Dassault: Daten mit KI auswerten beflügelt Medizinforschung Einsatz von Künstlicher Intelligenz (KI) – Neue Ansätze für die medizinische Forschung

KI hilft nicht nur, die Produktentwicklung zu beschleunigen und Abläufe in Unternehmen effizienter zu gestalten. Auch in der medizinischen Forschung kann sie einen grossen Beitrag leisten und echte Innovationen fördern, speziell wenn es darum geht, neue Forschungsgebiete zu identifizieren.

Anbieter zum Thema

MPDV Mikrolab GmbH

Nordson (Schweiz) AG - EFD Dosiertechnik

proALPHA Schweiz AG

Dassault Systemes (Schweiz) AG

Dassault Systemes Deutschland GmbH

Bereits beschrittene Wege zu verlassen, ist nicht einfach. Egal ob es sich nur um kleine Abweichungen oder grosse Veränderungen handelt. Doch Neuerungen sind essenziell, wenn es um langfristigen Erfolg – im Kleinen wie im Grossen – geht. Innovative Ideen und disruptive Technologien sind Garanten für unternehmerisches Gelingen und langfristig auch gesellschaftliche Entwicklung.

Um den Grundstein für den Erfolg von morgen zu legen, müssen Industrieunternehmen verstärkt auf digitale Technologien setzen. Die Industrie 4.0 war dabei nur der erste Schritt einer langen Prozesskette. Auch wenn die Schweiz als eine der führenden Nationen im Bereich Innovation gilt, ist es von zentraler Bedeutung, sich stets weiterzuentwickeln. Ein digitaler Wandel geschieht dabei nicht von heute auf morgen, sondern erfordert weitsichtige und gewissenhafte Planung. Dabei eröffnet die digitale Transformation grosse Chancen für mehr Lebensqualität, neue Geschäftsmodelle und effizienteres Wirtschaften.

Seit einigen Jahren zählt Künstliche Intelligenz zu den Schlüsseltechnologien der Zukunft. Die Erwartungen, was KI in der Welt von morgen leisten soll, sind hoch. Auch in der Medizintechnik soll Künstliche Intelligenz in naher Zukunft wichtige Kernfunktionen übernehmen und Prozesse beschleunigen. Ob und wie gut das Potenzial KI-basierter Technologien als Unterstützung in der medizinischen Forschung und Entwicklung ausgeschöpft werden kann, hängt davon ab, welche Daten als Grundlage zur Verfügung stehen. Nur mit einem breiten Fundament an verlässlichen und umfassenden Daten wird es möglich, Diagnosen mithilfe von KI noch präziser zu stellen, Medikamente schneller zu entwickeln und neue Forschungsfelder zu erschliessen.

Präzisere Diagnostik durch Deep-Learning- Algorithmen

In der Diagnostik können mithilfe von Algorithmen Diagnosen in Zukunft immer präziser gestellt werden. Unter Einsatz von Deep Learning, einer Form des maschinellen Lernens, werden bereits heute Fortschritte in der Bilderkennung erzielt. Deep-Lear­ning-Algorithmen sind künstliche neuronale Netze, welche sich am natürlichen Vorbild, den biologischen neuronalen Netzen orientieren. Sie bestehen aus vielen einzelnen Schichten beziehungsweise Einheiten, welche miteinander verbunden sind. Diese umfangreiche Struktur ermöglicht es, auch komplizierte Funktionen zu erlernen. In der Praxis geschieht dies durch ausgewählte Trainingsdatensätze, die kontinuierlich in den Algorithmus eingespeist werden. Dieser Optimierungsvorgang, das eigentliche Learning, ermöglicht, dass Algorithmen später einmal neue, unbekannte Datensätze erkennen und analysieren können. Ein bekanntes Anwendungsbeispiel für Deep Learning in der Diagnostik ist die Bilderkennung. Auf diesem Gebiet konnten in der Forschung grosse Fortschritte erzielt werden. Algorithmen sind bereits heute in der Lage, menschliches Gewebe zu analysieren und zu entscheiden, ob eine Gewebeveränderung vorliegt. Der Vorteil: Langwierige Analyseverfahren können so signifikant verkürzt werden und zeitgleich neue Forschungsansätze schneller vorangetrieben werden.

