Die Integration von künstlicher Intelligenz mit digitalen Laborinstrumenten soll die Biowissenschaften revolutionieren

In der Biowissenschafts- und Biotechnologiebranche ist eine Revolution im Gange, bei der KI eingesetzt wird, um die Laboreffizienz zu steigern, die Arbeitsabläufe bei der Prozessentwicklung zu beschleunigen und letztlich Entdeckungen in der Krebsforschung, der Impfstoffentwicklung und vielem mehr zu ermöglichen. Die Forschungs- und Entwicklungsunternehmen sind jedoch intern nicht in der Lage, KI-Software zu entwickeln und zu skalieren. Daher werden die erforderlichen Lösungen durch die neuartige und einfallsreiche Zusammenarbeit zwischen Datenwissenschaftlern und Experten für maschinelles Lernen entwickelt.

Der Anbieter digitaler Laborwerkzeuge eLabNext stellt sich dieser Herausforderung und ist Vorreiter bei der Schaffung einer agnostischen Plattform, über die Wissenschaftler verschiedene KI-Technologien in der biowissenschaftlichen Forschung und Entwicklung nutzen können. Wir sprachen mit dem Gründer und Geschäftsführer Erwin Seinen und seinem Kollegen Zareh Zurabyan sowie mit Taylor Chartier und Vadim Nazarov, die die KI-Softwareunternehmen Modicus Prime bzw. ImmunoMind gegründet haben, um zu erfahren, wie diese Zusammenarbeit die Arbeitsabläufe im Labor und die Datenanalyse revolutioniert.

KI-Lösungen für bisher unlösbare F&E-Herausforderungen

Seinen betont, wie sehr sich die Wissenschaft auf konsistente, reproduzierbare Ergebnisse stützt - ein zunehmend schwieriges Unterfangen, da die digital unterstützte Generierung von Big Data in vielen Bereichen zur Norm wird. KI könnte jedoch genau das Mittel sein, um die derzeitigen Engpässe zu beseitigen, wie Seinen erklärt: "KI bietet die notwendigen Werkzeuge für eine gleichermaßen beschleunigte Analyse und Versuchsplanung, die die Standards aufrechterhält, nach denen wir bis heute gelebt haben. KI-Anwendungen werden uns dabei helfen, den unvermeidlichen nächsten Schritt in der Wissenschaft zu machen".

Sein Kollege Zurabyan, Leiter von eLabNext, Americas, einem Geschäftsbereich von Eppendorf, teilt seine Begeisterung: "Ich bin sehr begeistert von diesem neuen Zeitalter der Biowissenschaften und Biotechnologie. Mit Eppendorf und eLabNext stehen wir an der Spitze dieser Entwicklung und unterstützen die Erforschung von Therapeutika, die Ihnen und mir zu einem gesünderen und längeren Leben verhelfen werden", fügt Zurabyan hinzu.

Dieser Enthusiasmus ist zum Teil das Ergebnis einer hochinnovativen Zusammenarbeit mit zwei Start-up-Unternehmen für KI-Software - Modicus Prime, das KI in der Bildverarbeitung für die Partikelcharakterisierung und die Erkennung von Anomalien einsetzt, und ImmunoMind, das die Funktion von Immunzellen mit dem Herstellungs- und Behandlungserfolg von Biopharmazeutika verknüpft. eLabNext hat diese beiden Technologien in seine Erweiterungen integriert.

Neue KI-Technologien verstehen und übernehmen

Vadim Nazarov, der Gründer von ImmunoMind und Experte für Bioinformatik und maschinelles Lernen, versucht, KI zu "entmystifizieren" und zu klären, was sie genau ist. "KI-Technologien markieren einen Paradigmenwechsel in allen Bereichen", sagt er, "von der Art und Weise, wie wir über den Einsatz von KI zur Lösung praktischer Aufgaben und zur Entscheidungsfindung mithilfe von KI-Empfehlungen nachdenken, bis hin zu der Art und Weise, wie wir KI-Software entwickeln und testen."

Er betont, dass es bei der KI darum geht, Software zu schreiben, die aus Daten für sich selbst lernt", um eine bestimmte Aufgabe zu lösen. "In gewissem Sinne geht es darum, eine Umgebung für das Lernen zu schaffen, anstatt nur einen Algorithmus zu schreiben", fügt Nazarov hinzu. Der Paradigmenwechsel endet jedoch nicht hier, sondern geht über die Software hinaus und betrifft auch Bildung, Kultur, organisatorische Prozesse und sogar das Marketing.

Taylor Chartier, Gründerin von Modicus Prime und ehemalige Ingenieurin und Datenwissenschaftlerin aus der Pharmaindustrie, führt diese Sichtweise weiter aus. "Das Missverständnis, das die KI in den Biowissenschaften begleitet, liegt vor allem an der Art und Weise, wie sie propagiert wird", meint sie. "Sie kann einfach als ein Modell zur besseren Vorhersage und Interpretation von Versuchsergebnissen im Labor beschrieben werden. Was die KI-Modelle besonders leistungsfähig macht, sind ihre nichtlinearen Funktionen, die mit mehreren Schichten linearer Operationen durchsetzt sind und diesen Modellen die Fähigkeit verleihen, jedes beliebige Problem mit einer angemessenen Anzahl von Parametern zu lösen", fügt sie hinzu.

