Wissen hoch N Themen
DynamAI – Arzneimittel optimal dosieren mit KI

27. 08. 2025
Verfasst von: Majid Abedi

DynamAI – Arzneimittel optimal dosieren mit KI

In einem Labor stehen zwei Personen in weißen Laborkitteln. Eine Person beugt sich über ein Mikroskop und schaut konzentriert durch das Okular. Die andere Person steht daneben und berät sich mit ihr. Auf dem Labortisch vor ihnen liegen verschiedene Laborgeräte, darunter Reagenzgläser, Flaschen und technische Apparaturen. Im Hintergrund sind Regale mit weiteren Laborutensilien und Geräten zu sehen. Die Szene wirkt ruhig und professionell. © Gorodenkoff, iStock
Welche Medikamentendosis hilft dem Patienten am besten? Um die optimale Dosierung zu finden und die Arzneimittelentwicklung ethischer und kostengünstiger zu gestalten, entwickelt das Start-up DynamAI eine automatisierte KI-Plattform.

Das Paracelsus-Prinzip „Die Dosis macht das Gift“ ist zwar wissenschaftlich überholt, denn es gibt eine Vielzahl von Einflussfaktoren, wie ein Stoff im menschlichen Körper wirkt. Doch die Grundsatzfrage in der Pharmakologie und Medizin bleibt: Welches Medikament in welcher Dosis hilft einer kranken Person am besten? Das Start-up DynamAI des Helmholtz-Zentrums für Infektionsforschung entwickelt eine KI-Plattform, um die Wirksamkeit von Arzneimitteln vorherzusagen und die Dosierung zu optimieren.

Medikamente ethisch und kostengünstig entwickeln

Traditionell erfordert die Entwicklung neuer Medikamente umfangreiche Tests in Laboren, an Tieren und schließlich in klinischen Studien an Menschen – ein zeit- und kostenintensiver Prozess. Zunehmend werden Methoden der künstlichen Intelligenz (KI) eingesetzt, um die Wirkung von Medikamenten auf den Körper vorherzusagen und die Tests an Menschen und Tieren zu minimieren. Das Start-up DynamAI bietet eine einzigartige Lösung für Probleme der Datenanalyse, Modellierung und Simulation in der Medizin, die auf Arbeiten der Abteilung System-Immunologie am Helmholtz-Zentrum für Infektionsforschung basiert. Das Gründungsteam entwickelt eine Online-Plattform, die die Wirkung von Medikamenten auf den Körper bei verschiedenen Dosierungen simuliert, um die optimale Dosierung zu finden.

Fundierte Vorhersagen trotz begrenzter Daten

Maschinelles Lernen (ML) ist ein vielversprechender Ansatz für solche prädiktiven Methoden. Allerdings erfordert der effektive Einsatz von ML und das Training der Modelle umfangreiche Datenmengen, was insbesondere bei der Entwicklung neuer Medikamente eine Herausforderung darstellt. DynamAI löst diese Herausforderung, indem es wissenschaftliche Literatur und experimentelle Daten integriert. „Dadurch kann das System fundierte Vorhersagen treffen – selbst bei begrenzter Datenverfügbarkeit“, berichtet Teamleiter Dr. Majid Abedi. Dieser innovative Ansatz reduziert die Abhängigkeit von umfangreichen Tierversuchen und ermöglicht effizientere, datengetriebene Testphasen.

Die Abbildung zeigt ein schematisches Flussdiagramm mit mehreren rechteckigen Modulen, die durch beschriftete Pfeile miteinander verbunden sind. Auf der linken Seite befinden sich drei separate Boxen mit der Beschriftung „Preklinische Daten“, „Klinische Daten“ und „Dokumente“. Von diesen führen Pfeile zu einem zentralen Modul mit der Aufschrift „Datenmodul“. Ein Pfeil mit der Beschriftung „Maschinelles Lernen“ verbindet das Datenmodul mit dem rechts daneben liegenden Modul „Vorhersagemodul“. Unterhalb des Datenmoduls befindet sich eine weitere Box mit der Beschriftung „Literaturwissen“. Ein Pfeil mit der Beschriftung „Mathematische Modellierung“ führt von dieser Box zum Vorhersagemodul. Vom Vorhersagemodul geht ein weiterer Pfeil zu einem rechts daneben liegenden Modul mit der Beschriftung „Optimierungsmodul“. Dieses ist mit einem Cloud-Symbol hinterlegt. Zwei kleinere Boxen mit den Beschriftungen „Dosierungskriterien“ und „Toxizitätskriterien“ zeigen jeweils mit Pfeilen auf das Optimierungsmodul. Ganz rechts im Diagramm befindet sich eine letzte Box mit der Aufschrift „Optimierte Dosis“, die durch einen Pfeil mit dem Optimierungsmodul verbunden ist. © Majid Abedi, Helmholtz-Zentrum für Infektionsforschung
Das Diagramm zeigt die Funktionsweise der Online-Plattform DynamAI zur Optimierung der Arzneimitteldosierung.

Dosierung optimieren, Wirksamkeit steigern

„Unsere Vorarbeiten am Helmholtz-Zentrum mit dem Antibiotikum Tobramycin haben die Stärke unserer In-Silico-Methoden deutlich gemacht“, sagt Majid Abedi. Das Antibiotikum wird zur Behandlung schwerer bakterieller Infektionen, insbesondere der Lunge, eingesetzt. Durch die Optimierung des Dosierungsschemas mittels rechnergestützter Modelle „konnten wir die Wirksamkeit des Medikaments um 22 Prozent steigern“, betont er. Die Wirkungssteigerung wurde zunächst in Computersimulationen vorhergesagt und anschließend im Labor in In-vitro-Experimenten getestet und validiert. Für den Forscher ist das ein überzeugender Beweis für das transformative Potenzial von DynamAI. Das Start-up zielt darauf ab, die Arzneimittelentwicklung effizienter, ethischer, kostengünstiger und zugänglicher zu machen. Das kommt sowohl Pharmaunternehmen als auch Patientinnen und Patienten zugute.

 

Hier finden Sie weitere Informationen:

Zitation: Abedi, M. (2025). DynamAI – Arzneimittel optimal dosieren mit KI. Wissen Hoch N. https://doi.org/10.60479/0RYD-0538
Dr. Majid Abedi
Adresse
Helmholtz-Zentrum für Infektionsforschung
Forschungsgruppe System-Immunologie
Braunschweiger Zentrum für Systembiologie BRICS
Dr. Majid Abedi
Adresse
Helmholtz-Zentrum für Infektionsforschung
Forschungsgruppe System-Immunologie
Braunschweiger Zentrum für Systembiologie BRICS

Bestellen Sie unseren Newsletter.
Folgen Sie uns auf LinkedIn.
Abbonieren Sie unseren RSS-Feed.