BAYER AG 
Studien am Menschen sind der teuerste und zeitaufwändigste Teil der Medikamentenentwicklung, da es Jahre dauern kann, Patienten zu rekrutieren und neue Medikamente zu testen - ein Prozess, der von der Entdeckung eines Medikaments bis zur Fertigstellung über eine Milliarde Dollar kosten kann.
Pharmaunternehmen experimentieren schon seit Jahren mit KI, in der Hoffnung, dass Maschinen das nächste Blockbuster-Medikament entdecken können. Einige von der KI ausgewählte Präparate befinden sich bereits in der Entwicklung, aber es wird noch Jahre dauern, bis diese Wetten aufgehen.
Reuters-Interviews mit mehr als einem Dutzend Führungskräften von Pharmaunternehmen, Arzneimittelbehörden, Gesundheitsexperten und KI-Firmen zeigen jedoch, dass die Technologie eine große und wachsende Rolle bei der Erprobung von Medikamenten am Menschen spielt.
Unternehmen wie Amgen, Bayer und Novartis trainieren KI, um Milliarden von öffentlichen Gesundheitsakten, Verschreibungsdaten, Krankenversicherungsansprüchen und ihre internen Daten zu scannen, um Studienpatienten zu finden - in einigen Fällen wird die Zeit, die für die Anmeldung benötigt wird, halbiert.
"Ich glaube nicht, dass die KI schon allgegenwärtig ist", sagte Jeffrey Morgan, Managing Director bei Deloitte, einem Beratungsunternehmen für die Biowissenschaftsbranche. "Aber ich denke, wir sind über das Experimentierstadium hinaus."
Die U.S. Food and Drug Administration (FDA) gab an, dass sie von 2016 bis 2022 etwa 300 Anträge erhalten hat, die KI oder maschinelles Lernen in die Arzneimittelentwicklung einbeziehen. Über 90 % dieser Anträge kamen in den letzten zwei Jahren und die meisten betrafen den Einsatz von KI in der klinischen Entwicklungsphase.
ATOMIC AI
Vor dem Einsatz von KI verbrachte Amgen Monate damit, Umfragen an Ärzte von Johannesburg bis Texas zu schicken, um zu erfragen, ob in einer Klinik oder einem Krankenhaus Patienten mit den relevanten klinischen und demografischen Merkmalen für die Teilnahme an einer Studie vorhanden waren.
Bestehende Beziehungen zu Einrichtungen oder Ärzten waren oft ausschlaggebend für die Entscheidung, welche Studienzentren ausgewählt wurden.
Deloitte schätzt jedoch, dass etwa 80 % der Studien ihre Rekrutierungsziele verfehlen, weil die Kliniken und Krankenhäuser die Zahl der verfügbaren Patienten überschätzen, es hohe Abbrecherquoten gibt oder die Patienten sich nicht an die Studienprotokolle halten.
Das KI-Tool von Amgen, ATOMIC, durchforstet Unmengen interner und öffentlicher Daten, um Kliniken und Ärzte auf der Grundlage ihrer bisherigen Leistungen bei der Rekrutierung von Patienten für Studien zu identifizieren und zu bewerten.
Die Rekrutierung von Patienten für eine Studie im mittleren Stadium kann je nach Krankheit bis zu 18 Monate dauern, aber ATOMIC kann diese Zeit im besten Fall um die Hälfte verkürzen, so Amgen gegenüber Reuters.
Amgen hat ATOMIC in einer Handvoll Studien eingesetzt, in denen Medikamente für Krankheiten wie Herz-Kreislauf-Erkrankungen und Krebs getestet wurden, und will es bis 2024 für die meisten Studien verwenden.
Das Unternehmen geht davon aus, dass die KI bis 2030 dazu beitragen wird, die zehn Jahre oder mehr, die die Entwicklung eines Medikaments normalerweise dauert, um zwei Jahre zu verkürzen.
Das KI-Tool, das Novartis einsetzt, hat auch die Aufnahme von Patienten in Studien schneller, billiger und effizienter gemacht, sagte Badhri Srinivasan, der Leiter der globalen Entwicklungsabteilung des Unternehmens. Aber er sagte, dass KI in diesem Zusammenhang nur so gut ist wie die Daten, die sie liefert.
Laut Sameer Pujari, einem KI-Experten der Weltgesundheitsorganisation, sind im Allgemeinen weniger als 25 % der Gesundheitsdaten für die Forschung öffentlich zugänglich.
EXTERNE KONTROLLARME
Der deutsche Arzneimittelhersteller Bayer hat nach eigenen Angaben KI eingesetzt, um die Zahl der Teilnehmer an einer Studie für Asundexian, einem experimentellen Medikament zur Verringerung des langfristigen Schlaganfallrisikos bei Erwachsenen, um mehrere Tausend zu reduzieren.
Mit Hilfe von KI wurden die Ergebnisse der mittleren Studienphase mit realen Daten von Millionen von Patienten in Finnland und den Vereinigten Staaten verknüpft, um die langfristigen Risiken in einer der Studie ähnlichen Population vorherzusagen.
Mit diesen Daten konnte Bayer die Studie in der Spätphase mit weniger Teilnehmern beginnen. Ohne KI hätte Bayer nach eigenen Angaben Millionen mehr ausgegeben und bis zu neun Monate länger gebraucht, um Freiwillige zu rekrutieren.
