In diesem Interview spricht Dr. Jo Varshney, Mitbegründer und CEO von VeriSIM Lifebeleuchtet das bahnbrechende Potenzial der KI-gesteuerten Biosimulation für die Transformation der Arzneimittelentwicklung. Die Mission von VeriSIM Life besteht darin, den Arzneimittelentwicklungsprozess zu beschleunigen, indem die Ineffizienzen traditioneller Methoden, insbesondere Tierversuche, beseitigt werden.
Durch die Nutzung fortschrittlicher Modelle des maschinellen Lernens kann ihre Plattform die Wirksamkeit und Sicherheit von Arzneimitteln beim Menschen genau vorhersagen und so den Zeit- und Kostenaufwand für die Markteinführung neuer Behandlungen drastisch reduzieren. Dr. Varshney erörtert außerdem die ethischen Auswirkungen des Einsatzes von Biosimulation als Various zu Tierversuchen, die Herausforderungen bei der Gewinnung von Akzeptanz in der Industrie und die Artwork und Weise, wie ihre Technologie in pharmazeutische Pipelines integriert wird. Da die KI rasant voranschreitet, ist VeriSIM Life bereit, eine wichtige Rolle in der Zukunft des Gesundheitswesens und darüber hinaus zu spielen.
1. Können Sie die Kernaufgabe von VeriSIM Life erläutern und erklären, wie Ihre KI-gesteuerte Biosimulationstechnologie den Arzneimittelentwicklungsprozess verändert?
Unsere Mission bei VeriSIM Life ist es, Ungenauigkeiten und Verschwendung bei der Umsetzung von Medikamentenkandidaten in klinische Studien zu beseitigen, indem wir KI-gestützte, multidisziplinäre quantitative Methoden verwenden, die Patientenergebnisse vorhersagen.
Wir glauben, dass der derzeitige Ansatz zur Entdeckung und Entwicklung von Arzneimitteln nicht nachhaltig ist. Die Kosten und der Zeitaufwand für die Markteinführung von Arzneimitteln haben sich alle zehn Jahre verdoppelt. Die Pharmaindustrie gibt jährlich schätzungsweise 300 Milliarden US-Greenback für Forschung und Entwicklung aus, während die FDA nur etwa 50 neue Medikamente zulässt. Unterdessen warten weiterhin 300 Millionen Patienten mit unbehandelten Krankheiten auf Therapien.
Unser Ziel ist es, dieses Paradigma zu ändern, indem wir tiefgreifende Technologie nutzen, um die Biologie zu entschlüsseln. Unsere Technologie sagt vorher, welche Medikamentenkandidaten in klinischen Studien am wahrscheinlichsten erfolgreich sein werden, bevor sie in die Studie aufgenommen werden, um Versuch und Irrtum in Forschung und Entwicklung zu reduzieren und neue Medikamente schneller an Patienten zu bringen.
2. Was hat Sie dazu inspiriert, sich auf Alternativen zu Tierversuchen zu konzentrieren, und wie bietet Biosimulation eine ethischere und effektivere Lösung?
Meine Eltern waren in der biopharmazeutischen Industrie tätig, sodass ich schon in jungen Jahren mit Wissenschaft, Technologie und Arzneimittelentwicklung in Berührung kam und mich dafür interessierte. Ich habe aus erster Hand gesehen, welche Rolle Tierversuche bei der Arzneimittelentwicklung spielen, und habe festgestellt, dass sie für die Vorhersage menschlicher Ergebnisse, insbesondere der Arzneimittelsicherheit und -wirksamkeit, tatsächlich nur begrenzten Wert haben. Ich fing an, mehr darüber nachzudenken Arzneimittelforschung und -entwicklung Prozess, um herauszufinden, ob Tierversuche wirklich so wichtig waren wie seit so vielen Jahren.
