KI in der Krebsforschung – ein echter Gamechanger?

Nach wie vor ist Krebs in Deutschland die zweithäufigste Todesursache. Trotz Forschung fehlen für einige Krebsarten wirksame Therapien. Doch jede Verzögerung der Behandlung um vier Wochen erhöht das Sterberisiko um 6–13 Prozent. KI in der Krebsforschung schafft Abhilfe.

Krebs bleibt eine der größten Herausforderungen der modernen Medizin – spätestens zum Weltkrebstag am 04. Februar wird uns dies jedes Jahr wieder vor Augen geführt. So etwa haben Patienten mit besonders aggressiven und schwer behandelbaren Krebsarten wie Bauchspeicheldrüsenkrebs, Leberkrebs und Lungenkrebs oft niedrige Überlebensraten von zum Teil weit unter fünf Jahren (Santucci, C., et al., 2020). Auch seltene Krebsarten wie Mesotheliom und bestimmte Krebserkrankungen des zentralen Nervensystems sind schwer therapierbar (Jain, M., et al., 2024).

Doch die Entwicklung neuer Medikamente ist teuer und langwierig. Künstliche Intelligenz (KI) bietet in der Krebsforschung eine vielversprechende Möglichkeit, diesen Prozess zu beschleunigen und zu optimieren (Wenz & Ebener, 2024). Allein dieser kurze Ausschnitt an Anwendungsbeispielen macht deutlich, welches Potenzial dahintersteckt:

Die Entwicklung wirksamer Therapien ist oft eine äußerst schwierige Aufgabe. Ein vielversprechender Ansatz, der den Forschern dabei helfen kann, ist der Einsatz von Künstlicher Intelligenz (KI) in der Medikamentenentwicklung. Hierbei wird die Erforschung und Entwicklung neuer Therapieansätze durch fortschrittliche IT unterstützt. Die vielfältigen Einsatzmöglichkeiten, die KI in der Krebsforschung bietet, macht sie zu einem echten Gamechanger (Lotter, W., et al., 2024).

Von der Forschung bis hin zu präklinischen und klinischen Studien eröffnet KI einer Vielzahl von Anwendungsbereichen neue Möglichkeiten, die Krebsforschung und Arzneimittelentwicklung effizienter zu gestalten. So trägt der Einsatz von KI in der Pharma- und Krebsforschung beispielsweise erheblich dazu bei, Therapien zu optimieren, Krebserkrankungen früher zu erkennen und die Entwicklungszeiten für neue Medikamente zu verkürzen (Serrano, D. R.; et al., 2024).

Auch für die präklinischen und klinischen Studien der Krebsforschung und Arzneimittelentwicklung kann KI wertvolle Dienste leisten. Beide Studienphasen sind unverzichtbar in der Entwicklung neuer Medikamente, doch sie sind zeitaufwendig, kostenintensiv und häufig von Verzögerungen geprägt. Laut Branchenreport des vfa beträgt die Dauer von der klinischen Entwicklung bis zur Zulassung eines Medikaments im Durchschnitt 10,5 Jahre – und nur 8 Prozent der Arzneimittel schaffen es überhaupt bis dahin. Die klinische Entwicklung selbst verschlingt ganze 50 Prozent der gesamten Entwicklungskosten eines Medikaments. Mit KI ist die Krebsforschung in der Lage, diese Herausforderungen anzugehen und somit die Effizienz und die Aussagekraft von Studien deutlich zu steigern (Viswa, C. A., et al., 2024). Denkbar sind zum Beispiel die folgenden Szenarien:

Auch in der Präzisionsmedizin – also der personalisierten Therapie – spielt Künstliche Intelligenz eine entscheidende Rolle. Denkbar sind etwa folgende Szenarien:

• Früherkennung und Diagnose von Krebs

  Eine erfolgreiche Krebsbehandlung steht und fällt mit der frühzeitigen Erkennung der Erkrankung. KI-Algorithmen können hier wertvolle Dienste leisten, indem sie medizinische Bilder wie MRTs und CT-Scans schnell und präzise auswerten. So lassen sich Tumore bereits in frühen Stadien erkennen, was die Chancen auf eine erfolgreiche Behandlung erheblich erhöht (Bi, W. L., Hosny, A., Schabath, M. B., et al., 2019).

