studien, Entwicklung von Arzneimitteln)
  • Data-, Prozess- und Text Mining
  • Statistische Analysen und Benchmarking
  • Business Performance Management
  • Predictive Analytics

Geschickt implementierte BI ermöglicht es Pharmaunternehmen, große Mengen strukturierter und unstrukturierter Daten zu verwalten und interne mit externen Daten zu einem einzigen Datensatz zu vereinen – der wiederum dabei helfen kann, den Wettbewerbsvorteil am Markt zu finden und ein umfassendes Bild zu liefern, das man über andere Arten von Daten nicht erhält.

BI in der Pharmaindustrie:

  • BI liefert präzise Daten und sofortige Ergebnisse in Echtzeit.
  • BI ermöglicht es, jederzeit diverse Abfragen und Reports zu generieren.
  • BI hilft beim Identifizieren von Möglichkeiten des Up- und Cross-Sellings.
  • BI hilft bei der Bestandsaufnahme und dabei, die richtigen Bestellungen zur richtigen Zeit zu tätigen.
  • BI hilft beim Visualisieren von Daten und beim Erstellen visueller Dashboards.

Datenintegration in der Pharmaindustrie

In der pharmazeutischen Forschung werden ständig genetische, metabolische, phänotypisierende, proteomische, transkriptomische, spektroskopische und andere Arten von Daten generiert. Darüber hinaus liefern die Behandlungsentwicklungsprozesse noch mehr Daten über Pharmakokinetik, Toxizität, Wirksamkeit und dergleichen. Diese Daten stammen aus verschiedenen Quellen und variieren im Umfang und Format. Die Integration dieser vielfältigen Informationen in ein System, um die umfassendsten und ausführlichsten Ergebnisse zu erhalten, nimmt sehr viel Zeit und Arbeit in Anspruch.

Wenn man allerdings über ein Datenintegrationssystem verfügt, ermöglicht dies eine umfassende Suche in den gesammelten Datenteilmengen auf Grundlage von Datenverknüpfungen. Intelligente Algorithmen, einschließlich ML- und KI-Technologien, können gemeinsam mit BI-Plattformen bei der Erstellung von automatisierten Reports helfen, Erkenntnisse liefern und auf mögliche Sicherheitsprobleme hinweisen.

Das ultimative Ziel des Datenintegrationssystems ist es, eine saubere, konsistente und frühzeitige Analytik für große pharmazeutische Projekte zu schaffen, und dabei rund um die Uhr bei der Verwaltung pharmazeutischer Daten zu unterstützen.

Datenintegration löst folgende Probleme:

  • Verstehen von Big Data
  • Konsolidierung der Datensicherungssysteme
  • Entfernen von Datenvariationen und Duplikaten
  • Anlegen eines strukturieren und zentralisierten Data Warehouse

Die Nutzung eines Datenintegrationssystems kann die Kommunikation und Zusammenarbeit zwischen pharmazeutischen Abteilungen verbessern, für besseres Kundenengagement sorgen und die Produktivität steigern. Eine Verbesserung der Kommunikation zwischen internen und externen Stakeholdern bietet neue Möglichkeiten und schafft Zugang zu branchenführenden klinischen Studien oder Simulationen. Dies führt folglich zu neuen Erkenntnissen über Behandlungsergebnisse und schafft Möglichkeiten für die Präzisionsmedizin. Kontaktieren Sie uns und lassen Sie sich von unseren Experten dazu beraten, wie Sie ein Datenintegrationssystem einrichten oder Ihre Kooperationssysteme neu gestalten können.

Die effiziente Nutzung und Analyse von Big Data ermöglicht Pharmaunternehmen eine schnellere Bestimmung neuer Arzneimittelkandidaten sowie eine Beschleunigung bei der Entwicklung zugelassener Behandlungen.

Sammeln von Big Data in der Pharmaindustrie

Die größte COVID-19-Erfolgsgeschichte, die Big Data bisher erzielte, zeigt, wie Taiwan die Verbreitung des Coronavirus einschränken konnte. Taiwan wurde als Region mit dem zweitgrößten Risiko für COVID-19-Infektionen nach dem chinesischen Festland eingestuft, da es nur 130 Kilometer von China entfernt liegt. Durch die Implementierung der Big-Data-Analytik überwachte die Regierung Taiwans die Verbreitung des Coronavirus, verfolgte die Reiseverläufe und Symptome aller Bürger über einen Zeitraum von 14 Tagen, beschränkte die Einreise für ausländische Reisende und gab spezielle, von der Regierung nachverfolgbare Smartphones für alle unter Quarantäne stehenden Menschen aus. Die abteilungsübergreifende Big-Data-Plattform kann nachverfolgen, wie Menschen sich bewegen und die von der Polizei, Gesundheitsinstitutionen und der Regierung erfassten Informationen integrieren und die Zuständigen alarmieren, entsprechende Maßnahmen an Orten zu ergreifen, an denen sich COVID-19 verbreitet.

Laut McKinsey Global Institute könnte die Implementierung großer Datenerfassungsmechanismen und -verfahren allein in der europäischen pharmazeutischen Industrie zu Einsparungen von bis 100 Mrd. Euro führen, was eine verbesserte Effizienz von klinischen Studien und Arzneimittelforschung ermöglichen würde.

Darüber hinaus erzeugen moderne Datenmodellierungs- und Sequenzierungstechniken direkt eine Menge medizinischer Daten. Die Fülle an generierten Daten und fortschrittlichen Analysetechniken kann die Pharmaindustrie neu beleben und bei der Arzneimittelentwicklung unterstützen. Beispielsweise ermöglicht die Genomik den Pharmaunternehmen einen immer präziseren Ansatz bei der Arzneimittelentwicklung, was diese sicherer und effizienter macht.

Noch vor wenigen Jahren war nur eine geringe Anzahl menschlicher Genome bereits sequenziert. Dies ändert sich gerade sehr schnell. “Illumina”, der führende DNA-Entwickler, gibt an, er habe bereits 65.000 menschliche Genome sequenziert und es geschafft, die Kosten für die Sequenzierung menschlicher Genome auf 100 Dollar zu senken.

Wie Avenga Ihr Unternehmen mithilfe von KI transformieren kann

Wir von Avenga verfügen über umfangreiches Fachwissen bei der Bereitstellung von Enterprise Lösungen und Biowissenschaften. Unsere erstklassigen Beratungs-, Design- und Technologie-Services können die umfassende Umwandlung Ihres mittelständischen Unternehmens in einen multinationalen Konzern vorantreiben. Wir entwerfen, entwickeln und implementieren erstklassige Technologieplattformen, die Ihnen zu Ihrem nächsten Durchbruch verhelfen können.

Die zertifizierten Datenexperten von Avenga haben erfolgreich die neuesten Data-Warehousing- und Datenkonsolidierungstechniken über mehrere Quellen hinweg eingesetzt, um modernste Systeme zu entwickeln, die ROI und Umsatz steigern.

Wir freuen uns, wenn Sie uns über unser Kontaktformular eine Nachricht senden. Wir beraten Sie gern dazu, wie Sie KI für eine verbesserte Entscheidungsfindung nutzen können.

Sprechen Sie uns an!
Wir freuen uns auf Ihre Nachricht. Bitte nutzen Sie das Kontaktformular, wir werden uns schnell bei Ihnen zurückmelden.
Zurück zur Übersicht