Aktuelle Kardiologie 2023; 12(06): 450-458
DOI: 10.1055/a-2131-2843
Kurzübersicht

Wird KI neue Medikamente gegen Herzkrankheiten hervorbringen?

Will AI Bring New Medicines Against Heart Disease?
Manuel Glaser
1   Molecular and Cellular Modeling Group, Heidelberg Institute for Theoretical Studies (HITS), Heidelberg, Deutschland
,
2   Molecular and Translational Cardiology, Heidelberg University Hospital, Heidelberg, Deutschland
3   Department of Cardiology, Angiology and Pneumology, Heidelberg University Hospital, Heidelberg, Deutschland (Ringgold ID: RIN216545)
,
Patrick Most
2   Molecular and Translational Cardiology, Heidelberg University Hospital, Heidelberg, Deutschland
3   Department of Cardiology, Angiology and Pneumology, Heidelberg University Hospital, Heidelberg, Deutschland (Ringgold ID: RIN216545)
4   Center for Translational Medicine, Thomas Jefferson University, Philadelphia, United States (Ringgold ID: RIN6559)
,
1   Molecular and Cellular Modeling Group, Heidelberg Institute for Theoretical Studies (HITS), Heidelberg, Deutschland
5   Zentrum für Molekulare Biologie der Universität Heidelberg (ZMBH), DKFZ-ZMBH Alliance, Heidelberg University, Heidelberg, Deutschland (Ringgold ID: RIN9144)
6   Interdisciplinary Center for Scientific Computing (IWR), Heidelberg University, Heidelberg, Deutschland (Ringgold ID: RIN9144)
› Author Affiliations
Supported by: Klaus Tschira Stiftung Informatics For Life (Teilprojekt 2)

Zusammenfassung

Angesichts der umwälzenden Auswirkungen, die künstliche Intelligenz (KI) auf Wissenschaft, Medizin und darüber hinaus hat, betrachten wir hier das Potenzial von KI für die Entdeckung neuer Medikamente gegen Herzkrankheiten. Wir definieren KI im weitesten Sinne als den Einsatz von maschinellem Lernen, einschließlich Statistik und Deep Learning, um Muster in Datensätzen zu erkennen, die für Vorhersagen genutzt werden können. Jüngste Durchbrüche in der Fähigkeit, sehr große Datenmengen zu berücksichtigen, haben einen Boom in der KI-gestützten Arzneimittelentdeckung sowohl in der Wissenschaft als auch in der Industrie ausgelöst. Viele neue Unternehmen verfügen bereits über Arzneimittel-Pipelines, die bis in die klinische Erprobung reichen, aber noch keine Medikamente gegen Herzkrankheiten enthalten. Wir beschreiben hier den Einsatz von KI für die Entdeckung von niedermolekularen Medikamenten und Biologika, einschließlich therapeutischer Peptide, sowie für die Vorhersage von Wirkungen wie Kardiotoxizität. Der konzertierte Einsatz von KI zusammen mit physikbasierten Simulationen und experimentellen Rückkopplungsschleifen wird notwendig sein, um das Potenzial der KI für die Arzneimittelentdeckung und die Entwicklung von Präzisionsarzneimitteln für Herzkrankheiten voll auszuschöpfen.

Abstract

Given the transformational impact that artificial intelligence (AI) is having on science, medicine and beyond, we here consider the potential of AI for the discovery of new medicines against heart disease. We define AI broadly as the use of machine learning, including statistics and deep learning, to identify patterns in datasets that can be used to make predictions. Recent breakthroughs in the ability to consider very large amounts of data have spurred a boom in AI-driven drug discovery in both academia and industry. Many new companies already have drug pipelines extending into clinical trials, but these do not yet include drugs against heart disease. We here describe the use of AI for the discovery of low-molecular weight drugs and biologics, including therapeutic peptides, as well as for predicting effects such as cardiotoxicity. The concerted use of AI together with physics-based simulations and experimental feedback loops will be necessary to fully realize the potential of AI for drug discovery and the development of precision medicines for cardiac conditions.

Was ist wichtig?
  • Künstliche Intelligenz (KI) bietet das Potenzial, viele Designparameter in der Medikamentenentwicklung von Anfang an integriert zu betrachten, und damit die Möglichkeit, den traditionellen Prozess, der häufig noch dazu führt, dass viele Medikamentenkandidaten in klinischen Studien scheitern, zu optimieren.

  • KI kommt schon auf vielfältige Weise zur Entwicklung von niedermolekularen Wirkstoffkandidaten zum Einsatz, z. B. zur Identifizierung von neuen Zielstrukturen oder zur Generierung von Wirkstoffvorschlägen unter Berücksichtigung definierter Eigenschaften; mithilfe von KI generierte Wirkstoffkandidaten sind auch schon in klinischen Studien.

  • Verfahren des strukturbasierten Wirkstoffdesigns können durch ihren physikalisch-kausalen Ansatz dabei helfen, molekulare Hypothesen über Wirkmechanismen zu formulieren und können somit rein KI-basierte Vorhersagen komplementieren, wobei KI selbst wiederum strukturbasierte Ansätze auf vielfältige Art und Weise unterstützen und beschleunigen kann.

  • KI-Methoden, die auf Sequenzdaten arbeiten, werden schon eingesetzt, um protein- oder peptidbasierte Biologika effizient zu optimieren oder zu identifizieren, was vielversprechende Ansatzmöglichkeiten für personalisierte Therapien eröffnen könnte.

  • Im Rahmen der kardiologischen Medikamentenforschung kommt KI im Moment hauptsächlich zum Einsatz, um die Kardiotoxizität von potenziellen Medikamentenkandidaten vorherzusagen.



Publication History

Article published online:
20 November 2023

© 2023. Thieme. All rights reserved.

Georg Thieme Verlag KG
Rüdigerstraße 14, 70469 Stuttgart, Germany