Nachdem ich vergleichende Onkologie, Genomik und Bioinformatik studiert hatte, wurde mir klarer, wie schwierig es ist, vom Labor auf klinische Studien zu übertragen, und es brachte mich zu dem Gedanken, dass es einen besseren und effizienteren Weg geben muss, klinische Risiken zu erkennen und Fehler zu vermeiden oder zu reduzieren . Deshalb habe ich Informatik studiert, um mithilfe von maschinellem Lernen, mathematischen Modellen und Daten herauszufinden, wie ein neues Medikament beim Menschen wirken könnte. Ich habe eine virtuelle Maus codiert, ihre Reaktion auf ein Medikament mit öffentlich verfügbaren Daten simuliert und die Ergebnisse auf Übereinstimmungen verglichen. Es warfare unglaublich genau und hat tatsächlich gewonnen Google-gesponserter Innovationswettbewerb.
Das warfare der Startschuss für VeriSIM Life. Und jetzt kann unsere Technologie die Wirksamkeit und Sicherheit von Arzneimitteln mit einer durchschnittlichen Genauigkeit von 83 % (oft weit über 90 %) für verschiedene Tierarten und Menschen vorhersagen. Durch den Einsatz KI-gestützter Computersimulationen können wir unnötige Tierversuche reduzieren und gleichzeitig die Erfolgsquote von Versuchen am Menschen verbessern.
3. Wie schneidet Ihre Technologie im Vergleich zu herkömmlichen Tierversuchsmethoden hinsichtlich Genauigkeit, Geschwindigkeit und Kosteneffizienz ab?
Unsere Plattform ist bei der Vorhersage menschlicher Arzneimittelreaktionen tatsächlich genauer als Tiermodelle, da sie speziell für die Analyse menschenspezifischer Daten konzipiert werden kann und dabei die inhärenten Einschränkungen berücksichtigt, die beispielsweise durch Unterschiede bei Enzymen, Stoffwechselwegen und der gesamten Physiologie zwischen Tieren und Menschen entstehen. Diese biologischen Unterschiede führen zu Diskrepanzen zwischen dem Verhalten von Arzneimitteln in Tiermodellen und in Versuchen am Menschen. Diese Fehlausrichtung trägt zu den hohen Misserfolgsraten bei der Arzneimittelentwicklung bei und wirft ethische Bedenken hinsichtlich der Behandlung von Tieren auf.
Doch über die ethischen Bedenken hinaus bringen neue Arzneimittelklassen zusätzliche wissenschaftliche und praktische Herausforderungen mit sich. Diese komplexen Therapeutika interagieren oft auf eine Weise mit menschlichen biologischen Systemen, die aufgrund artspezifischer Unterschiede in Tiermodellen nicht genau reproduziert werden kann. Beispielsweise kann das Immunsystem von Tieren, die in einer kontrollierten Umgebung leben, ganz anders reagieren als das von Menschen, was zu irreführenden Daten zur Sicherheit und Wirksamkeit führt.
KI kann diese Herausforderungen bewältigen, indem sie große Datensätze aus der Humanbiologie, einschließlich Genomik, Proteomik und klinischen Daten, nutzt, um genauere und prädiktivere Modelle zu erstellen. Diese KI-gesteuerten Modelle können menschliche biologische Prozesse rechnerisch simulieren und so schnelle Erkenntnisse liefern, die für die menschliche Gesundheit und Krankheit relevanter sind. Darüber hinaus kann KI komplexe Datensätze integrieren und analysieren, die mit herkömmlichen Methoden schwer zu interpretieren wären, was zu einer fundierteren Entscheidungsfindung bei der Arzneimittelentwicklung führt. Dieser Ansatz ist zudem deutlich kostengünstiger als Tierversuche.
4. Können Sie einige konkrete Beispiele nennen, bei denen Ihre Biosimulationsplattform die Wirksamkeit oder Toxizität von Arzneimitteln erfolgreich vorhergesagt hat, wodurch möglicherweise Tierversuche vermieden wurden?