Jetzt will das Unternehmen noch einen Schritt weiter gehen.
Für eine Studie, in der Asundexian bei Kindern mit der gleichen Erkrankung getestet werden soll, plant Bayer die Verwendung von realen Patientendaten, um einen so genannten externen Kontrollarm zu generieren, so dass die Patienten möglicherweise kein Placebo mehr einnehmen müssen.
Der Grund dafür ist, dass die Krankheit in dieser Altersgruppe so selten ist, dass es schwierig wäre, Patienten zu rekrutieren. Außerdem könnte es zu Bedenken führen, ob es ethisch vertretbar ist, den Studienteilnehmern ein Placebo zu verabreichen, wenn es keine bewährten Behandlungen gibt.
Stattdessen will Bayer anonymisierte Daten von Kindern mit ähnlichen Anfälligkeiten aus der realen Welt auswerten.
Bayer hofft, dass dies ausreicht, um die Wirksamkeit des Medikaments zu ermitteln. Die Suche nach realen Patienten durch die Auswertung elektronischer Patientendaten kann manuell erfolgen, aber der Einsatz von KI beschleunigt den Prozess dramatisch.
Es ist zwar ungewöhnlich, aber in der Vergangenheit wurden anstelle der traditionellen randomisierten Kontrollarme, bei denen die Hälfte der Teilnehmer ein Placebo einnimmt, externe Kontrollarme eingesetzt - vor allem bei seltenen Krankheiten, bei denen es nur wenige Patienten oder keine bestehenden Behandlungen gibt.
Das Medikament Blincyto von Amgen, das zur Behandlung einer seltenen Form von Leukämie entwickelt wurde, erhielt die US-Zulassung, nachdem dieser Ansatz gewählt worden war, obwohl das Unternehmen eine Folgestudie durchführen musste, um den Nutzen des Medikaments zu bestätigen, sobald es auf dem Markt war.
Blythe Adamson, Senior Principal Scientist bei der Roche-Tochter Flatiron Health, sagte, der Vorteil der KI bestehe darin, dass Wissenschaftler reale Patientendaten schnell und in großem Umfang untersuchen können.
Sie sagte, dass es Monate dauern könnte, die Daten von 5.000 Patienten mit herkömmlichen Methoden durchzugehen: "Jetzt können wir die gleichen Dinge für Millionen von Patienten in wenigen Tagen lernen."
ÜBERSCHÄTZUNGSRISIKO
Arzneimittelhersteller holen in der Regel die vorherige Genehmigung der Aufsichtsbehörden ein, um ein Medikament mit einem externen Kontrollarm zu testen.
Bayer teilte mit, dass das Unternehmen Gespräche mit Regulierungsbehörden wie der FDA führt, um einen externen Arm für seine pädiatrische Studie zu schaffen. Das Unternehmen hat keine weiteren Details genannt.
Die Europäische Arzneimittel-Agentur (EMA) erklärte, sie habe keine Anträge von Unternehmen erhalten, die KI auf diese Weise einsetzen wollen.
Einige Wissenschaftler, darunter der Leiter der Onkologieabteilung der FDA, sind besorgt, dass Pharmaunternehmen versuchen werden, KI zu nutzen, um externe Arme für ein breiteres Spektrum von Krankheiten zu entwickeln.
"Wenn Sie einen Arm ohne Randomisierung mit einem anderen Arm vergleichen, gehen Sie davon aus, dass Sie in beiden die gleichen Populationen haben. Das berücksichtigt nicht das Unbekannte", sagte Richard Pazdur, Direktor des Oncology Center of Excellence der FDA.
Patienten, die an Studien teilnehmen, fühlen sich in der Regel besser als Menschen in der realen Welt, weil sie glauben, dass sie eine wirksame Behandlung erhalten und auch mehr medizinische Aufmerksamkeit bekommen, was wiederum den Erfolg eines Medikaments überbewerten könnte.
Dieses Risiko ist einer der Gründe, warum die Aufsichtsbehörden auf randomisierten Studien bestehen, da alle Patienten glauben, dass sie das Medikament erhalten, auch wenn die Hälfte ein Placebo bekommt.
Gen Li, Gründer des Unternehmens für klinische Datenanalyse Phesi, sagte, dass viele Unternehmen das Potenzial der KI erforschen, um den Bedarf an Kontrollgruppen zu verringern.
Die Regulierungsbehörden sagen jedoch, dass die KI zwar das Potenzial hat, den Prozess der klinischen Prüfung zu verbessern, dass sich aber die Beweisstandards für die Sicherheit und Wirksamkeit eines Medikaments nicht ändern werden.
"Die Hauptrisiken bei der KI bestehen darin, dass wir sicherstellen wollen, dass wir nicht die falsche Antwort auf die Frage erhalten, ob ein Medikament wirkt", sagte John Concato, stellvertretender Direktor für Real-World-Evidence-Analytics im Office of Medical Policy im Center for Drug Evaluation and Research der FDA. (Berichte von Natalie Grover und Martin Coulter in London; weitere Berichte von Julie Steenhuysen in Chicago; Redaktion: Josephine Mason und David Clarke)
