KI-Maus soll Tierversuche in der Nanomedizin reduzieren
Empa-Forschende haben ein KI-gestütztes Computermodell einer Labormaus entwickelt, das vorhersagen soll, wie sich Nanopartikel im Organismus verteilen. Ziel ist es, Tierversuche teilweise zu ersetzen.
Die Empa-Forschende Jimeng Wu entwickelt ein KI-Mausmodell, das vorhersagen soll, wie sich Nanopartikel im Organismus verteilen.
Foto: EMPA
Hirntumore gehören zu den schwierigsten Krebsarten. Ein Grund dafür ist die Blut-Hirn-Schranke: Sie schützt das Gehirn vor Schadstoffen, blockiert aber gleichzeitig viele Medikamente. Seit Jahren versuchen Forschende deshalb, Wirkstoffe mithilfe von Nanopartikeln gezielt durch diese biologische Barriere zu transportieren.
Ein Forschungsteam der Eidgenössischen Materialprüfungs- und Forschungsanstalt (Empa) in der Schweiz verfolgt dafür nun einen anderen Ansatz: Statt immer neue Nanomaterialien zunächst an Versuchsmäusen zu testen, entwickelte die Gruppe um Doktorandin Jimeng Wu ein KI-gestütztes Computermodell, das vorhersagen soll, wie sich Nanopartikel im Organismus verteilen. Ziel ist es, Tierversuche bereits in frühen Entwicklungsphasen teilweise zu ersetzen.
Inhaltsverzeichnis
In den letzten Jahren hat die Nanotechnologie eine wichtige Rolle für die medizinische Forschung eingenommen. Materialien im Nanobereich können, bildlich gesprochen, die Rolle von Postboten übernehmen, die Wirkstoffe an die gewünschte Adresse ausliefern. Da Nanopartikel unvorstellbar klein sind – ungefähr 500-mal kleiner als der Durchmesser eines menschlichen Haars – schaffen es einige, die Schutzbarrieren des Körpers zu passieren, ohne diese zu verletzen. Um beim Beispiel des Hirntumors zu bleiben: Nanopartikel könnten also chemotherapeutische Wirkstoffe über die Blut-Hirn-Schranke ins Gehirn transportieren, wo diese dann den Hirntumor bekämpfen können.
Mäuse als Testobjekt
Nanopartikel müssen je nach Aufgabe, die sie erfüllen sollen, ganz bestimmte Eigenschaften aufweisen: Je nach Form, Materialzusammensetzung und Größe verteilen sie sich unterschiedlich im Körper und reichern sich in anderen Organen an.
Für Forschende ist es besonders wichtig, herauszufinden, welche Partikel ihre Aufgabe bestmöglich ausführen und dabei keine schädlichen Nebenwirkungen haben. Bisher nutzen Wissenschaftlerinnen und Wissenschaftler Tiermodelle, meistens Mäuse, um diese Fragen zu beantworten:
Sie verabreichen Mäusen verschiedene Nanomaterialien und untersuchen, wie sich diese im Mäusekörper verteilen und welche Nebenwirkungen auftreten. Das Problem an solchen Studien:
- Sie sind aufwändig
- Sie sind langwierig
- Sie sind teuer
- Sie sind aus ethischer Sicht problematisch
KI-Maus als Lösung?
Die Empa-Forscherin und Doktorand Jimeng Wu, hat aus diesem Grund eine virtuelle Maus entwickelt. Diese soll ein Testvorgehen ermöglichen, das Zeit spart und Tiere schützt. Das Modell ist physiologisch basiert und pharmakokinetisch (PBPK-Modell), was bedeutet, dass es die Wechselwirkungen zwischen einem Arzneimittel und dem menschlichen Körper beschreibt. Wu hat 18 Mausstudien als Grundlage genommen, sowie ein statistisches Verfahren, die Markov Chain Monte Carlo-Simulation (MCMC).
