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 2: Schematische Darstellung der Vorteile des KI-Einsatzes in der Wirkstoffentwicklung über alle Entwicklungsphasen hinweg: kürzere Entwicklungsphasen, mehr zugängliche Moleküle sowie Nutzbarmachung aller generierten Daten zum Training der KI.

    Arzneimittel mit KI entwickeln

    Potenziale und Herausforderungen – Teil 2*)

    Technik

    Potenziale und HerausforderungenAusblick
    Keywords: Arzneimittelentwicklung |  KI |  Regulierung |  Datenverfügbarkeit |  Lernende Systeme 

    Zusammenfassung

    Der Einsatz von KI birgt große Potenziale zur Verbesserung und Beschleunigung der Arzneimittelentwicklung, allerdings müssen zur Hebung dieser Potenziale auch die entsprechenden Rahmenbedingungen gegeben sein. Durch die Nutzung von KI können Entwicklungsphasen verkürzt werden, da zeit- und arbeitsintensive Experimente durch Simulationen und Vorhersagen ersetzt oder zumindest unterstützt werden können. Zusätzlich werden durch KI in der Entwicklung mehr Moleküle über virtuelle Screening-Bibliotheken zugänglich und alle in der Entwicklung generierten Daten können wiederum nutzbringend zum Training von KI-Modellen verwendet werden. Dem gegenüber stehen Herausforderungen zur Entwicklung einer für den KI-Einsatz angemessenen Regulierung und von Richtlinien zur Validierung von KI-Modellen und Datensätzen sowie die Verbesserung der Datenverfügbarkeit vor allem in Bezug auf qualitativ hochwertige Patientendaten. Für Unternehmen bieten sich durch eine KI-basierte Arzneimittelentwicklung neue Möglichkeiten zur gemeinschaftlichen Datennutzung unter der Voraussetzung der Bereitschaft und Möglichkeit zur Datenteilung.

    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,