Computerscans enthüllen neue medizinische Anwendungen für bestehende Moleküle
In einer bahnbrechenden Entwicklung für die pharmazeutische Forschung revolutioniert künstliche Intelligenz, wie Wissenschaftler neue Behandlungen entdecken, indem sie neue Anwendungen für bestehende Medikamente finden. Dieser Ansatz, bekannt als Drug Repurposing, nutzt Rechenleistung, um Tausende zugelassener Medikamente auf mögliche Wirksamkeit gegen andere Krankheiten als ursprünglich vorgesehen zu scannen.
Die KI-Revolution in der pharmazeutischen Entdeckung
Die traditionelle Arzneimittelentwicklung ist berüchtigt teuer und zeitaufwändig. Schätzungen zufolge dauert es mehr als ein Jahrzehnt und kostet Milliarden, um ein einziges neues Medikament auf den Markt zu bringen. 'KI bietet einen Paradigmenwechsel in unserem Ansatz zur Wirkstoffentdeckung,' erklärt Dr. Harper Singh, ein auf pharmazeutische Anwendungen spezialisierter Computerbiologe. 'Durch die Analyse riesiger Datensätze von Molekülstrukturen, klinischen Studiendaten und Patientendossiers können wir vielversprechende Kandidaten in Monaten statt in Jahren identifizieren.'
Der Prozess umfasst fortschrittliche Machine-Learning-Algorithmen, die Medikamenteneigenschaften, biologische Signalwege und Krankheitsmechanismen untersuchen. Laut einem 2025-Review in Advanced Science umfassen KI-Ansätze beim Drug Repurposing typischerweise Deep Learning zur Vorhersage molekularer Eigenschaften, Natural Language Processing zur Durchsuchung wissenschaftlicher Literatur und Netzwerkanalyse zum Verständnis von Medikament-Ziel-Interaktionen.
Jüngste Erfolge und Durchbrüche
Mehrere bemerkenswerte Erfolge sind aus KI-gestützten Repurposing-Bemühungen hervorgegangen. Das europäische Exscalate4Cov-Projekt identifizierte Raloxifen über computergestütztes Screening als potenzielle Behandlung für COVID-19-Patienten im Frühstadium. In der Onkologie zeigen Medikamente wie Mebendazol, Disulfiram und Itraconazol – ursprünglich für parasitäre Infektionen, Alkoholismus und Pilzerkrankungen entwickelt – vielversprechende Wirkung gegen verschiedene Krebsarten.
'Was bemerkenswert ist, ist die Geschwindigkeit, mit der diese Entdeckungen in klinische Anwendungen übersetzt werden,' bemerkt Dr. Singh. 'Floridas 60-Millionen-Dollar Cancer Innovation Fund unterstützt bereits KI-Plattformen, die mehr als 100 Generika an Patiententumoren testen. Dabei reduzieren computergestützte Ansätze mit Graph Neural Networks und AlphaFold3 die Kandidatenvorauswahl von Monaten auf Stunden.'
Ein Onkologie-Update von 2025 zeigt, dass das Feld mehr als 1.400 neue Publikationen und den Abschluss von mehr als 120 klinischen Studien verzeichnet hat, wobei mehrere wiederverwendete Medikamente positive Ergebnisse der Phase II/III erzielen.
Wie computergestütztes Drug Repurposing funktioniert
Die Methodik kombiniert mehrere Datenquellen und analytische Techniken. Zuerst sammeln Forscher Informationen über molekulare Strukturen von Medikamenten, bekannte biologische Ziele und Krankheitswege. KI-Algorithmen suchen dann nach unerwarteten Zusammenhängen – vielleicht teilt ein Medikament, das für Hypertonie entwickelt wurde, molekulare Merkmale mit Verbindungen, die für ihre Wirkung auf das Krebswachstum bekannt sind.
Nature Reviews Drug Discovery beschreibt computergestütztes Drug Repurposing als die Verwendung von In-silico-Ansätzen wie maschinellem Lernen, Netzwerkanalyse, molekularem Docking und Systembiologie, um neue therapeutische Anwendungen zu identifizieren. Diese Methoden sind hervorragend darin, Muster zu finden, die Menschen in komplexen Datensätzen möglicherweise übersehen.
'Die Schönheit dieses Ansatzes ist, dass wir mit Verbindungen arbeiten, die bereits etablierte Sicherheitsprofile haben,' sagt Dr. Singh. 'Etwa 35 % der transformativen Medikamente, die von der FDA zugelassen wurden, sind wiederverwendete Produkte, und wir umgehen viele der frühen Sicherheitstests, die in der traditionellen Entwicklung so viel Zeit und Ressourcen verbrauchen.'
Herausforderungen und zukünftige Richtungen
Trotz des großen Potenzials bleiben erhebliche Hindernisse bestehen. Eine große Herausforderung ist der Mangel an finanziellen Anreizen für Pharmaunternehmen, die Wiederverwendung von Generika zu erforschen, da Ärzte sie off-label verschreiben und Apotheker günstigere generische Alternativen substituieren können. 'Wenn eine generische Version eines Medikaments verfügbar ist, haben Entwickler wenig Chance, ihre Investition in die Entwicklung für eine neue Indikation zurückzuerhalten,' erklärt Dr. Singh und verweist auf Bedenken des Pharmakologen Alasdair Breckenridge.
Weitere Herausforderungen sind Dosierungsunterschiede für neue Indikationen, regulatorische Wege für wiederverwendete Medikamente und die Integration verschiedener Datenquellen. Fortschritte in der erklärbaren KI (XAI) helfen Forschern jedoch zu verstehen, warum Algorithmen bestimmte Vorhersagen treffen, was das Vertrauen in computergestützte Erkenntnisse erhöht.
In Zukunft bewegt sich das Feld hin zu integrierteren Ansätzen. Eine umfassende Übersichtsarbeit hebt hervor, wie KI-Technologien einheitliche Rahmenbedingungen schaffen, die sich von der Zielentdeckung bis zur regulatorischen Übersetzung erstrecken und dabei translationale Signale wie Biomarker und Signalweg-Einschränkungen in die Zielauswahl und Verbindungsoptimierung einbeziehen.
Die breite Auswirkung auf das Gesundheitswesen
KI-gestütztes Drug Repurposing stellt mehr als nur technologische Innovation dar – es bietet Hoffnung für Patienten mit seltenen Krankheiten, vernachlässigten Erkrankungen und Krebsarten, bei denen die traditionelle Arzneimittelentwicklung nur langsam Lösungen liefert. Durch das Finden neuer Anwendungen für bestehende Medikamente können Forscher Behandlungen möglicherweise schneller und zu geringeren Kosten auf den Markt bringen.
'Wir stehen am Anfang einer Transformation, wie Medikamente entdeckt werden,' schließt Dr. Singh. 'Computergestützte Ansätze demokratisieren die Wirkstoffentdeckung und ermöglichen Forschern weltweit, Tausende von Verbindungen virtuell zu screenen. In den nächsten fünf Jahren könnte Drug Repurposing mehr praxisverändernde, erschwingliche Therapien hervorbringen, als die traditionelle Arzneimittelentwicklung in den vorangegangenen fünfzehn Jahren erreicht hat.'
Die Konvergenz von künstlicher Intelligenz, Big Data und pharmazeutischer Wissenschaft schafft beispiellose Möglichkeiten, ungedeckte medizinische Bedürfnisse zu adressieren, was möglicherweise die Gesundheitsversorgung reformiert und wirksame Behandlungen weltweit zugänglicher macht.