Wie kann maschinelles Lernen bei der Entwicklung personalisierter Krebsimpfstoffe helfen?

Der Einsatz künstlicher neuronaler Netze könnte die Rechenzeit, die für die Entwicklung eines personalisierten Krebsimpfstoffs benötigt wird und derzeit ein langwieriger Prozess ist, auf weniger als eine Stunde verkürzen, sagte Alexander Gintsburg, Direktor des Gamaleya Nationalen Forschungszentrums für Epidemiologie und Mikrobiologie (Russland), gegenüber TASS.

„Aktuell dauert die Entwicklung eines Impfstoffs sehr lange, da man die Struktur eines mRNA-Impfstoffs mithilfe der Matrixmethode mathematisch berechnen muss. Wir haben das Ivannikov-Institut kontaktiert, das für diese Berechnungen KI einsetzen wird. Diese Prozesse werden etwa eine halbe bis eine Stunde dauern.“

Der Forscher erklärte gegenüber TASS, dass eine Testdatenbank mit 40.000 bis 50.000 Tumorsequenzen benötigt werde, die eine kompatible Antigen-Erkennung aufweisen und bei Patienten in Protein oder RNA übersetzt werden, um die KI zu trainieren. Dies würde helfen 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 , erklärte, die präklinischen Studien seien abgeschlossen.

Wie kann maschinelles Lernen bei der Krebsimpfstoffproduktion helfen?

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

In der Immuntherapie können Fortschritte in der künstlichen Intelligenz und im maschinellen Lernen dazu beitragen, Daten aus Krebsbiopsien zu verarbeiten und so Impfstoffe zu entwickeln, die auf patientenspezifische Mutationen abzielen. Die gezielte Behandlung patientenspezifischer Mutationen ist nicht neu, und zielgerichtete Krebsmedikamente wie Anti-HER2-Therapien und CDK4/6-Inhibitoren haben sich zu Verkaufsschlagern entwickelt. Das Potenzial der KI, Neoantigene aus individuellen Patientenbiopsien zu identifizieren, hat die Effizienz dieses Prozesses jedoch deutlich gesteigert.

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

„Mutationen, die in Patientenbiopsien nachgewiesen werden, können in einen Algorithmus eingespeist werden, um vorherzusagen, welche Mutationen am immunogensten sind“, sagte Scott Ebbinghaus, Vizepräsident für klinische Forschung bei Merck. „Anschließend können wir RNA synthetisieren, die für jedes mutierte Krebsgen kodiert und auf das Immunsystem zugeschnitten ist. Jeder Impfstoff wird somit individuell angepasst sein.“

Im Gegensatz zu Therapien, die gegen ein einzelnes, fixes Antigen entwickelt wurden, zielt das KI-System darauf ab, die Auswahl von Neoantigenen zu verbessern. Der Algorithmus analysiert die im Tumor eines Patienten vorhandenen genetischen Mutationen und prognostiziert Neoantigene, die mit hoher Wahrscheinlichkeit eine Immunantwort auslösen. „Der Algorithmus lernt im Laufe der Zeit durch die Verknüpfung klinischer Daten und Immunogenitätsdaten und wird hoffentlich immer besser darin, klinisch wirksame Neoantigene auszuwählen“, so Kyle Holen, Leiter der Therapieentwicklung und Onkologie bei Moderna.

Ein weiteres Unternehmen, das KI einsetzt, ist Transgene. Es arbeitet mit der NEC Corporation zusammen, um personalisierte Krebsimpfstoffe zu entwickeln. Anstelle von mRNA-Impfstoffen verwendet Transgene virale Vektoren, um das Immunsystem eines Patienten so zu trainieren, dass es spezifische Krebszellen bekämpft.

Da Krebsimpfstoffe nun in fortgeschrittene klinische Studien eintreten, wird die Regulierung der potenziellen Produkte eine der Herausforderungen darstellen. Die US-amerikanische Arzneimittelbehörde FDA hat ein Leitliniendokument zu Multiantigen-Impfstoffen veröffentlicht. Die Behörde erklärt, dass die einzelnen Komponenten dieser Impfstoffe möglicherweise nicht separat auf Sicherheit und Wirksamkeit geprüft werden müssen. Das Dokument weist jedoch darauf hin, dass dies „im Einzelfall geprüft“ wird.

„Die FDA erkennt das Potenzial von künstlicher Intelligenz/maschinellem Lernen (KI/ML) zur Beschleunigung der Entwicklung personalisierter Behandlungen an“, sagte ein Sprecher der FDA.

Phuong Anh (Quelle: BioSpace, Tass)

Quelle