Drei Innovationen, die das Wachstum im Gesundheitswesen vorantreiben

Agustin Mohedas: Heute werde ich mit Ihnen über das Gesundheitswesen und dann genauer über die Biotechnologie sprechen.

ADCs: Revolution in der Krebsbehandlung

Jetzt möchte ich etwas Zeit mit den so genannten Antikörper-Wirkstoff-Konjugaten verbringen, da ich glaube, dass es sich dabei um eine ziemlich revolutionäre neue Technologie handelt, von der Sie wahrscheinlich noch viel hören werden und die unsere Vorgehensweise im Bereich der Onkologie bzw. der Krebsbehandlung wirklich verändert.

Ein paar grundlegende Informationen zur Biologie: Unser Körper bildet Antikörper gegen Bakterien und Viren, um diese Viren zu neutralisieren und zu zerstören und dadurch Infektionen vorzubeugen. Dies ist Teil unserer natürlichen Immunität.

Tatsächlich haben Biotechnologieunternehmen in den vergangenen Jahren herausgefunden, wie man diesen Teil unseres Immunsystems für die Entwicklung von Therapien nutzen kann. Was wir also tun können, ist, einen Antikörper zu erzeugen, der sich an einen bestimmten Teil einer Zelle oder eines Proteins bindet.

Mittlerweile weisen Krebszellen auf ihrer Zelloberfläche spezifische Marker auf, mit deren Hilfe wir sie von gesundem Gewebe unterscheiden können. Somit können wir Antikörper entwickeln, die speziell gegen diese Marker gerichtet sind. Darüber hinaus können wir eine sogenannte Payload anbringen. In diesem Fall handelt es sich bei einer Payload im Wesentlichen um eine Chemotherapie, eine hochwirksame Chemotherapie, die wir an den Antikörper anhängen. Was wir also im Prinzip geschaffen haben, ist eine Art Trojanisches Pferd, das sich an die Krebszelle binden, in diese eindringen und die Payload (oder das Zytostatikum oder die Chemotherapie) abgeben kann und dann die Krebszelle abtötet, während gesundes Gewebe verschont bleibt.

GLP-1: Weniger Gesundheitsrisiken

Jetzt befassen wir uns ein wenig mit Adipositas. Ich denke, dass die GLP-1 natürlich eine Menge Aufmerksamkeit in den Medien bekommen haben. Der Grund, warum ich das heute zur Sprache bringe, ist, dass meiner Meinung nach viele Menschen die Tatsache übersehen haben bzw. die Medien sich nicht ausreichend darauf konzentriert haben, dass diese Medikamente tatsächlich die Überlebenschancen steigern. Sie helfen den Menschen nicht nur beim Abnehmen, sondern lindern auch die damit verbundenen Folgeerscheinungen, wie Herzkrankheiten, Schlaganfälle und, wie ich glaube, letztendlich – das ist allerdings nicht bewiesen – letztendlich auch Krebs.

Ich wollte diese GLP-1 hervorheben, weil Adipositas weltweit ein großes Problem darstellt und wir erwarten, dass sich die Arzneimittelklasse GLP-1 bzw. diese Medikamente gegen Adipositas zu einem weltweiten Markt im Wert von wahrscheinlich 100 bis 200 Milliarden US-Dollar entwickeln werden. Das wird dann der größte Pharmamarkt sein, den wir je gesehen haben. Daher ist es aus Anlegersicht ziemlich spannend, herauszufinden, wer die Gewinner sein werden und was uns noch bevorsteht.

KI: schnellere Arzneimittelentdeckung

Ich möchte ein wenig über KI [künstliche Intelligenz] sprechen, ein Bereich, der in letzter Zeit ebenfalls viel Aufmerksamkeit erhalten hat, und darüber, wie sich dies positiv auf den Prozess der Arzneimittelentdeckung und -entwicklung auswirken könnte. Derzeit herrscht ein großer Hype um KI und ich denke, es ist wirklich wichtig, sich bei seinen Anlageentscheidungen nicht von diesem Hype mitreißen zu lassen. Es wäre jedoch nachlässig von mir, dies nicht zu erwähnen, da ich davon überzeugt bin, dass diese Technologien unsere Arzneimittelentdeckung und -entwicklung wesentlich verbessern werden.

Bei der Entwicklung eines Medikaments dauert es also zwischen sieben und zehn Jahren, bis es auf den Markt kommt. Vom Beginn einer klinischen Studie der Phase 1 über die Studien der Phase 3 bis hin zur Zulassung durch die FDA [Food and Drug Administration]. Dieser Prozess dauert sieben bis zehn Jahre. Und tatsächlich ist diese Schätzung von sieben bis zehn Jahren sogar noch zu niedrig, da dieser Prozess noch einen ganz anderen Teil aufweist, nämlich die sogenannte präklinische Entwicklung. In dieser Phase betreiben wir Grundlagenforschung, um die Zielmoleküle unserer Medikamente zu entdecken, und modifizieren Moleküle im Labor, so wie ich es während meiner Doktorarbeit getan habe: Wir pipettieren, injizieren Mäusen etwas und solche Sachen. Das alles kann noch weitere drei bis fünf Jahre dauern.

Den größten Einfluss wird die KI meiner Meinung nach derzeit in der frühen Phase der Arzneimittelentwicklung haben. Während meiner Doktorarbeit arbeitete ich beispielsweise mit einem Chemiker zusammen und wir synthetisierten vermutlich 200 bis 500 Moleküle, die ich dann an Zellen und Mäusen testen konnte. Dies war ein sehr manueller Vorgang. Ich war eine unbezahlte Arbeitskraft, also war dies in Ordnung. Im Idealfall würde dieser Prozess jedoch robuster durchgeführt werden.

Wobei uns die KI also wirklich hilft, ist, dass wir nun in silico oder im Computer modellieren können, wie sich diese Proteine verhalten. Wir können tatsächlich modellieren, wie ein Protein sich bewegt – hier links sehen Sie ein Protein –, und dann können wir mithilfe des Computers im Wesentlichen erraten, wie ein Medikament sich an dieses Protein binden könnte. Und anstatt dass ich für meine Doktorarbeit fünf Jahre lang 200 bis 500 Moleküle im Labor synthetisiere, können wir den Computer eine Milliarde oder eine Billion Moleküle synthetisieren lassen und sie alle auf einmal im Laufe einer Woche auf einem Supercomputer testen und mithilfe der Billionen im Computer getesteten Moleküle die besten ermitteln. Hier sind die 100 besten Binder, die wir gefunden haben. Diese müssen nun hergestellt werden.

Dies ist der Punkt, an dem die KI die Arzneimittelentwicklung wirklich revolutionieren wird. In diesem frühen Stadium können wir alles im Computer modellieren. Der Computer führt die Experimente mithilfe dieser großen Modelle und adaptiver Technologie des maschinellen Lernens für uns durch. Er nimmt die ganzen großen Datenmengen, gibt sie aus und steigert damit ganz plötzlich die Produktivität der Wissenschaftler im Labor, sodass sie ihre Zeit nicht mit der Herstellung von Dingen vergeuden, die nicht funktionieren werden, sondern sich auf die Bereiche konzentrieren können, die den höchsten Ertrag bringen.