Digitale Zwillinge: Sanofi-Team simuliert Wirkstoffe vor klinischen Studien
Veröffentlicht am: 07.10.2026 um 06:18 Uhr | Redaktion boerse-global.de
Die Entwicklung neuer Medikamente und medizinischer Therapien erfordert langwierige Prozesse, bevor Wirkstoffe erstmals in klinischen Studien am Menschen getestet werden können. Um präklinische Phasen präziser zu gestalten, setzt die pharmazeutische Forschung zunehmend auf computergestützte Modellierungen.
Am Sanofi BioCampus Frankfurt arbeitet ein Team um Markus Rehberg an der Erstellung sogenannter digitaler Zwillinge. Diese virtuellen Patienten sollen es ermöglichen, die Wirksamkeit neuer Arzneimittel bereits vor dem Start klassischer klinischer Studien rechnerisch zu simulieren.
Künstliche Intelligenz unterstützt präklinische Analysen
Der Einsatz virtueller Patienten dient dazu, biologische Prozesse und Reaktionen auf Wirkstoffe im Computer nachzubilden. Bei der Modellierung greift das Team um Markus Rehberg auf künstliche Intelligenz zurück, die sowohl bei der Analyse komplexer Datenmengen als auch bei der Generierung der Simulationsmodelle unterstützt.
Durch diese In-silico-Verfahren lässt sich prüfen, wie Moleküle potenziell mit zellulären Zielstrukturen interagieren, noch bevor Patientengruppen in Erprobungsphasen eingebunden werden.
Während die Medizin durch KI-Simulationen Fortschritte macht, müssen Unternehmen beim Einsatz solcher Technologien neue regulatorische Anforderungen beachten. Dieser kostenlose Leitfaden bietet einen kompakten Überblick über Pflichten und Fristen, die der EU AI Act für den Einsatz von KI vorschreibt. EU AI Act in 5 Schritten verstehen
Ein bedeutsames Anwendungsfeld für präzisere Entwicklungsansätze stellen chronische Leiden dar. Schätzungsweise 5 bis 8 Prozent der Menschen in Deutschland sind von Autoimmunerkrankungen betroffen. Dazu zählen unter anderem Asthma, rheumatoide Arthritis sowie chronisch-entzündliche Darmerkrankungen.
Da diese Krankheitsbilder durch vielschichtige Fehlsteuerungen des Immunsystems geprägt sind, verspricht die rechnerische Modellierung neuer Wirkstoffkandidaten eine gezieltere Auswahl vielversprechender Ansätze für die nachfolgende klinische Prüfung.
Prüfrahmen für computergestützte Simulationen
Parallel zur Modellierung von Wirkstoffen gewinnen In-silico-Methoden auch bei der Bewertung von Medizinprodukten an Bedeutung. Wissenschaftler widmen sich dabei der Frage, wie die Zuverlässigkeit solcher Simulationen systematisch validiert werden kann.
Ein Team um Dr. Yidan Xue von der University of Manchester entwickelte hierzu einen risikobasierten Prüfrahmen für Computersimulationen, wie in der Fachzeitschrift Device (DOI: 10.1016/j.device.2026.101303) dargelegt wurde.
Wer sich mit der Integration von KI-Systemen in hochsensiblen Bereichen befasst, sollte die rechtlichen Rahmenbedingungen der neuen EU-Verordnung genau kennen. Erfahren Sie in diesem kostenlosen Report, welche Systeme als Hochrisiko eingestuft werden und welche Dokumentationspflichten damit verbunden sind. Kostenlosen Umsetzungsleitfaden zum AI Act herunterladen
Der Rahmen wurde beispielhaft an einem hypothetisch veränderten System für die Transkatheter-Aortenklappenimplantation demonstriert. Das Prüfverfahren bewertet das spezifische Modellrisiko, analysiert mögliche Schäden und verknüpft die rechnerischen Simulationsdaten mit klassischer Evidenz.
Ansätze dieser Art schaffen methodische Grundlagen, um computergestützte Daten verbindlicher in regulatorische und entwicklungstechnische Entscheidungen einzubinden.
Ergänzung klassischer Studienphasen
Virtuelle Patienten und standardisierte Simulationsrahmen ersetzen klinische Studien nicht vollständig, können deren Vorbereitung jedoch optimieren. Indem digitale Abbilder biologischer Systeme frühe Wirksamkeits- und Risikoprofile liefern, lassen sich Entwicklungszeiten strukturieren und präklinische Versuchsreihen zielgerichteter ausrichten.
Rechnergestützte Modelle etablieren sich damit als wichtiges Werkzeug, um die pharmazeutische Wirkstoffsuche effizienter auf reale Anwendungsfälle vorzubereiten.
