Zum Hauptinhalt springen

Der Avatar als Versuchsperson

Von Alexandra Grass

Wissen

Künftig könnten digitale Zwillinge klinische Studien absolvieren. Schon heute werden Medikamente mit KI entwickelt.


Hinweis: Der Inhalt dieser Seite wurde vor 11 Monaten in der Wiener Zeitung veröffentlicht. Hier geht's zu unseren neuen Inhalten.

Denken wir an Avatare, stellen sich die meisten jene großen, blauen digitalen Wesen mit anthropomorphem Aussehen aus dem gleichnamigen Science-Fiction-Epos vor. Oder jene künstlichen Figuren, die uns in der virtuellen Welt agieren lassen. Künftig könnten Avatare als digitale Zwillinge unseres Selbst als Probanden in der Entwicklung neuer Medikamente fungieren. Diese sogenannten Digital Twins bergen ein enormes Potenzial für die Forschung und das Gesundheitswesen. Im Gespräch mit der "Wiener Zeitung" skizziert Ghazaleh Gouya- Lechner, Fachärztin für Innere Medizin, Kardiologie und klinische Pharmakologie, Gründerin des Start-ups Gouya Insights und Vorstandsmitglied der Gesellschaft für pharmazeutische Medizin, ein Zukunftsszenario, das nicht mehr nur in den Kinderschuhen zu stecken scheint.

Die Grundzutat sind Daten, unendlich viele Daten. Deren Auswertung führt schon heute zu neuen und besseren Medikamenten oder zu weiteren Fortschritten in der Diagnostik. Je mehr Daten zur Verfügung stehen, umso besser lassen sich Beziehungen zwischen einer Diagnose und der richtigen Behandlung herstellen. Ebenso kann abgelesen werden, wie sich eine Erkrankung aller Voraussicht nach entwickeln wird.

Fokus auf Proteine

Nicht nur die herkömmliche Forschung richtet ihren Fokus dabei auf Proteine, deren Funktionsweisen und Struktur. Proteine sind elementare Bausteine des Lebens, sie bilden die Grundlage für jeden biologischen Prozess. Ein erwachsener Mensch besteht zu 15 bis 17 Prozent aus Proteinen. Die winzigen Bio-Maschinen bilden unser Gewebe, formen als Hormone, Enzyme und Antikörper unsere Körper und halten uns in Bewegung. An ihrer Form erkennt man ihre biologische Funktion und kann ihre Wirksamkeit als Medikamente ermitteln.

Mit künstlicher Intelligenz lassen sich schon heute Proteinstrukturen vorhersagen. Vorgezeigt hat dies etwa die Google-Tochter Deepmind. Dem KI-System Alphafold ist es möglich, aus einer eindimensionalen Aminosäuresequenz die dreidimensionale Proteinstruktur vorherzusagen. Früher wurden dafür Monate oder gar Jahre aufgewendet - heute passiert das in Sekunden. Die Alphafold-Datenbank umfasst etwa 200 Millionen solcher Strukturen. Schon heute können Proteine am Computer designed und definierte Funktionen in größeren molekularen Zusammenhängen vorhergesagt werden, erklärt Gouya-Lechner.

Ein nächster Schritt wäre, die Zusammenspiele zwischen einzelnen Proteinen mithilfe Künstlicher Intelligenz vorherzusagen. Hier kommen Avatare ins Spiel. Digital Twins von Eiweißen, Digital Twins von Zellen, Digital Twins von Organellen, von Tieren und gar vom Menschen.

Die Nachbildungen ermöglichen den Forschern, die Auswirkungen verschiedener Maßnahmen auf den virtuellen Zwilling zu simulieren. In der Arzneimittelentwicklung bedeutet dies, dass die Zahl teurer und zeitaufwendiger klinischer Studien verringert werden könnte. So könnten mit digitalen Zwillingen die Auswirkungen verschiedener Dosierungen oder Behandlungen auf einen virtuellen Patienten simuliert werden, ohne diese Behandlungen an einem echten Patienten zu testen. Auf diese Art und Weise können Forscher feststellen, welche Therapien am ehesten wirksam sind und welche nicht. Dies kann dazu beitragen, die Zahl der fehlgeschlagenen Versuche zu verringern.

Vor allem die Translation von der Präklinik in die klinischen Phasen sei eine große Hürde, so Gouya-Lechner. "Am schönsten wäre es, wenn ich die Wirkung eines Medikaments in einem Avatar bereits nachweisen könnte. Das ist eine absolute Wunschvorstellung." Und durchaus machbar, sofern man Zugang zu den klinischen Daten hat, die jetzt schon verfügbar sind.

Real World Daten

Eine Verknüpfung mit "Real World"-Daten, wie sie etwa von der E-Card oder aus Spitalsakten ablesbar wären, wäre ein Grundbaustein, um die KI zu füttern. "Ich könnte Versicherungsdaten einer Person von der Kindheit bis jetzt aufnehmen. Dazu die Impfungen und Medikamente, die sie im Laufe seines Lebens erhalten hat, welche Krankheiten und Risikofaktoren sie hatte und wie alt sie geworden ist. Dann habe ich rückwirkend bereits ein gutes Modell erschaffen", skizziert Gouya-Lechner.

Schon heute greift man für Studien auf historische Daten zurück, wenn man nicht genug Patienten zur Verfügung hat. In Folge skaliert man mittels KI für größere Patientengruppen. Mit den KI-Outputs könnten extrem lange Entwicklungsphasen in der Klinik verkürzt und Medikamente viel früher auf den Markt gebracht werden. Wie rasch es gehen sollte, hat uns die Covid-19-Pandemie gezeigt. Zwar konnten hier bereits Zulassungsverfahren beschleunigt werden - mittels KI hätte der Zeitfaktor noch günstiger sein können.

Darauf deuten auch jüngste Ergebnisse der "Billion molecules against Covid-19 challenge" hin. Weltweit haben Forscher mittels KI Ausschau nach Molekülen gehalten, die als mögliche Wirkstoffe gegen das Coronavirus Sars-CoV-19 zum Einsatz kommen könnten. 27 stellten sich als vielversprechend heraus. Die Ergebnisse sind auf dem Preprint-Server "ChemRxiv" publiziert.

Die Grundzutat verwalten

Zurück zur Grundzutat: Daten, unendlich viele Daten. Doch woher nehmen in Zeiten des Datenschutzes und strenger Regulatorien? Pharmafirmen, Spitäler oder Forschungseinrichtungen bergen einen wahren Schatz. Zum einen stammen sie aus erfolgten Therapien und Untersuchungen, andererseits aus Studien. Einzeln reichen die erhobenen Datenmengen nicht für einen effizienten Einsatz von Digital Twins. Würden sich die Einrichtungen jedoch vernetzen und ihre Daten in einem Pool zusammenlaufen lassen, wäre die Situation eine andere.

Doch der Austausch sensibler personenbezogener Gesundheitsdaten ist rechtlich und ethisch problematisch. Maschinelles Lernen könnte hier Abhilfe schaffen. Nur generalisierte Erkenntnisse müssten weitergegeben werden, um Digital Twins zu trainieren und zu verbessern. Das Ergebnis: beschleunigte klinische Studien, bessere Früherkennung, maßgeschneiderte und rascher wirkende Therapien und personalisierte Prävention.

Zur Person~