Datenwissenschaft & Künstliche Intelligenz

Erschliessung neuer wissenschaftlicher Erkenntnisse


Datenwissenschaft & Künstliche Intelligenz

Bei AstraZeneca nutzen wir Daten und Technologien, um die Zeit für die Entdeckung und Bereitstellung potenzieller neuer Medikamente so weit wie möglich zu verkürzen. Dazu betten wir auch Datenwissenschaft und künstliche Intelligenz in unsere Forschung & Entwicklung ein.

 


Datenwissenschaft und künstliche Intelligenz haben das Potenzial, die Art und Weise, wie wir neue Medikamente entdecken und entwickeln, zu verändern - mit dem Ziel, innovative Wissenschaft in lebensverändernde Medikamente zu verwandeln.

Jim Weatherall Vice President, Data Science & AI, R&D

Verwandlung von Daten in Wissen


Mit Hilfe von Datenwissenschaft und künstlicher Intelligenz gewinnen wir neue biologische Erkenntnisse, die dazu führen sollen, unsere Forschungs- und Entwicklungsproduktivität zu steigern.

Datenwissenschaft und künstliche Intelligenz können uns ausserdem dabei helfen, Krankheiten in unseren Genen zu entschlüsseln. Unser Zentrum für Genomforschung arbeitet daran, bis 2026 bis zu zwei Millionen Genome zu analysieren.


Vorhersagen, welche Moleküle und wie diese als nächstes hergestellt werden sollen


Wir erforschen den Einsatz von künstlicher Intelligenz, um neue Medikamente zu entdecken. Wir glauben, dass die künstliche Intelligenz ein grosses Potenzial hat, die Qualität zu erhöhen und die Zeit zur Entdeckung eines potenziellen Arzneimittelkandidaten zu verkürzen. Dies erfordert derzeit mehrere Jahre detaillierter wissenschaftlicher Forschung. Tausende von Molekülen müssen synthetisiert und getestet werden, um die richtigen Arzneimitteleigenschaften zu erreichen.

Künstliche Intelligenz transformiert diesen langwierigen Prozess und ermöglicht uns, schnell neue Ideen für Moleküle zu generieren und diese zu bewerten - mit Hilfe von Vorhersagen, aufgrund grosser uns zur Verfügung stehender Datenmengen.

Haben wir vielversprechende Moleküle identifiziert, besteht der nächste Schritt darin, die Moleküle im Labor zu synthetisieren. Die künstliche Intelligenz beginnt auch hier zu helfen: Die Wissenschaft der Synthesevorhersage entwickelt sich schnell weiter und wir werden bald in der Lage sein, künstliche Intelligenz zu nutzen, um den besten Weg zur Herstellung eines Moleküls in kürzester Zeit abzuleiten.


Nutzung künstlicher Intelligenz für die schnelle, genaue Bildanalyse



Jede Woche analysieren unsere Pathologen Hunderte von Gewebeproben aus unseren Forschungsstudien. Sie untersuchen sie auf Krankheiten und auf Biomarker, die auf Patienten hinweisen, die am ehesten auf unsere Medikamente ansprechen könnten. Das ist sehr zeitaufwendig, weshalb wir “Künstliche Intelligenz-Systeme” weiterentwickeln, um Pathologen bei der genauen und mühelosen Analyse der Proben zu unterstützen. Dies hat das Potenzial, die Analysezeit um über 30% zu verkürzen.

Für eines unserer “Künstliche Intelligenz-Systeme” haben wir einen Ansatz implementiert, der sich daran orientiert, wie einige selbstfahrende Autos ihre Umgebung verstehen. Wir haben das “Künstliche Intelligenz-System” darauf trainiert, Tumorzellen und Immunzellen auf einen Biomarker, genannt PD-L1, zu untersuchen, der das Potenzial hat, bei immuntherapeutischen Behandlungsentscheidungen für Blasenkrebs zu helfen.

Unser “Künstliche Intelligenz-System” betrachtet Tausende von Bildern aus Gewebeproben und überprüft jedes einzelne methodisch auf PD-L1. Das spart unseren Pathologen Zeit und ist besonders in schwierigen Fällen nützlich.


Beschleunigung klinischer Studien durch Datenwissenschaft und Künstliche Intelligenz


Randomisierte klinische Studien sind derzeit die bevorzugte Methode, wenn es darum geht, potenzielle neue Medikamente zu bewerten. Allerdings zeigen die veröffentlichten Daten, dass sie im Laufe der Zeit teurer und komplexer geworden sind. Fortschritte in der Datenwissenschaft können uns helfen, klinische Studien zu überdenken, die derzeitige Praxis zu verbessern und neue Wege zu finden, um potenzielle neue Medikamente zu entdecken und zu entwickeln.

So stellt beispielsweise die rasche Einführung von qualitativ hochwertigen elektronischen Patientenakten (EPA) eine umfangreiche, reichhaltige und hochrelevante Datenquelle dar, die ein enormes Potenzial zur Verbesserung der Durchführung klinischer Studien bietet.

Wir setzen künstliche Intelligenz und maschinelle Lernwerkzeuge auch ein, um mehr Wert aus den Daten klinischer Studien zu gewinnen.


Aufbau der richtigen Datenbasis


Heute generieren und haben wir Zugriff auf mehr Daten als je zuvor. Daten und Analysen haben das Potenzial, unser Handeln zu verändern, aber der wahre Wert wissenschaftlicher Daten kann nur dann genutzt werden, wenn sie "FAIR" sind - Findable, Accessible, Interoperable and Reusable (auffindbar, zugänglich, kompatibel und wiederverwendbar).

AstraZenecas F&E- und IT-Gruppen arbeiten eng zusammen, um eine branchenweit führende Architektur für Unternehmensdaten und künstliche Intelligenz zu schaffen. Dies wird uns helfen neue Werkzeuge und Technologien wie Künstliche Intelligenz und maschinelles Lernen jetzt und in Zukunft zu nutzen.


CH-2306 ; 03/2020