Wie kann maschinelles Lernen bei der Herstellung personalisierter Krebsimpfstoffe helfen?

[Anzeige_1]

Der Einsatz künstlicher neuronaler Netzwerke könnte die Rechenzeit für die Entwicklung eines personalisierten Krebsimpfstoffs, die derzeit ein langwieriger Prozess ist, auf weniger als eine Stunde verkürzen, sagte Alexander Gintsburg, Direktor des Gamaleya National Research Center for Epidemiology and Microbiology (Russland), gegenüber TASS.

„Derzeit dauert die Entwicklung eines Impfstoffs sehr lange, da man mithilfe der Matrixmethode mathematisch berechnen muss, wie ein mRNA-Impfstoff aussieht. Wir haben das Ivannikov-Institut kontaktiert, das diese Berechnungen mithilfe von KI durchführen wird. Diese Prozesse werden etwa eine halbe bis eine Stunde dauern.“

Der Forscher erklärte gegenüber TASS zuvor, dass zum Training der KI eine Testdatenbank mit 40.000 bis 50.000 Tumorsequenzen mit kompatibler Antigenerkennung, die bei Patienten in Protein oder RNA übersetzt werden, erforderlich sei. Er sagte, dies würde dazu beitragen, festzustellen, ob der Impfstoff individuell eingesetzt werden kann.

Der Impfstoff wurde in Zusammenarbeit mit mehreren Forschungszentren entwickelt. Andrey Kaprin, Generaldirektor des Forschungszentrums für Medizinische Radiologie des russischen Gesundheitsministeriums , sagte, die präklinischen Tests seien abgeschlossen.

Wie kann maschinelles Lernen bei der Herstellung von Krebsimpfstoffen helfen?

Der Einsatz künstlicher Intelligenz bei der Entwicklung von Krebsimpfstoffen ermöglicht eine personalisierte Behandlung, stellt Arzneimittelentwickler und Zulassungsbehörden jedoch auch vor neue Herausforderungen.

In der Immuntherapie können Fortschritte in der künstlichen Intelligenz und im maschinellen Lernen dazu beitragen, Daten aus Krebsbiopsien zu verarbeiten und Impfstoffe zu entwickeln, die auf patientenspezifische Mutationen abzielen. Die Fähigkeit, patientenspezifische Mutationen gezielt zu behandeln, ist nicht neu, und zielgerichtete Krebsmedikamente wie Anti-HER2-Behandlungen und CDK4/6-Inhibitoren sind in der Branche zu Verkaufsschlagern geworden. Das Potenzial der KI, Neoantigene aus individuellen Patientenbiopsien zu identifizieren, hat die Effizienz dieses Prozesses jedoch noch weiter erhöht.

Der Einsatz von KI ist in vielen Branchen zu einem wichtigen Diskussionsthema geworden, und die Pharmaindustrie bildet da keine Ausnahme.

„Mutationen, die in Patientenbiopsien entdeckt werden, können in einen Algorithmus eingespeist werden, der vorhersagt, welche Mutationen die größte Immunogenität aufweisen“, sagte Scott Ebbinghaus, Vizepräsident für klinische Forschung bei Merck. „Davon ausgehend können wir RNA synthetisieren, die jedes mutierte Krebsgen kodiert und auf das Immunsystem zugeschnitten ist. Jeder Impfstoff wird individuell auf jeden Einzelnen zugeschnitten sein.“

Im Gegensatz zu Behandlungen, die gegen ein einzelnes festes Antigen entwickelt wurden, soll das KI-System seine Fähigkeit zur Auswahl von Neoantigenen verbessern. Der Algorithmus untersucht die im Tumor eines Patienten vorhandenen genetischen Mutationen und prognostiziert Neoantigene, die am wahrscheinlichsten eine Immunreaktion auslösen. „Der Algorithmus ist in der Lage, im Laufe der Zeit durch die Kombination klinischer und immunogener Daten zu lernen und wird hoffentlich besser darin, Neoantigene auszuwählen, die wahrscheinlich klinisch aktiv sind“, sagte Kyle Holen, Direktor für therapeutische Entwicklung und Onkologie bei Moderna.

Ein weiteres Unternehmen, das KI nutzt, ist Transgene. Das Unternehmen arbeitet mit der NEC Corporation zusammen, um personalisierte Krebsimpfstoffe zu entwickeln. Anstelle von mRNA-Impfstoffen arbeitet Transgene mit viralen Vektoren, um das Immunsystem eines Patienten auf die Bekämpfung spezifischer Krebsziele zu trainieren.

Da Krebsimpfstoffe in fortgeschrittene Testphasen vordringen, wird die Regulierung der potenziellen Produkte eine der Herausforderungen sein. Die US-amerikanische Food and Drug Administration (FDA) hat einen Leitfaden zu Multiantigen-Impfstoffen veröffentlicht. Die Behörde erklärt, dass nicht jeder Bestandteil dieser Impfungen einzeln auf Sicherheit und Wirksamkeit geprüft werden muss. Allerdings heißt es in dem Dokument, dass dies „von Fall zu Fall geprüft“ werde.

Die FDA „erkennt das Potenzial künstlicher Intelligenz/maschinellen Lernens (KI/ML) an, die Entwicklung personalisierter Behandlungen zu beschleunigen“, sagte ein FDA-Sprecher.

Phuong Anh (Quelle: BioSpace, Tass)

[Anzeige_2]
Quelle