Kürzlich hat uns einer unserer Pharmapartner, Debiopharm, gebeten, ihn bei der Entwicklung von Antikörper-Wirkstoff-Konjugaten (ADCs) zur Behandlung von akuter myeloischer Leukämie (AML) und diffusem großzelligem B-Zell-Lymphom (DLBCL) zu unterstützen. Mithilfe unseres Hybrid-KI-Ansatzes konnten wir die Wirksamkeit und Synergie von Medikamentenkombinationen rechnerisch simulieren und uns so auf die vielversprechendsten Kandidaten konzentrieren. Dieser Ansatz reduzierte nicht nur die Anzahl der erforderlichen Tierversuche, sondern optimierte auch den Arzneimittelentwicklungsprozess, indem die wirksamsten Therapien frühzeitig identifiziert wurden. In diesem speziellen Fall unterstützte die Verwendung unseres Translationsindex die Entscheidungsfindung weiter und stellte sicher, dass nur die Kandidaten mit der höchsten Wahrscheinlichkeit in In-vivo-Studien aufgenommen wurden, wodurch unnötige Tierversuche minimiert wurden.
5. Vor welchen Herausforderungen standen Sie bei der Gewinnung der Akzeptanz in der Industrie für KI-gesteuerte Alternativen zu Tierversuchen, und wie haben Sie diese gemeistert?
In einer Branche, die auf wissenschaftlichen Methoden basiert, wurden KI-gestützte Ansätze schon immer mit Skepsis betrachtet. Der größte Einwand traditioneller Wissenschaftler gegen KI ist die mangelnde Erklärbarkeit oder das „Black-Field“-Phänomen. Darüber hinaus besteht das eigentliche Drawback der Voreingenommenheit, die die Richtigkeit der von der KI gewonnenen Erkenntnisse verzerrt, insbesondere wenn mit begrenzten Datensätzen gearbeitet wird.
Wir haben viel über erklärbare KI nachgedacht, was einer der Gründe dafür ist, dass unser Ansatz anders ist. Wir kombinieren KI mit mechanismusbasierten Systemen, um unsere Ergebnisse erklärbar zu machen. Diese Ergebnisse werden in einer Kennzahl ausgedrückt, die wir Translational Index™ nennen – ähnlich dem Kredit-Rating. Der Translational Index bietet transparente, interpretierbare Einblicke in die Entscheidungsprozesse unserer Modelle. Diese Analyse ermöglicht es uns, die Bedeutung molekularer „Merkmale“ zu verstehen, die zu jedem klinischen Merkmal beitragen. Es identifiziert auch die komplexen Interaktionseffekte zwischen verschiedenen Kriterien.
6. Wie lässt sich die Technologie von VeriSIM Life in bestehende Arzneimittelentwicklungspipelines integrieren und welche Auswirkungen hat dies für Pharmaunternehmen?
Wir arbeiten auf vielfältige Weise mit Kunden zusammen. Für bestehende Arzneimittelentwicklungspipelines bieten wir BIOiSIM-gestützte professionelle Dienstleistungen an, um die spezifischen translationalen Herausforderungen eines Property zu bewältigen und erfolgreichere Ergebnisse klinischer Studien zu erzielen.
Für Kunden, die sich zu Beginn des Entdeckungsprozesses befinden, arbeiten wir mit Biotech- und Pharmakunden zusammen, um erfolgreiche neue Kandidaten für schwierige Ziele zu identifizieren. Unser AtlasGEN Novel Drug Designer verfügt über die einzigartige Fähigkeit, biologische Relevanz mit zielgerichteter Chemie zu verbinden und so vom ersten Tag an den klinischen Erfolg zu gewährleisten. Dies reduziert die Untersuchung Tausender potenziell Sackgassen-Wirkstoff-„Treffer“ auf eine Handvoll vielversprechender Hinweise auf Arzneimittelkandidaten.
7. Welche Rolle spielt die behördliche Genehmigung bei der Einführung der KI-gesteuerten Biosimulation als Standardpraxis, und wie arbeiten Sie mit den Aufsichtsbehörden zusammen, um dieses Anliegen voranzutreiben?
Regulierungsbehörden wie die FDA werden alternativen Ansätzen, einschließlich KI-gesteuerter Methoden, zunehmend gegenüber aufgeschlossener. Das Pilotprogramm „Revolutionary Science and Know-how Approaches for New Medication“ (ISTAND) der FDA begrüßt jetzt Einreichungen für qualifizierende Arzneimittelentwicklungstools wie KI. In Zusammenarbeit mit Aufsichtsbehörden leiten wir gemeinsam mit FDA-Experten eine KI-Initiative, um die Einführung und Qualifizierung KI-gesteuerter Methoden zu beschleunigen. Ziel ist es, die Abhängigkeit von traditionellen Tierversuchen zu verringern und gleichzeitig die höchsten Requirements für Sicherheit und Wirksamkeit bei der Arzneimittelentwicklung aufrechtzuerhalten.
