EQS-News

BB BIOTECH AG: Mit Algorithmen zu Blockbustern - Seite 2

Konkret helfen moderne Analysen etwa bei der Behandlung schwerer Depressionen dabei, folgende komplexe Fragen zu verstehen: Wie viele Patienten sprechen auf eine Therapie nicht an und haben von einer Behandlung in eine neue Therapie gewechselt? Nach welcher Zeit und aus welchen Gründen? Was sind die vorgegebenen medizinischen Fortschritte für die aktuell zugelassenen Arzneien? Wie oft müssen die zugelassenen Arzneien eingenommen werden und wie – patientenfreundlich als Tablette oder etwa per Injektion – werden sie verabreicht?

Auswirkung in Therapiebereichen mit Fokus auf Onkologie

Wir sind davon überzeugt, dass sich mit modernen Analysen in Zukunft vor allem in Indikationen wie Onkologie signifikante Fortschritte erzielen lassen. Hier sind grosse Mengen an Patienten- und allgemeinen globalen Daten verfügbar, mit denen sich Produkte mit dem besten Wirkprofil und Patienten, die besonders gut auf einen Wirkstoff ansprechen, identifizieren lassen. So entsteht ein Produkt, das ein besonders grosses Potenzial für die Kommerzialisierung verspricht. Zahlreiche Unternehmen entwickeln neue Arzneimittelkandidaten nicht nur für die Onkologie, sondern für sämtliche Therapiebereiche, insbesondere Neurologie/Psychiatrie und Autoimmunerkrankungen, um heterogene Patientenpopulationen mithilfe von Biomarkern und Arzneimittelzielen, die durch KI entdeckt wurden, besser zu segmentieren.

Zugleich greifen Biotechs selbst in ihrer Forschung und Entwicklung auf algorithmenbasierte Tools zurück. Eine seit etwa 2015 wachsende Zahl an Firmen, von denen sich die meisten noch über Wagniskapital finanzieren, setzt ganz auf Computational Biotech, also die Kombination von künstlicher Intelligenz und maschinellem Lernen. Die Mehrheit dieser Unternehmen forscht und entwickelt in der Neurologie und der Krebsmedizin. Bei den Medikamentengattungen zeigt sich, dass traditionelle niedermolekulare Substanzen, gefolgt von Biologika (Antikörper und Peptide), eindeutig überwiegen. Niedermolekulare Substanzen sind besonders attraktiv, weil sich die Moleküle einfacher in grossen Mengen entwickeln und weil es bei ihnen mehr KI-Instrumente und Forschungsdaten gibt.