Die virtuelle Maus ist Teil eines größeren Trends in der Medizintechnik: dem Aufbau digitaler Zwillinge biologischer Systeme.
Digitale Zwillinge werden bereits in der Industrie eingesetzt, um Maschinen oder Produktionsanlagen virtuell abzubilden. In der Medizin verfolgen Forschende ein ähnliches Ziel. Statt Turbinen oder Fabriken werden Organe oder biologische Prozesse simuliert.
PBPK-Modelle gelten dabei als eine Art Vorstufe biologischer Digital Twins. Sie bilden den Transport von Wirkstoffen durch den Körper mathematisch nach und werden seit Jahren in der Arzneimittelentwicklung eingesetzt. Moderne KI-Verfahren sollen diese Modelle nun deutlich flexibler machen.
Ein Forschungsteam der University of Florida zeigte bereits 2023, dass sich KI-gestützte PBPK-Modelle nutzen lassen, um die Verteilung von Nanopartikeln in Tumoren vorherzusagen.
Die Empa-Arbeit geht nun einen Schritt weiter: Statt lediglich die Anreicherung in Tumoren vorherzusagen, soll das Modell die Verteilung verschiedener Nanopartikel in mehreren Organen simulieren.
Virtuelle Maus statt Tierversuche
Wu’s Ergebnis ist eine virtuelle Maus, mit der die Verteilung virtueller Nanopartikel testen kann. Das Modell berechnet deren Verteilung im Mäusekörper aufgrund ihrer Eigenschaften wie Grösse, Beschichtung und Oberflächenladung. Gegenüber einem traditionellen PBPK-Modell, das jeweils nur für eine einzige Substanz kalibriert ist, hat Wus KI-Maus einen entscheidenden Vorteil: „Das Modell kann seine Parameter an die messbaren Eigenschaften des jeweiligen Nanopartikels anpassen“, erklärt Jimeng Wu.
„Dieses KI-gestützte Screening-Instrument erlaubt es Forschenden, virtuell zu testen, welche Art von Nanopartikeln sich am besten für eine bestimmte Aufgabe eignen, bevor sie diese Partikel überhaupt herstellen“, führt Jimeng Wu weiter aus.
Das spare nicht nur Zeit, sondern auch Kosten, weil es eine Entscheidungshilfe bietet, bevor eine kostspielige klinische Studie gestartet wird.
Das größte Problem: Zu wenig Daten
Das Mausmodell ist bisher mit einem sehr kleinen Datensatz trainiert: 18 Publikationen konnten bisher genutzt werden, deren Datenqualität genügte. Eine Hürde seien vor allem die mangelnden Beschreibungen der verwendeten Nanopartikel. Weiteres Vorgehen ist nun, die virtuelle Maus mit zusätzlichen Studiendaten zu füttern und zu verifizieren, um die Zuverlässigkeit der Vorhersagen weiter zu erhöhen.
Der virtuelle Mensch?
Jimeng Wus zukünftige Forschungsarbeit wird sich zudem einer sogenannten „Brückenstrategie“ widmen, um das Prinzip ihres in silico-Modells auf die menschliche Forschung zu übertragen. Dafür plant sie, die Prinzipien der virtuellen Maus in ein menschliches PBPK-Modell einzubetten.
Im Gegensatz zu ihrer simulierten Maus, die lediglich die Verteilung von Nanopartikeln in Leber, Nieren, Lunge und Milz berechnet, könnte ein menschliches in silico-Modell auch zur Untersuchung sensibler Zielorgane eingesetzt werden – zum Beispiel, um zu erforschen, in welchem Ausmaß bestimmte Nanopartikel die Blut-Hirn-Schranke überwinden können.
Hier geht es zur Originalpublikation: Data-Driven Prediction of Nanoparticle Biodistribution from Physicochemical Descriptors | ACS Nano
Ein Beitrag von:
