Merck startet mit KI-Lösung zur Wirkstoffforschung und -synthese

Mit der Software-as-a-Service-Plattform kombiniert Merck generative künstliche Intelligenz (KI), maschinelles Lernen und computergestütztes Wirkstoffdesign. Der Konzern hat Aiddison mit experimentell validierten Datensätzen aus der pharmazeutischen Forschung und Entwicklung aus mehr als zwei Jahrzehnten trainiert. Die Software ist in der Lage, aus über 60 Mrd. Möglichkeiten jene Substanzen zu identifizieren, die wesentliche Eigenschaften eines erfolgversprechenden Wirkstoffs aufweisen, wie Nicht-Toxizität, Löslichkeit und Stabilität im Körper. Daraufhin schlägt die Plattform die besten Synthesewege sowie Chemikalien, Reagenzien und Bausteine für die Synthese dieser Wirkstoffe vor.

„Obwohl Millionen von Menschen auf die Zulassung neuer Arzneimittel warten, dauert die Entwicklung eines Medikaments bis zur Markteinführung im Durchschnitt noch immer mehr als zehn Jahre und kostet über 1,9 Milliarden Euro“, sagte Karen Madden, Chief Technology Officer im Unternehmensbereich Life Science von Merck. „Mit unserer Plattform können Labore auf generative KI zurückgreifen, um die am besten geeigneten wirkstoffähnlichen Moleküle in einem enormen chemischen Spektrum zu identifizieren. Auf diese Weise lässt sich der optimale chemische Syntheseweg für die möglichst nachhaltige Entwicklung eines Zielmoleküls sicherstellen.“

Wirkstoffe zu entdecken, auch als Drug Discovery bezeichnet, ist ein langwieriger und iterativer Prozess. Lediglich rund 10 % der in Phase I evaluierten Wirkstoffkandidaten konnten erfolgreich auf den Markt gebracht werden. Es erfordert viel Zeit, Ressourcen und Know-how, um aus einem ganzen Kosmos von mehr als 10⁶⁰ Molekülen die am besten geeignete chemische Substanz zu finden. Durch Modelle für KI und maschinelles Lernen können Systeme wie Aiddison bisher unbekannte Erkenntnisse aus riesigen Datensätzen gewinnen und so die Erfolgsquote bei der Entwicklung neuer Therapien für Patienten erhöhen. Bis zum Jahr 2028 könnten durch KI mehr als 70 Mrd. US-Dollar im Drug-Discovery-Prozess eingespart werden – das wiederum könnte bei Pharmaunternehmen bis zu 70 % Zeit und Kosten einsparen.