Direkt zum Inhalt
Login erforderlich
Dieser Artikel ist Abonnenten mit Zugriffsrechten für diese Ausgabe frei zugänglich.

Künstliche Intelligenz: Auf der Jagd nach neuen Medikamenten

Seit Jahren steckt die Arzneimittelforschung in der Krise: Es wird immer schwerer, neue, effektive Wirkstoffe zu finden. Viele Pharmakonzerne setzen ihre Hoffnungen deshalb in künstliche Intelligenz. Aber können die selbstlernenden Algorithmen den Erwartungen standhalten?
Tabletten und Kapseln in verschiedenen Farben liegen durcheinander.Laden...

Bevor ein Wirkstoff für den Einsatz beim Menschen zugelassen wird, muss er zahlreiche Tests durchlaufen. Häufig kommt es dabei vor, dass vielversprechende Kandidaten unerwarteterweise doch noch ausscheiden. Einer der Gründe dafür sind die Cytochrome P450 (CYP450): eine Reihe von Enzymen, die hauptsächlich die Leber produziert. Sie zersetzen verschiedene Chemikalien und verhindern dadurch, dass sich diese im Blutkreislauf zu gefährlichen Mengen aufschaukeln. Wie sich herausstellt, hemmen viele Wirkstoffe die Produktion von CYP450, was sie für den Menschen toxisch macht.

Pharmafirmen versuchen daher vorab herauszufinden, welche Kandidaten eine solche Nebenwirkung haben könnten. Unter anderem analysieren sie das potenzielle Medikament im Reagenzglas, vergleichen wie ähnliche, bereits bekannte Wirkstoffe mit CYP450 reagieren oder führen Tierversuche durch. Allerdings erweisen sich etwa ein Drittel der so gewonnenen Vorhersagen als falsch. In diesen Fällen zeigen erst Versuche an Menschen, dass sich der Wirkstoff nicht eignet – was hohe Geldsummen und jahrelange Arbeit verschwendet.

Wegen solcher und anderer Schwierigkeiten steckt die Medikamentenentwicklung in der Pharmaindustrie seit mindestens zwei Jahrzehnten in einer Krise. Die Unternehmen geben zunehmend Geld aus – die zehn größten investieren inzwischen fast 80 Milliarden Euro jährlich – und bringen dabei immer weniger erfolgreiche Wirkstoffe hervor …

Juni 2020

Dieser Artikel ist enthalten in Spektrum der Wissenschaft Juni 2020

Kennen Sie schon …

43/2020

Spektrum - Die Woche – 43/2020

Warum komplette Schulschließungen derzeit nicht notwendig sind, erklärt der Epidemiologe Hajo Zeeb im Interview. Außerdem: erfolgreicher Erstkontakt mit Asteroid Bennu und mehr zur Katastrophenepoche

November 2020

Spektrum der Wissenschaft – November 2020

In dieser Ausgabe begibt sich Spektrum der Wissenschaft auf die Spur der Flugsaurier. Außerdem im Heft: Die Rückseite von Pluto, Lehren aus historischen Pandemien sowie die Megasiedlungen der Tripolje-Kultur.

Verschwörungsmythen - Wenn Fakten geleugnet werden

Spektrum Kompakt – Verschwörungsmythen - Wenn Fakten geleugnet werden

Von der Erde als Scheibe bis zu Coronavirus-Mythen und QAnon - was bewegt Menschen, an Verschwörungen zu glauben und offenkundige Fakten zu ignorieren, sogar zu leugnen?

Lesermeinung

Beitrag schreiben

Wir freuen uns über Ihre Beiträge zu unseren Artikeln und wünschen Ihnen viel Spaß beim Gedankenaustausch auf unseren Seiten! Bitte beachten Sie dabei unsere Kommentarrichtlinien.

Tragen Sie bitte nur Relevantes zum Thema des jeweiligen Artikels vor, und wahren Sie einen respektvollen Umgangston. Die Redaktion behält sich vor, Leserzuschriften nicht zu veröffentlichen und Ihre Kommentare redaktionell zu bearbeiten. Die Leserzuschriften können daher leider nicht immer sofort veröffentlicht werden. Bitte geben Sie einen Namen an und Ihren Zuschriften stets eine aussagekräftige Überschrift, damit bei Onlinediskussionen andere Teilnehmer sich leichter auf Ihre Beiträge beziehen können. Ausgewählte Lesermeinungen können ohne separate Rücksprache auch in unseren gedruckten und digitalen Magazinen veröffentlicht werden. Vielen Dank!

  • Quellen

Collins, J. J. et al.: A deep learning approach to antibiotic discovery. Cell 180, 2020

DiMasi, J. A. et al.: Innovation in the pharmaceutical industry: New estimates of R&D costs. Journal of Health Economics 47, 2016

Kundranda, M. N. et al.: Phase II trial of BPM31510-IV plus gemcitabine in advanced pancreatic ductal adenocarcinomas (PDAC). Journal of Clinical Oncology 38, 2020

Stokes, J. M. et al.: A deep learning approach to antibiotic discovery. Cell 180, 2020

Zhu, H.: Big Data and Artificial Intelligence modeling for drug discovery. Annual Review of Pharmacology and Toxicology 60, 2020