• KI-gestützte Antikörperentwicklung in der Krebsforschung

  Besonders bei der Entwicklung von Antikörpern, die eine der wichtigsten Kategorien biopharmazeutischer Therapeutika in der Krebsforschung darstellen, leistet KI einen entscheidenden Beitrag: Durch die Analyse von Bindungsaffinitäten und Beschaffenheiten der Zielproteine lassen sich Antikörper schneller und präziser entwickeln. Damit reduziert KI die Phase der zeit- und kostenintensiven In-vitro-Validierung und steigert die Effizienz und Präzision der Arzneimittelforschung, insbesondere in der Krebs- und Autoimmuntherapie. Studien gehen davon aus, dass der Einsatz von KI ein Einsparpotenzial von 25-50 Prozent der Kosten bis zum Erreichen der klinischen Phase birgt (Sobhani, D’Angelo, Pittacolo, Mondani, & Generali, 2024) (Nature, 2023).

• Erhöhung der Erfolgswahrscheinlichkeit durch KI in der Arzneimittel- und Krebsforschung

  Ein weiterer Vorteil: Die Nutzung von KI in der Medikamenten- und Krebsforschung steigert die Erfolgswahrscheinlichkeit bei der Entwicklung neuer Therapien erheblich. Computational Drug Discovery ermöglicht präzise Vorhersagemodelle, die sich an den individuellen genetischen und molekularen Merkmalen eines Tumors orientieren. Damit ist es möglich, die besten Molekülkandidaten schneller zu identifizieren und so den optimalen Wirkstoff zur Behandlung zu finden. Durch maßgeschneiderte Medikamente lassen sich zielgerichtete Behandlungsstrategien entwickeln, die in kürzerer Zeit eine höhere Erfolgsquote versprechen (Jayatunga, Xie, Ruder, Schulze, & Meier, 2022).

• Personalisierte Medizin (Präzisionsmedizin) durch KI in der Krebsforschung

  Auch in der Präzisionsmedizin spielt KI in Zukunft eine entscheidende Rolle, indem sie Daten aus verschiedenen Quellen analysiert. Das sind etwa Transkriptomdaten, die durch Next Generation Sequencing (NGS) generiert werden, histologische Befunde mittels bildgebender Verfahren, aber auch Patientenhistorien basierend auf klassischer Anamnese. Auf Basis dieser Informationen ist es möglich, die Behandlung anschließend zielgerichtet auf spezifische Patientengruppen oder sogar individuelle Patienten maßzuschneidern (Dlamini, Z., et al., 2022).

Dass KI also eine immer wichtigere Rolle in der Medikamenten- und Krebsforschung spielen dürfte, liegt auf der Hand. Moderne Datenmanagement-Lösungen ermöglichen dabei ein sicheres Bereitstellen von Daten. Voraussetzung hierfür ist eine gut durchdachte Datenstrategie, die die Grundlage für eine effiziente Nutzung dieser Informationen bildet. Skalierbare KI-Lösungen wiederum ermöglichen es, die Modelle flexibel zu erweitern und an neue Herausforderungen anzupassen.

Insbesondere folgende Tools und Strategien bieten wertvolle Ansätze und können die erfolgreiche Entwicklung neuer Therapien maßgeblich unterstützen:

Hochleistungsrechner und Cloud-Computing für die Medikamentenforschung

Skalierbare High-Performance-Computing-Lösungen ermöglichen es dem Pharmaunternehmen, komplexe Simulationen effizient durchzuführen. Flexible Cloud-Computing-Optionen gestatten es ihnen, bei Bedarf zusätzliche Rechenkapazitäten hinzuzufügen, um auch Spitzenlasten, wie sie bei virtuellen Screening-Prozessen entstehen, problemlos zu bewältigen.

