Erschließung der Zukunft der personalisierten Krebsbehandlung mithilfe von KI
Bei der konventionellen Krebstherapie mit Chemotherapeutika werden Betroffene in der Regel nach dem gleichen Schema behandelt. Wenn diese Behandlungen nicht mehr wirken, wie bei Menschen, die einen Rückfall erleiden oder therapieresistent sind, bleiben der Medizin nur wenige Behandlungsalternativen. In den meisten Fällen lässt sich nicht vorhersagen, ob die Betroffenen darauf ansprechen oder nicht. Ebenso sehen sich Pharmaunternehmen häufig mit entmutigenden Ergebnissen in klinischen Studien konfrontiert, weil sie nur ein begrenztes Verständnis der Faktoren haben, die das Ansprechen auf die Therapie bestimmen. Zur Stratifizierung von Erkrankten werden klinische Phänotypen oder genomische Signaturen verwendet, mit denen jedoch nicht unbedingt die Wirkung eines Medikament vorhergesagt werden kann. Daher werden zuverlässige Instrumente zur Vorhersage der Arzneimittelempfindlichkeit benötigt, damit Klinik und Pharmaunternehmen Krebserkrankten wirksamere Medikamente zur Verfügung stellen können. Außerdem neigen Krebszellen dazu, Resistenzen gegen Medikamente zu entwickeln, was den Einsatz von Medikamentenkombinationen erforderlich macht, um gute klinische Ergebnisse zu erzielen. Die Ermittlung von synergistischen und wirksamen Arzneimittelkombinationen ist traditionell jedoch ein zeitaufwändiger und oft unvorhersehbarer Prozess.
Computergestützte Instrumente für die personalisierte Krebstherapie
Im Rahmen des vom Europäischen Forschungsrat finanzierten Projekts DrugComb wurden mathematische und computergestützte Instrumente zur Ermittlung und Priorisierung wirksamer Arzneimittelkombinationen für Krebserkrankte entwickelt. Darüber hinaus wurden Studien zum Screening von Arzneimittelkombinationen an Krebszellen zur experimentellen Validierung durchgeführt. „Unser Ziel bestand darin, die potenziellen Synergien zwischen Medikamenten zu verstehen und die Erkenntnisse in Behandlungsvorschläge für Menschen mit Krebs umzusetzen“, erklärt Projektkoordinator Jing Tang.
Anwendung von KI-Instrumenten bei der Vorhersage und Prüfung von Wechselwirkungen zwischen Medikamenten
Die Forschenden setzten Textmining-Techniken auf KI-Basis ein, um experimentelle Daten zur Zielinteraktion aus der wissenschaftlichen Literatur zu extrahieren. Die Daten über die Arzneimittelempfindlichkeit und das Arzneimittelziel wurden dann in das Datenportal DrugComb aufgenommen, das Instrumente für die Analyse von Medikamentenkombinationen enthält. Im Rahmen des Projekts wurde auch ein Open-Source-Instrument namens www.synergyfinder.org (SynergyFinder Plus) entwickelt, mit dem die Synergie von zugelassenen und klinisch erprobten Medikamenten an von Erkrankten entnommenen Krebsproben untersucht werden kann. Wenn eine Medikamentenkombination synergistisch gegen Krebszellen wirkte, aber normale Zellen nicht schädigte, wurde sie als potenzieller Kandidat betrachtet. Darüber hinaus ermöglichten KI-basierte Algorithmen den Forschenden die Entdeckung von Verbindungen zwischen Medikamentensynergien und Krebstreibergenen, um die Wirksamkeit der Behandlung bei gleichzeitig weniger Nebenwirkungen zu verbessern.
Zusätzlicher Nutzen von KI bei der Vorhersage von Medikamentenkombinationen
Die heute praktizierte personalisierte Medizin geht in der Regel nicht auf die einzigartigen Merkmale der einzelnen Betroffenen ein. Darüber hinaus sind die meisten Behandlungsmöglichkeiten auf einzelne Medikamente beschränkt, deren Wirksamkeit durch das Auftreten von Arzneimittelresistenzen begrenzt wird. „Die DrugComb-Pipeline für rechnergestützte Analysen hat das außergewöhnliche Potenzial, neue, wirksamere und sicherere Behandlungen im Vergleich zu den derzeitigen zytotoxischen Monotherapien hervorzubringen“, hebt Tang hervor. DrugComb ist eines der Pionierprojekte in der Entwicklung von computergestützten Instrumenten für die Vorhersage von Medikamentenkombinationen. Die wichtigste Neuerung der DrugComb-Lösung besteht darin, dass Genomik mit Daten über die Medikamentenempfindlichkeit kombiniert wird, um vollständigere und dynamischere Krankheitsprofile in Echtzeit zu erstellen. Die Plattform wurde bereits erfolgreich zur Vorhersage synergistischer Kombinationen bei Menschen mit T-Zell-Prolymphozytenleukämie und Brustkrebs eingesetzt. Seit Abschluss des Projekts haben mehrere Pharmaunternehmen ihr Interesse an einer Lizenzierung des DrugComb-Portals für die Datenanalyse bekundet. Das Team denkt über kommerzielle Versionen der Software-Instrumente für Pharmaunternehmen nach. Tang stellt sich „ein Unternehmen vor, das sich auf die KI-gestützte Entdeckung von Medikamenten konzentriert und die im Rahmen von DrugComb entwickelten Datenbanken und Instrumente nutzt, um die Kosteneffizienz zu steigern und die Versorgung von Erkrankten zu verbessern.“
Schlüsselbegriffe
DrugComb, Krebs, KI, Arzneimittelempfindlichkeit, Pharmazeutika, Berechnungsinstrument, Genomik, Medikamentenwirkung, personalisierte Medizin
