Big Data in der pharmazeutischen Forschung

Forschung und Entwicklung ist erfolgsentscheidend

Forschende pharmazeutische Unternehmen sind auf die Entwicklung innovativer Arzneimittel mit hohem medizinischen Zusatznutzen angewiesen, um Gewinne zu erwirtschaften (1, 2). Der zusätzliche Nutzen ergibt sich aus einem direkten Vergleich mit etablierten Therapiestandards und dient als Bewertungsgrundlage (im Vergleich zu einem zugelassenen Arzneimittel) für die Preissetzung. Mittlerweile betragen die Kosten eines neuen Medikaments von der Entwicklung bis zur Markteinführung bis zu 2,8 Milliarden Euro. Gleichzeitig  liegt die Erfolgswahrscheinlichkeit einer Marktzulassung im Durchschnitt bei rund 12 Prozent (2, 3). Dabei scheitert eine Zulassung überwiegend an einem mangelnden Wirksamkeitsnachweis innerhalb der klinischen Studie (4). Im Kontext der Entwicklung innovativer Arzneimittel stellt sich die Frage, wie Big Data Werkzeuge Forschungskosten und Zulassungsrisiken reduzieren können.

Digitale Datenquellen für die Gesundheitsforschung

Die pharmazeutische Forschung basiert in der Regel auf Daten, die ausgewertet werden um bestimmte Hypothesen aufzustellen, zu bestätigen oder zu widerlegen. Exemplarisch kann innerhalb einer klinischen Studie ermittelt werden, ob ein Wirkstoff zur Tumorbekämpfung wirksam ist. Vor diesem Hintergrund bergen die stetig wachsenden digitalen Datenmengen große Chancen für die Forschung (5-8): Getrieben durch die zunehmende Digitalisierung der Gesundheitsversorgung steigt exemplarisch der Einsatz digitaler Patientendaten in elektronischen Gesundheitsakten. Gleichzeitig entstehen relevante Datensätze außerhalb des Versorgungsgeschehens. Beispielsweise werden in sozialen Netzwerken Daten geteilt, die Aufschluss über den Gesundheitszustand eines Individuums geben, jedoch nicht in den digitalen Patientendaten vermerkt sind (9, 10). Unterschiedliche Herausforderungen der Verwendung ergeben sich in diesem Kontext: Der Datenzugang kann, unter anderem aufgrund des Datenschutzes, eingeschränkt sein.  Neben dem Zugang stellt jedoch die Struktur der Daten ein grundlegendes Problem dar: Beispielsweise sind Freitextfelder, wie sie in Patientenakten oder Posts in sozialen Netzwerken vorkommen, unstrukturiert (5, 8, 10). Diese unstrukturierten Rohdaten können, ohne eine angemessene Datenbereinigung und -aufbereitung, nicht effizient genutzt werden.  Somit stellt nicht mehr die Verfügbarkeit, sondern die Aufbereitung und Auswertung eine wesentliche Herausforderung im Umgang mit unstrukturierten digitalen Datensätzen dar (5, 8, 11-13).

Machine Learning – unterschiedliche Ansätze

Eine Möglichkeit, der Datenflut zu begegnen, stellt Künstliche Intelligenz (KI) im Allgemeinen und das untergeordnete Themenfeld des Machine Learning (ML) im Speziellen dar. ML unterstützt die Auswertung der zunehmend verfügbaren digitalen strukturierten sowie unstrukturierten Rohdaten (Primärdaten). Grundsätzlich kann zwischen zwei Ausprägungen des ML, dem Supervised und Unsupervised Learning, unterschieden werden (8, 11-13). Das Supervised Learning basiert auf Datensätzen, die einen bestimmten Input und einen zugehörigen Outcome Parameter definieren. Ein Datensatz kann zum Beispiel eine Kategorisierung von Tumor-Subtypen aus Pathologieproben enthalten, die bereits durch einen Pathologen klassifiziert wurden. Wenn der Algorithmus mit diesem „Trainingsdatensatz“ angelernt wurde, kann dieser genutzt werden, um Tumorpathologie-Objektträger selbstständig zu kategorisieren (8, 11-13). Zugehörige Algorithmen ermöglichen somit unter anderem die Prädiktion und Diagnose von Krankheiten (8). Im Gegensatz dazu kann Unsupervised Learning genutzt werden, um in Datensätzen Muster und Cluster zu erkennen, ohne das die Datensätze ein definiertes Ergebnis enthalten. Der Algorithmus entscheidet dabei selbstständig, welche Merkmale des Datensatzes relevant sind. Anschließend kann der Algorithmus anhand der identifizierten Merkmale die Datensätze kategorisieren und Cluster bilden (11-13). Auf diese Weise können beispielsweise unbekannte Phänotypen einer Krankheit identifiziert werden (13).

Anwendungsmöglichkeiten im Forschungsprozess

Im Kontext der pharmazeutischen Industrie ergeben sich verschiedene Einsatzszenarien des ML. Innerhalb des Entwicklungsprozesses von Arzneimitteln scheitern die meisten Medikamente in den klinischen Testphasen II und III, entweder aufgrund inakzeptabler Nebenwirkungen oder mangelnder Wirksamkeit. Das grundlegende Problem stellt oft die Auswahl eines falschen Wirkungsziels dar (zum Beispiel Gene oder Proteine). Exemplarisch wird ein Protein moduliert, welches nicht  geeignet ist, um einen beabsichtigten medizinischen Effekt hervorzurufen (6, 11). Grundsätzlich wird die Entscheidung zur Modulierung eines bestimmten „Ziels“ mittels einer Analyse bestehender Forschung getroffen. Es gilt relevante Beziehung zwischen verschiedenen biologischen und chemischen Faktoren zu erkennen. Das manuelle Generieren dieser notwendigen Erkenntnisse nimmt einige Stunden in Anspruch. Eine KI liest und kartographiert die Zusammenhänge unterschiedlicher digitaler Datensätze, beispielsweise unterschiedlicher Bio- und Literaturdatenbanken in Sekunden und kann somit zur Identifikation von Zielmolekülen eingesetzt werden. Weitere Anwendungsgebiete liegen in der Auswahl von Molekülen und entsprechenden Patientenpopulationen, u.a. für Medikamente der Präzisionsmedizin  (6, 8, 11).

ML als Wettbewerbsvorteil

ML ermöglicht eine effiziente Nutzung der wachsenden digitalen Datenmengen und kann somit den Entwicklungsprozess eines Medikaments unterstützen, indem die Entwicklungszeit verkürzt, sowie das Investitionsrisiko einer Wirkstoffentwicklung und Personalkosten aufgrund manueller Datenauswertungen gesenkt werden. Dementsprechend sollten Pharma-Unternehmen verstärkt Kompetenzen im Bereich ML aufbauen, um die Wettbewerbsfähigkeit zu steigern. Hier stellen unter Umständen Technologie-Unternehmen sinnvolle Kooperationspartner dar: Sie haben das Know-How im Bereich ML und Zugang zu umfassenden Datensätzen.