Schnellere Entwicklung von Medikamenten

Auch in der kostenintensiven pharmazeutischen Forschung kommt KI zum Einsatz und trägt dazu bei, die Arzneimittelentwicklung zu optimieren und die Entwicklungszeiten zu reduzieren. Bislang stehen Pharmazeuten und Chemiker vor der Herausforderung, aus einer Vielzahl von potenziellen Wirkstoffen diejenigen herauszufiltern, welche zielgerichtet bestimmte Krankheiten bekämpfen, aber gleichzeitig die geringsten Nebenwirkungen auf andere Zellen und Organe haben. Hinzu kommt, dass diese Wechselwirkungen je nach Patient unterschiedlich ausfallen können. Bis ein geeigneter Wirkstoff entdeckt ist, bedarf es daher einer Vielzahl an Tests. Künstliche Intelligenz setzt genau an diesem Punkt an. Durch den immer gezielteren Zugriff auf weitreichendes Datenmaterial kann KI innerhalb kürzester Zeit die Informationen verschiedener Wirkstoffe auswerten, während gleichzeitig etwaige Nebenwirkungen in die Analyse einbezogen werden. Auch die zeit- und kostenintensive Phase der klinischen Tests und Studien kann optimiert werden, indem gezielt Probanden auf Basis vorher definierter Kriterien identifiziert werden. Dies ermöglicht gleichzeitig eine bessere Planbarkeit der Herstellungsprozesse, um möglichst schnell fertige Produkte liefern zu können.

Neue Forschungsgebiete erschliessen und bewährte Herstellungsprozesse verbessern

In der Forschung & Entwicklung kann KI dazu beitragen, proaktiv neue Forschungsgebiete zu identifizieren und damit neue Marktpotenziale frühzeitig zu erschliessen. Eine von vielen Unternehmen und Forschungseinrichtungen noch zu wenig genutzte Fähigkeit von Künstlicher Intelligenz ist es, in der Vergangenheit erhobene Daten erneut zu betrachten und dadurch neue Zusammenhänge zu entdecken. Durch den technischen Fortschritt und die immer grössere Rechenleistungen lassen sich so Daten weiter auswerten und neue Erkenntnisse gewinnen. Ein grosser Vorteil liegt vor allem darin, dass KI ohne grossen zeitlichen und finanziellen Mehraufwand entscheiden kann, wann welche Tests und in welcher Reihenfolge durchgeführt werden sollten. Für Unternehmen bedeutet dies, bereits frühzeitig zu wissen, wie Produkte auf neuartige Erkenntnisse hin optimiert werden können.

Die erneute Prüfung bereits vorhandener Daten unterstützt ebenso die Industrie bereits heute in der Optimierung ihrer etablierten Herstellungsprozesse. So fand etwa ein Unternehmen durch eine neuartige KI-Lösung einen signifikanten Fehler im Herstellungsprozess, von dessen Existenz es zuvor nicht einmal wusste. In einer Produktionsstrasse schloss ein kleines Ventil nicht mehr richtig und sorgte dafür, dass zu viel eines bestimmten Rohmaterials in den Produktionsprozess gelangte. Die Abweichung war so minimal, dass nur ein Machine-​Learning-Algorithmus die Auffälligkeit entdeckte. KI half dabei, den Fehler zu erkennen und frühzeitig zu beheben. Dadurch konnten negative Implikationen auf die Produktqualität sowie Auswirkungen auf die Wirtschaftlichkeit und die «Brand Reputation» vermieden werden.

Die passende KI-Lösung auswählen

Um dieses Potenzial voll auszuschöpfen und neue Ansätze in der medizinischen Forschung aufzuzeigen, muss die jeweilige KI-Lösung auf spezifische Anforderungen des Unternehmens, der Forschungseinrichtung und der spezifischen Fragestellung angepasst werden. Es gilt den richtigen Partner zu finden, der das Verständnis für den Fachbereich sowie die technologische Expertise für KI mitbringt. BIOVIA von Dassault Systèmes ist etwa auf digitale Lösungen im wissenschaftlichen Bereich spezialisiert. In Kombination mit der 3DEXPERIENCE-Plattform bietet die Software umfassende Lösungen, die Life-Science-Unternehmen und Forschungseinrichtungen bei der digitalen Transformation unterstützen. - kmu - SMM

(ID:46220784)