KI-Services für die Medikamenten- und Krebsforschung

Der Einsatz von KI und Machine Learning in der Krebsforschung gestattet es den forschenden Pharma- und BioTech-Unternehmen, präzise Erkenntnisse für die Arzneimittelentwicklung zu gewinnen. Sinnvoll ist es hierbei, die Integration dieser Technologien ein zentraler Bestandteil des gesamten Entwicklungsprozesses ist – von der Datenaufbereitung über das Training von Modellen bis hin zur praktischen Umsetzung. Ebenfalls sollte ein besonderer Fokus auf der Einhaltung branchenspezifischer Standards und individueller Anforderungen liegen. Hilfreich ist es hier, einen Partner hinzuzuziehen, der über entsprechende Expertise verfügt und durch gründliche Code-Reviews die Einhaltung aller Spezifikationen sicherstellt.

Datenmanagement und -integration für KI-gestützte Medikamenten- und Krebsforschung

Leistungsfähige Systeme ermöglichen die schnelle und sichere Konsolidierung umfangreicher Daten aus Omics-Studien und externen Datenquellen. KI für die Krebsforschung erfordert eine hohe Flexibilität bei der Skalierung sowie strenge Sicherheitsvorgaben, die jederzeit für den besten Schutz der Forschungsdaten sorgen. Wichtig ist hierbei, dass die genutzten Rechenzentren nicht nur hohe Sicherheits- und Datenschutzstandards erfüllen, sondern dies auch durch umfassende Zertifizierungen nachweislich belegen können. Ein Security Operation Center (SOC) sorgt durch kontinuierliche Überwachung zudem dafür, dass die Vertraulichkeit und Integrität der Daten jederzeit gewährleistet sind.

Cybersecurity und Compliance

Besonders hilfreich sind maßgeschneiderte Cybersecurity-Lösungen, die speziell auf die Pharmaindustrie abgestimmt sind und sensible Forschungsdaten vor Cyberbedrohungen schützen. Idealerweise verfügt der Dienstleister nicht nur über die erforderliche IT-Expertise, sondern auch über Kenntnisse biologischer Prozesse und sorgt über Zugriffskontrollen, Datenverschlüsselung und regelmäßige Sicherheitsaudits für Compliance. Damit lassen sich sowohl branchenspezifische Vorschriften als auch interne Richtlinien erfüllen und gleichzeitig individuelle Sicherheitsstrategien für die biologische Datenverarbeitung entwickeln.

Vertrauenswürdiger Anbieter: Trusted Third Party

Bei den Daten, mit denen Pharmaunternehmen, Biotech-Firmen und Forschungseinrichtungen arbeiten, handelt es sich um besonders vertrauliche und zudem proprietäre Daten. Hier für einen hohen Schutzstandard zu sorgen, ist deshalb ein Muss. Sinnvoll ist es daher, auf einen vertrauenswürdigen Partner (Trusted Third Party) zu setzen. Dieser kümmert sich um die sichere Integration von Daten und Algorithmen und stellt eine Plattform zur Verfügung, die den sicheren Datenaustausch ermöglicht, ohne die Vertraulichkeit zu gefährden. Technologien wie verschlüsseltes Datenmanagement, homomorphe Verschlüsselung und Differential Privacy garantieren die Datensicherheit. Durch die Integration von Daten aus verschiedenen Quellen auf einer sicheren Plattform unterstützt der vertrauenswürdige Anbieter die Entwicklung innovativer Ansätze in der Medikamenten- und Krebsforschung (wie etwa KI-gestützte Bots) und trägt so zur Beschleunigung des gesamten Entwicklungsprozesses bei.

Trotz aller Vorteile, die KI der Pharma- und Krebsforschung beschert, birgt sie jedoch auch gewisse Herausforderungen und Risiken, die ein besonderes Augenmerk erfordern:

1. Datenschutz und Sicherheit in der KI-geschützten Medikamenten- und Krebsforschung 

   Die Verarbeitung von Gesundheitsdaten erfordert höchste Standards in puncto Datenschutz und Datensicherheit. Die Anonymisierung von Daten gilt zwar oft als Ideallösung, doch sorgt sie auch dafür, dass wichtige Details verlorengehen, was die Genauigkeit der KI-Analysen beeinträchtigt und zu weniger treffsicheren Diagnosen führt. Insbesondere, wenn wie etwa bei epidemiologischen Studien keine Pseudo- oder Anonymisierung infrage kommt, gilt es für die Forscher, ihre Daten möglichst unternehmensintern zu speichern oder auf einen Anbieter zu setzen, der zertifizierte und sichere Datenumgebungen bietet.

