Header
 
Login
 

Privatsphäre-Einstellungen

Wir verwenden Cookies auf unserer Website. Einige von ihnen sind unerlässlich, während andere uns helfen, diese Website und Ihre Erfahrungen zu verbessern.

Notwendig Statistik Marketing
Auswahl bestätigen
Weitere Einstellungen

Hier finden Sie eine Übersicht aller verwendeten Cookies. Sie können ganzen Kategorien Ihre Zustimmung geben oder weitere Informationen anzeigen und bestimmte Cookies auswählen.

Alle auswählen
Auswahl bestätigen
Notwendig Cookies
Wesentliche Cookies ermöglichen grundlegende Funktionen und sind für die ordnungsgemäße Funktion der Website erforderlich.
Statistik Cookies
Statistik-Cookies sammeln anonym Informationen. Diese Informationen helfen uns zu verstehen, wie unsere Besucher unsere Website nutzen.
Marketing Cookies
Marketing-Cookies werden von Werbekunden oder Publishern von Drittanbietern verwendet, um personalisierte Anzeigen zu schalten. Sie tun dies, indem sie Besucher über Websites hinweg verfolgen
Zurück
    Merken
    Abbildung 1: KI-Anwendungsmöglichkeiten in den einzelnen Phasen der Wirkstoffentwicklung (Quelle aller Abbildungen: Plattform Lernende Systeme).

    Arzneimittel mit KI entwickeln

    Ausgangslage und Anwendungsmöglichkeiten – Teil 1

    Technik

    Aktuelle Herausforderungen in der ArzneimittelentwicklungAnsatzpunkte für KI in der Arzneimittelentwicklung Ausblick
    Keywords: Arzneimittelentwicklung |  KI |  Wirkstoffforschung |  Personalisierte Medizin |  Lernende Systeme 

    Zusammenfassung

    Die Entwicklung eines Arzneimittels ist komplex und zeitaufwendig: Von den Anfängen eines Wirkstoffkandidaten bis hin zur Markteinführung vergeht nicht selten mehr als ein Jahrzehnt mit durchschnittlichen Entwicklungskosten von etwa 2,8 Mrd. US-Dollar [1]. Dieser Prozess kann durch Anwendung von Künstlicher Intelligenz (KI) effizienter gestaltet werden. Ein Whitepaper der Plattform Lernende Systeme zeigt [2], wie jahrelange Arbeit und kostspielige Investitionen einzusparen sind: durch systematische Analysen bei der Datenverarbeitung, z. B. beim Erkennen relevanter Muster aus riesigen Datenmengen, beim Auffinden geeigneter Wirkstoffkandidaten oder auch bei der Umsetzung klinischer Studien. Die durch KI bereitgestellten Freiräume, z. B. durch Automatisierung in der Datenanalyse oder Reduktion von experimentellen Arbeiten durch simulative Vorhersagen, lassen sich in der Arzneimittelforschung produktiv nutzen, um mithilfe von KI-Tools medizinisch bessere und individuellere Arzneimittel schneller zu entwickeln: zum eigenen Wettbewerbsvorteil wie zum Wohle von Patienten.

    Prof. Dr. Klemens Budde · Charité – Universitätsmedizin Berlin, Dr. Jean-Enno Charton · Merck KGaA, Prof. Dr. Björn Eskofier · Friedrich-Alexander-Universität Erlangen-Nürnberg, Prof. Dr. Dagmar Krefting · Institut für Medizinische Informatik/Universitätsmedizin Göttingen, Dr. Maren Lang · BioNTech SE, Prof. Dr. Wolfgang Nejdl · Leibniz Universität Hannover, Forschungszentrum L3S, Dr.-Ing. Matthieu-P. Schapranow · Hasso-Plattner-Institut für Digital Engineering, Prof. Dr. Thomas Zahn · bbw Hochschule

    Korrespondenz:

    Prof. Dr. Klemens Budde
    Charité – Universitätsmedizin Berlin, Charitéplatz 1,