KI schreibt die Regeln der Antibiotika-Entdeckung neu

Seit Jahrzehnten schwebt das Schreckgespenst der Antibiotikaresistenzen über der globalen öffentlichen Gesundheit und droht, die Medizin in eine Ära zurückzuwerfen, in der gewöhnliche Infektionen wieder tödlich werden könnten. Nun bietet ein jüngster Durchbruch, die Entdeckung einer neuen Klasse wirksamer Antibiotikamoleküle, entworfen von einem innovativen System, einen dringend benötigten Hoffnungsschimmer. Diese Entwicklung, die wir als entscheidenden Wendepunkt betrachten, deutet auf einen potenziellen Paradigmenwechsel in der Medikamentenentwicklung und im ewigen Wettrüsten gegen resistente Bakterien hin.

Die Herausforderung der Antibiotikaresistenz ist immens. Mikroorganismen entwickeln ständig Mechanismen, um unseren Medikamenten auszuweichen, was die Behandlung von Infektionen zunehmend erschwert. Die Weltgesundheitsorganisation (WHO) stuft antimikrobielle Resistenzen als eine der drei größten Bedrohungen für die öffentliche Gesundheit im 21. Jahrhundert ein, neben dem Klimawandel und der Impfskepsis. Mit schätzungsweise 1,3 Millionen Todesfällen jährlich weltweit und Prognosen von globalen Wirtschaftskosten in Höhe von 3,4 Billionen US-Dollar bis 2030 verdeutlichen die Dringlichkeit neuer Lösungen. Allein in der Europäischen Union sterben jedes Jahr mehr als 35.000 Menschen an Infektionen mit antimikrobiell resistenten Bakterien.

Historisch gesehen war die Entdeckung neuer Antibiotika ein langsames, mühsames und kostspieliges Unterfangen. Das „Goldene Zeitalter“ der Antibiotika-Entdeckung, zwischen den späten 1940er- und den 1960er-Jahren, lieferte etwa die Hälfte der heute noch verwendeten Antibiotika. Doch seit Jahrzehnten sind die Ergebnisse spärlich. Wissenschaftliche Schwierigkeiten führen dazu, dass nur etwa 3-6 % der neuen Antibiotika die strengen Sicherheits- und Wirksamkeitsanforderungen für die Zulassung erfüllen, ein Prozess, der über 10-15 Jahre dauern kann. Selbst dann treten oft innerhalb von nur 2-3 Jahren nach der Einführung eines Medikaments neue resistente Stämme auf.

Jenseits der wissenschaftlichen Hürden hemmen auch wirtschaftliche Faktoren die Innovation. Die Entwicklung neuer Antibiotika ist teuer, und ihre Marktanreize sind begrenzt. Diese Medikamente werden typischerweise nur wenige Tage zur Behandlung einer Infektion eingenommen, was zu niedrigeren Preisen und einem geringeren Verbrauch im Vergleich zu Behandlungen chronischer Erkrankungen führt. Dieses Finanzmodell zwingt kleinere Pharmaunternehmen oft dazu, vielversprechende Forschungen einzustellen, wodurch das Geschäft mit Antibiotika ohne erhebliche Anreize von Regierungen und internationalen Gesundheitsorganisationen weniger attraktiv wird.

Die transformative Rolle der KI in der Arzneimittelentdeckung

Das Problem der antimikrobiellen Resistenzen, das die WHO als kritische Priorität betrachtet, erfordert einen schnelleren, effizienteren Ansatz. Hier erweist sich künstliche Intelligenz als entscheidend. KI-Systeme, insbesondere solche, die neuronale Netze und Deep Learning nutzen, können Millionen bekannter Molekülstrukturen schnell analysieren, um potenzielle Antibiotika-Kandidaten zu identifizieren.

So trainierte beispielsweise eine internationale Forschungsgruppe eine KI darauf, Moleküle mit antibiotischer Wirkung von solchen zu unterscheiden, die für menschliche Zellen toxisch sind. Anschließend fütterten sie die KI mit über 12 Millionen Verbindungen, aus denen sie 283 vielversprechende Kandidaten identifizierte. Weitere Labortests enthüllten zwei Moleküle, die zu einer neuen Antibiotikaklasse gehören und gegen Methicillin-resistenten Staphylococcus aureus (MRSA) und Vancomycin-resistente Enterokokken wirksam waren – beides berüchtigte multiresistente Bakterien. Ein anderer Ansatz beinhaltet generative KI, die völlig neue Molekülstrukturen entwerfen kann, anstatt nur bestehende zu screenen, um neuartige Verbindungen zu schaffen, die potenziell gegen Bakterien wie Neisseria gonorrhoeae und MRSA wirken. Diese Fähigkeit, in silico zu entwerfen und zu testen, reduziert die anfänglichen Kosten und den Zeitaufwand, die mit der traditionellen Medikamentenentwicklung einhergehen, erheblich.

Eine neue Ära gezielter Behandlungen

Neben der KI konzentrieren sich wissenschaftliche Organisationen auch auf Strategien, die bestehende Antibiotika mit Resistenzinhibitoren kombinieren, um deren Wirksamkeit wiederherzustellen. Bakterien entwickeln oft Resistenzen, indem sie Enzyme wie Beta-Laktamasen und Carbapenemasen produzieren, die Antibiotikamoleküle zerstören. Neue Medikamente werden durch die Kombination eines Antibiotikums mit einem Inhibitor formuliert, der diese Enzyme neutralisiert, sodass das Antibiotikum funktionieren kann. Beispiele hierfür sind Kombinationen wie Ceftolozan/Tazobactam oder Ceftazidim/Avibactam, die gegen eine Reihe Gram-negativer Bakterien wirksam sind, darunter Pseudomonas aeruginosa und bestimmte Enterobacterales. Eine weitere entscheidende Entwicklung ist Cefiderocol, ein Siderophor-Cephalosporin, das in der Lage ist, aktiv in Gram-negative Bakterienmembranen einzudringen und eine neue Waffe gegen hochresistente Krankheitserreger wie Carbapenem-resistenten Acinetobacter baumannii und Pseudomonas aeruginosa darstellt.

Die laufende Forschung befasst sich mit verschiedenen multiresistenten Gram-negativen Bakterien, darunter Klebsiella pneumoniae, Escherichia coli und Enterobacterales, die von der WHO als prioritäre Krankheitserreger identifiziert wurden. Während traditionelle Methoden weiterhin entscheidend sind, beschleunigt die Integration von KI das Tempo und ermöglicht es Forschenden, neuartige Wirkmechanismen zu erforschen, gegen die Bakterien möglicherweise noch keine Resistenzen entwickelt haben. Dies markiert einen hoffnungsvollen Wandel, da wir uns nicht nur zu leistungsfähigeren, sondern auch zu intelligenteren Antibiotika bewegen, die darauf ausgelegt sind, die sich entwickelnden Bedrohungen durch Supererreger zu überlisten. Der Kampf ist noch lange nicht vorbei, aber mit KI an unserer Seite sieht die Zukunft der Antibiotikaentwicklung heller aus als seit Jahrzehnten.