3R in der präklinischen Forschung

2. Das Potenzial von Big Data und künstlicher Intelligenz für 3R in der präklinischen Forschung

Vorhandene und zukünftig generierte Daten nutzbar machen

Die Anerkennung von Alternativmethoden ist das eine. Doch welche Möglichkeiten verspricht Big Data, wenn es darum geht, den 3R zusätzlichen Schub zu geben? Big Data hat ein noch nicht erschlossenes Potenzial, das die biomedizinische Forschung beschleunigen und weiter verbessern kann. Aber wie kann das funktionieren? Forschungsergebnisse werden zwar in wissenschaftlichen Fachzeitschriften publiziert, so auch die Erkenntnisse aus Tierversuchen. Allerdings sind die Daten aus Studien – zum Beispiel Informationen zu der jeweiligen Methodik, Ergebnisse, ab welcher Dosis ein Medikament Nebenwirkungen verursacht hat oder wann ein Medikament wirksam gegen eine Krankheit wirkt – nirgends so erfasst, dass Forschende die Resultate aus den vergangenen Studien nutzen und vergleichen können. Um von bereits durchgeführten Tierversuchen zu lernen, müssten die vorhandenen Versuchsdaten – unabhängig davon, ob die Ergebnisse positiv oder negativ waren –  zum Beispiel über eine digitale Plattform gesammelt und so verknüpft werden, dass die Informationen einfach und rasch für den Kreis der Forschenden zugänglich sind. Tabletten zum Beispiel bestehen aus der aktiven Substanz, die gegen eine Krankheit wirkt, sowie aus Stoffen, um die Tablette aufzufüllen und pressen zu können. Diese Füllstoffe dürfen keine toxischen Wirkungen auslösen und müssen somit auch in Tierversuchen getestet werden. Da die Füllstoffe in der Tablettenherstellung breit eingesetzt werden, wäre es zielführend, alle toxikologischen Tests in einer Datenbank zu erfassen, sodass andere Forschende an Universitäten oder in den forschenden pharmazeutischen Firmen diese Testergebnisse für ihre eigenen Anwendungen verwenden können, ohne die Tests zu wiederholen. Somit ist der Nutzen von Big Data nur dann von Bedeutung, wenn Daten verknüpft und zugänglich sind. Diese vorhandenen Daten kollektiv nutzbar zu machen, bedeutet auch, einen Kulturwandel in Gang zu setzen und bestehende Silos innerhalb von Institutionen und zwischen Forschungseinrichtungen und Unternehmen zu überwinden.

Der Einsatz von künstlicher Intelligenz bedingt grosse Datensätze

Sind grosse Datenmengen verfügbar, so stellt sich die Frage nach dem Einsatz von künstlicher Intelligenz (KI). Tatsächlich könnte eine Verknüpfung von Daten aus Tierversuchen nicht nur dazu führen, dass diese nicht mehr repliziert werden, sondern auch, dass gänzlich neue Techniken und Anwendungen entwickelt werden können. Künstliche Intelligenz könnte zum Beispiel dazu genutzt werden, um Tierversuche zu modellieren und damit vorherzusehen, ob ein Medikament wirkt oder wie sicher es ist, ohne dass dafür Studien am Tier nötig sind. In der traditionellen Medikamentenentwicklung macht die «Drug Discovery», also die Phase, in der neue Wirkstoffe entdeckt und «in vitro» – zum Beispiel in Zellkulturen – getestet werden, den grössten Anteil der Medikamentenentwicklung aus (Anzahl der Tests von potenziellen Wirkstoffkandidaten). In einem nächsten Schritt wird ein potenzielles Medikament in Tierversuchen geprüft, bevor es in klinischen Studien am Menschen eingesetzt wird. Die künstliche Intelligenz könnte entscheidend dazu beitragen, diese «In-vitro-Forschung» auszubauen und Tierversuche in der präklinischen Phase teilweise obsolet zu machen, also weiter zu verringern. Auch hat sie das Potenzial, den Prozess der Medikamentenentwicklung von der Idee bis zur Zulassung zu beschleunigen und Fehler in einer früheren Entwicklungsphase zu entdecken, sodass es nur vielversprechende Wirkstoffkandidaten in die klinische Phase schaffen. Der Einsatz von künstlicher Intelligenz setzt jedoch eine grosse Menge an Daten und den Zugriff auf die Datensätze voraus, wobei dem Schutz des geistigen Eigentums Rechnung zu tragen ist. Darüber hinaus braucht es vor allem aber auch Forschende mit der Kompetenz, die künstliche Intelligenz zielführend einzusetzen, gewonnene Erkenntnisse zu bewerten und basierend darauf Entscheide zu fällen.