BB Biotech: Der Einfluss von Algorithmen und Big Data auf die Entwicklung neuer Arzneimittel - Eine empirische Erhebung

Eine in Nature Computational Science publizierte Studie1 , an der das BB Biotech Team zusammen mit führenden Experten der amerikanischen Duke University mitgewirkt hat2, hat sich mit der Frage beschäftigt, welchen medizinischen, finanziellen und kommerziellen Mehrwert der Einsatz dieser neuen Technologien liefern kann.

Computational Science, das heisst die Anwendung von künstlicher Intelligenz und computergestützten Simulationen, wird in immer mehr Bereichen der Arzneimittelentwicklung eingesetzt. Biotechunternehmen sind hier die Protagonisten. Von der Entwicklung von Algorithmen und Big-Data-Plattformen versprechen sich die Unternehmen vielfältige Vorteile für die eigene Forschung und Entwicklung. Durch die Vernetzung und Auswertung von Daten mithilfe von KI sollen präklinische und klinische Phasen zeit- und kostensparender durchgeführt werden können. Gleichzeitig wollen die Unternehmen durch immer genauere Datenanalysen das Risiko klinischer Fehlschläge kontinuierlich reduzieren. Nicht zuletzt sollen durch KI-optimierte Verfahren in der Wirkstoffsuche klinische Kandidaten identifiziert werden, deren molekulare Strukturen deutlich verbesserte Wirkmechanismen in den unterschiedlichsten Krankheitsfeldern aufweisen.

Zur Erweiterung der eigenen KI- und Data-Computing-Pipeline entwickeln die Unternehmen Algorithmen, Big-Data-Plattformen für ihre eigenen klinischen und wissenschaftlichen Daten sowie neue Hardware. Dabei setzen sie einerseits auf maschinelles Lernen in der Datenanalyse. Zum anderen führen sie Simulationen für das Design, die Entwicklung und die klinische Erprobung neuer Medikamente durch. In der Praxis kommen die Technologien in den verschiedenen präklinischen und klinischen Phasen zum Einsatz - von der Targetauswahl über die Identifikation und Optimierung von Leads bis hin zur Auswahl von Patienten für klinische Studien.

Studie analysiert KI und Drug Discovery

BB Biotech hat frühzeitig erkannt, wie sich durch automatisierte Algorithmen die wachsenden Datenmengen in der biopharmazeutischen Industrie für die eigenen Investments effizienter nutzen lassen. Drei eigens eingestellte Datenwissenschaftler spielten dabei eine zentrale Rolle im firmeninternen Projekt BioCarta, mit dem ein Datenpool aus Analysesoftware, Big Data-Anwendungen und Hardware aufgebaut wurde.

Um einen Überblick zu erhalten, wie und in welchem Umfang Computational Science die zukünftige Medikamentenentwicklung verbessern kann, haben das Investment Management Team und externe Experten eine Studie durchgeführt. Dabei wurden insgesamt 90 Unternehmen berücksichtigt, bei denen Computational Science nach eigenen Angaben ein zentraler Bestandteil des operativen Geschäfts ist und die gleichzeitig die von BB Biotech vorgegebenen Kriterien erfüllen.

Untersucht wurden das Geschäftsmodell, die strategische Ausrichtung sowie die Art der Finanzierung. Die Geschäftsmodelle unterscheiden sich zum Teil deutlich. Mehr als die Hälfte aller Firmen sind Service-Anbieter. Die verbleibenden 41% aller Unternehmen haben 49% ihrer Pipeline an Pharmakonzerne verpartnert. Im Umkehrschluss bedeutet das: Lediglich 21% aller untersuchten Firmen entwickeln und finanzieren eine eigene Pipeline mithilfe von computerbasierten Technologien.

Die vollständige Pressemitteilung finden Sie hier im Anhang.