2. Risikomanagement und das "Black-Box"-Problem

   Die neuen Herausforderungen der KI-Ära erfordern eine modernisierte Herangehensweise der Pharmaindustrie an das Risikomanagement. Klassische Kontrollmechanismen sind zu langsam, um mit der Dynamik moderner Technologien und flexibler Arbeitsweisen Schritt zu halten. Stattdessen gilt es, Risiken proaktiv und flexibel zu managen. Ein fachkundiger Partner liefert die Erfahrung und KI-spezifischen Kenntnisse, die nötig sind, um Fehlerquellen zu erkennen und dadurch Risiken zu minimieren. Daher ist ein robustes Risikomanagement auch entscheidend für die Patientensicherheit. Durch die Generierung von Echtzeit-Daten sind in der Medikamenten- und Krebsforschung eingesetzte KI-basierte Systeme zum Beispiel in der Lage, Muster von Risiken frühzeitig zu erkennen, was zu schnelleren Reaktionszeiten führen kann.

   Hinzu kommt, dass viele KI-Systeme wie eine "Black Box" agieren, bei der die Entscheidungsprozesse nicht nachvollziehbar sind. Eine solche Intransparenz der KI könnte in der Medikamenten- und Krebsforschung problematisch sein. Denn für Forscher und Regulierungsbehörden ist es unerlässlich, nachvollziehen zu können, wie Entscheidungen zustande kommen. Dabei stellt sich die Kernfrage: Unterliegt der Anwendungsfall GxP-Anforderungen und besteht die Möglichkeit, diesen zu validieren? Hier ist es besonders wertvoll, einen vertrauenswürdigen Partner an der Hand zu haben, der sowohl die neuesten Technologien als auch die komplette Wertschöpfungskette der Pharmaindustrie begleiten kann.

   Ein weiteres Problem ist das vieldiskutierte Phänomen der Halluzinationen in maschinellen Lernmodellen. Dieses lässt sich jedoch durch sorgfältige Auswahl und Integration hochwertiger Daten, ein robustes Validierungskonzept sowie regelmäßige Überprüfung und Aktualisierung der Modelle verringern. Zusätzlich hilft die Verwendung von Erklärungsmodellen, die Entscheidungsprozesse besser zu verstehen und Fehlerquellen zu identifizieren. Hier kann ebenfalls ein starker Partner mit seiner Erfahrung mit branchenspezifischen Best-Practice-Ansätzen unterstützen.

Die KI bietet bahnbrechende Möglichkeiten für die Arzneimittel- und Krebsforschung, indem sie die Möglichkeiten von Diagnostik, Therapie und Forschung auf ein völlig neues Niveau hebt. Von der Molekülmodellierung über die Patientenrekrutierung bis hin zur Zulassung können KI-gestützte Lösungen Prozesse beschleunigen, Kosten senken und die Entwicklung personalisierter Therapien vorantreiben. Damit sich dieses Potenzial ausschöpfen lässt, sind eine hohe Qualität und Quantität der zum Trainieren der KI-Algorithmen genutzten Daten ebenso erforderlich wie eine performante und skalierbare IT-Infrastruktur sowie Prozesse, die klare Guidelines und eine neue Risikokultur beinhalten. Daher empfiehlt sich die Zusammenarbeit mit einem Partner, der den gesamten Workflow von der Entwicklung einer KI-Strategie über Data Governance und robuste KI-Frameworks bis hin zu Prozessoptimierung und modernem Datenmanagement abdeckt sowie umfassende Lösungen für eine innovative Krebsforschung bereitstellt. Greifen all diese Aspekte ineinander, werden wir an künftigen Weltkrebstagen bedeutende Meilensteine in der Onkologie feiern können.

Sie möchten KI für die Arzneimittel- oder Krebsforschung nutzen? Sprechen Sie uns an – wir beraten Sie gern!