Sowohl Chartier als auch Nazarov sind sich der Vorteile bewusst, die der Einsatz von KI-Technologien im Gesundheitssektor mit sich bringt, wie Chartier erklärt: "Von toxikologischen Studien im Frühstadium bis hin zum Scale-up von Bioprozessen können Wissenschaftler die Vorteile der KI nutzen, indem sie die Tools direkt in ihre täglichen Arbeitsabläufe integrieren. Dies kann mit einer digitalen Laborplattform oder einer zentralisierten cloudbasierten Technologie geschehen", sagt sie.

Chartier weist darauf hin, dass frühe Anwender die Vorteile der hybriden Modellierung in ihren Versuchsplänen erkennen werden, und sagt voraus, dass bis 2030 die Forschung in der Arzneimittelentwicklung größtenteils in silico erfolgen und mit Labornachweisen validiert werden wird. Nazarov fügt hinzu, dass es von entscheidender Bedeutung ist, ein Early Adopter zu sein oder mit anderen zusammenzuarbeiten, die in einem neuen Bereich Pionierarbeit leisten. "Sie lernen, was funktioniert und was nicht und bauen internes Fachwissen und eine Kultur auf, die auf Versuch und Irrtum beruht. Das kann man in keinem anderen Umfeld lernen", erklärt er.

Praktische Aspekte und derzeitige Grenzen des Einsatzes von KI

Laut Nazarov geht es bei der Einführung von KI-Technologie vor allem um Aufklärung, die Einbringung von neuem Fachwissen und die Beseitigung von Geheimnissen. Auch die Zusammenarbeit mit einem externen Expertenpartner kann hilfreich sein. Er schlägt vor, dass detailliertere Empfehlungen von der Struktur des Teams abhängen. Für eher technisch orientierte Teams ist es zum Beispiel wichtig, den Mitarbeitern Freiraum zu geben, damit sie mit neuen Technologien experimentieren können. Für eher biomedizinisch orientierte Teams ist es wichtig, über spezifische Ergebnisse und die Rückkopplungsschleifen von der KI zu den Teammitgliedern zu sprechen. "Es hilft, den Leuten die Ergebnisse der KI zu zeigen und Vertrauen in die Technologie aufzubauen", sagt er.

Mit Blick auf die Vertrauensbildung schlägt Chartier vor, dass der letzte Schritt bei der Einführung einer neuen KI-Technologie darin besteht, eine klar definierte Fallstudie mit dem Tool zu erstellen, um einen quantifizierbaren Mehrwert für das Team zu demonstrieren, z. B. in Form von Effizienz- oder Prognosemetriken.

Chartier und Nazarov weisen auf drei Haupthindernisse hin, die derzeit die erfolgreiche Einführung von KI-Technologien einschränken: Daten, Unternehmenskultur und Regulierung. Selbst die besten KI-Algorithmen werden nicht funktionieren, wenn die Daten entweder von schlechter Qualität oder zu knapp sind. In Bezug auf die Regulierung erklärt Chartier, dass die Regulierungsbehörden, einschließlich der FDA, derzeit noch KI-/Maschinenlernprogramme testen, um den Herstellern von Software as a Medical Device (SAMD) eine bessere Anleitung zu geben. Sie führt das Pre-Cert-Programm an, das sich noch in der Pilotphase mit neun teilnehmenden Herstellern befindet, und fügt hinzu, dass die FDA hervorragende Arbeit leistet, indem sie die Industrie und KI-Experten befragt, um Leitlinien für vertrauenswürdige KI zu veröffentlichen.

Ungewöhnliche Anwendungen und Zukunftspotenzial

Nazarov erklärt, dass KI dabei helfen kann, neue Biomarker für die Patientenstratifizierung zu finden, Diagnosen zu entwickeln oder Fehler in medizinischen Verschreibungen zu korrigieren, um sie für die Patienten sicherer zu machen. "Letztendlich geht es darum, verschiedene Perspektiven zusammenzubringen, um gemeinsam an besseren Instrumenten zu arbeiten, denn wir haben alle das gleiche Ziel: das Leben der Patienten zu verbessern", schließt er.

Chartier nennt das neuromorphe Computing als einen spannenden Ansatz, der autonome KI-Lösungen mit Anpassungsfähigkeit in Echtzeit bietet, und deutet an, dass solche Anwendungen in der Robotik das Leben der Patienten weiter verbessern werden. Sie schließt mit folgender Feststellung: "Im Bereich der Biotechnologie gibt es nur für 5% der rund 7.000 seltenen Krankheiten ein von der FDA zugelassenes Medikament, so dass für Tausende von Krankheiten keine Heilung möglich ist. Mit Hilfe von KI, die das Fachwissen von Forschern ergänzt, haben Biotechs die Möglichkeit, systematisch die ungedeckten Gesundheitsbedürfnisse von Millionen von Menschen anzugehen."

In seinem Schlusswort glaubt Zurabyan von eLabNext, dass "die frühen Anwender ihre Konkurrenten bei der Suche nach neuen Innovationen und Therapeutika begraben werden. Die Fähigkeit, Millionen von Datenpunkten viel schneller zu analysieren als diejenigen, die keine KI-Technologien verwenden, bedeutet, dass Wissenschaftler weniger suchen und mehr echte Forschung betreiben können", sagt er.

Lesen auf SelectScience