8. Wie sehen Sie mit Blick auf die Zukunft die Entwicklung der Arzneimittelentwicklung angesichts der zunehmenden Abhängigkeit von KI und maschinellen Lerntechnologien?
Wir warten immer noch darauf, wie tief KI in den Lebenszyklus der Arzneimittelentwicklung eingebunden wird. Der Schwerpunkt lag zunächst stark auf der Entdeckungsphase – der Identifizierung von Krankheitszielen und den besten potenziellen Verbindungen, um diese Ziele anzugreifen. Eine weitere Bewerbungswelle konzentrierte sich auf die Section klinischer Studien – um Unternehmen dabei zu helfen, das Design, die Rekrutierung und das Administration von Studien zu verbessern. Ehrlich gesagt sind wir das einzige mir bekannte Unternehmen, das sich hauptsächlich auf die präklinischen Übersetzungsphasen konzentriert. Ich sehe in diesem Aspekt der Arzneimittelentwicklung noch viel mehr Entwicklung. Die vielen Investitionen in KI in der gesamten Branche sind eine gute Nachricht für die Patienten. Dies wird letztendlich zu mehr Behandlungsmöglichkeiten und geringeren Kosten führen.
9. Sehen Sie über die Arzneimittelentwicklung hinaus mögliche Anwendungen der Biosimulationstechnologie in anderen Bereichen des Gesundheitswesens oder der wissenschaftlichen Forschung?
Die Biosimulationstechnologie birgt über die Arzneimittelentwicklung hinaus ein erhebliches Potenzial, insbesondere in Bereichen wie der Umnutzung oder Neuausrichtung von Arzneimittelressourcen. Durch den Einsatz fortschrittlicher Modellierung und Simulation können wir neue therapeutische Anwendungen für bestehende Medikamente erforschen und so möglicherweise Jahre bei der Entwicklung einsparen und die Kosten senken. Dieser Ansatz ermöglicht eine effizientere Neupositionierung von Arzneimitteln, insbesondere bei Krankheiten mit ungedecktem Bedarf, und bietet gleichzeitig einen schnelleren Weg zur Markteinführung innovativer Behandlungen.
Darüber hinaus kann die Biosimulation eine transformative Rolle in der Landwirtschaft spielen, indem sie die Widerstandsfähigkeit der Nutzpflanzen erhöht, den Einsatz von Pestiziden und Düngemitteln optimiert und so die Ernährungssicherheit verbessert. Darüber hinaus können damit biologische Bedrohungen wie Krankheitserreger oder neu auftretende Krankheiten identifiziert und proaktive Strategien zur Bekämpfung dieser Bedrohungen entwickelt werden. Diese Anwendung könnte die Vorsorge- und Reaktionsbemühungen sowohl im öffentlichen Gesundheitswesen als auch im Umweltbereich revolutionieren und die allgemeine Widerstandsfähigkeit der Gesellschaft gegenüber künftigen biologischen Herausforderungen verbessern.
10. Welchen Rat würden Sie anderen Innovatoren geben, die traditionelle Praktiken in der wissenschaftlichen Forschung mit KI und anderen neuen Technologien durchbrechen möchten?
Mein Rat ist, den Widerstand anzunehmen, den Ihnen viele in der wissenschaftlichen Gemeinschaft entgegenbringen werden. Arbeiten Sie weiter an den großen Problemen und machen Sie Fortschritte. Wir sehen endlich, dass der Widerstand nachlässt, aber er ist ziemlich allgegenwärtig. Insbesondere für Frauen warfare es nicht einfach, mit Innovationen in traditionellen MINT-Bereichen Fuß zu fassen. Wenn Sie eine Gründerin sind, lassen Sie sich nicht entmutigen. Kämpfen Sie weiter für Ihre Mission und umgeben Sie sich mit einem Staff, das gleichermaßen an Ihre Imaginative and prescient glaubt.