Inhalt
- Wichtige Erkenntnisse
- Rentosertib: Anatomie eines Meilensteins in Phase IIa
- Die Phase-IIa-Einschränkung: Warum die meisten Wirkstoffe scheitern
- Die Kluft in der Medizin-KI: Benchmarks vs. Verwaltungswerkzeuge
- AlphaFold 2: Ein Beschleuniger, kein Ersatz für Experimente
- Was als Nächstes zu beobachten ist: Die entscheidenden Meilensteine
- Häufig gestellte Fragen
- Quellen und Referenzen
Wichtige Erkenntnisse
- Der Meilenstein: Rentosertib (ISM001-055) von Insilico Medicine hat eine klinische Phase-IIa-Studie zur Behandlung von idiopathischer pulmonaler Fibrose (IPF) erfolgreich abgeschlossen und zeigte gute Sicherheit, Verträglichkeit und eine dosisabhängige Verbesserung der Lungenkapazität.
- Die klinische Indikation: Rentosertib dient der Behandlung der idiopathischen pulmonalen Fibrose (IPF), einer fortschreitenden und tödlichen Lungenerkrankung. Es blockiert das Enzym TNIK, um die zellulären Signalwege zu stoppen, die die Vernarbung des Gewebes antreiben.
- Die Konkurrenz: Frühere Wirkstoffkandidaten von Wettbewerbern konnten in Phase-II-Studien keine klinische Wirksamkeit nachweisen. BEN-2293 von BenevolentAI verfehlte im April 2023 seine Wirksamkeitsendpunkte, und Exscientia stellte die Entwicklung seines A2A-Rezeptor-Antagonisten EXS-21546 im Oktober 2023 ein.
- Die Einschränkung: Das Bestehen von Phase IIa is kein Beweis für therapeutische Wirksamkeit. Etwa 50 % bis 60 % aller niedermolekularen Wirkstoffe, die Phase II abschließen, scheitern in Phase III an Toxizität, Dosierungsproblemen oder mangelnder Wirksamkeit in größeren Patientengruppen.
- Der praktische Unterschied: Während klinische Frage-Antwort-Systeme wie Med-PaLM 2 von Google in Benchmarks hervorragende Ergebnisse erzielen, fehlt ihnen die FDA-Zulassung für Diagnosen. Dagegen haben administrative Tools wie DAX Copilot von Microsoft über 400 Organisationen im Gesundheitswesen erreicht.
Rentosertib: Anatomie eines Meilensteins in Phase IIa
Der Prüfwirkstoff Rentosertib (zuvor ISM001-055 oder INS018_055) von Insilico Medicine hat seine klinische Phase-IIa-Studie GENESIS-IPF (NCT05938920) abgeschlossen. Die in Nature Medicine am 3. Juni 2025 veröffentlichten Ergebnisse zeigen einen wichtigen Meilenstein in der computergestützten Chemie - den ersten Wirkstoffkandidaten, der mittels generativer KI-Algorithmen identifiziert und entworfen wurde und eine Phase-IIa-Studie mit positiven Sicherheits- und vorläufigen Wirksamkeitsdaten abgeschlossen hat.
Rentosertib blockiert die Traf2- und NCK-interagierende Kinase (TNIK), einen biologischen Signalweg, der durch die Zielstruktur-Software PandaOmics von Insilico identifiziert wurde. Nach der Entdeckung von TNIK als Treiber für idiopathische pulmonale Fibrose (IPF) - eine tödlich verlaufende Lungenkrankheit - nutzte Insilico seine generative Chemieplattform Chemistry42 für das Design des Inhibitor-Moleküls. Der gesamte Prozess von der Zielstruktur-Identifikation bis zur Auswahl des klinischen Kandidaten dauerte etwa 18 Monate, was im Vergleich zu klassischen Entwicklungswegen eine erhebliche Beschleunigung darstellt.
Wofür wird Rentosertib angewendet?
Rentosertib wurde zur Behandlung der idiopathischen pulmonalen Fibrose (IPF) entwickelt - einer chronischen, fortschreitenden und letztlich tödlichen Lungenkrankheit, die durch die Vernarbung (Fibrose) des Lungengewebes gekennzeichnet ist. Durch die Vernarbung versteift die Lunge und verliert die Fähigkeit, Sauerstoff in die Blutbahn aufzunehmen, was zu schweren, unumkehrbaren Atembeschwerden führt. IPF hat eine schlechte Prognose, und bestehende Behandlungen verlangsamen das Fortschreiten der Krankheit nur, anstatt den Schaden zu stoppen oder rückgängig zu machen.
Das therapeutische Ziel TNIK ist ein Kinase-Enzym, das an zellulären Signalwegen (insbesondere den Wnt/Beta-Catenin- und TGF-Beta-Signalwegen) beteiligt ist, die den Gewebeumbau und die Anhäufung von fibrotischem Gewebe steuern. Durch die Blockierung von TNIK soll Rentosertib die Fibrose-Kaskade stoppen, die Bildung von neuem Narbengewebe verhindern und eine Stabilisierung des Lungengewebes ermöglichen. Während die primäre klinische Indikation IPF is, deuten präklinische Studien darauf hin, dass TNIK-Inhibitoren künftig auch bei anderen fibrotischen Erkrankungen der Nieren, der Leber und der Haut eingesetzt werden könnten.
Laut einem Marktbericht von BCC Research vom 14. Juli 2026 mit dem Titel AI Impact on Emerging Drugs Market flossen bereits über 2 Milliarden Dollar an globalen Investitionen in die KI-gestützte Wirkstoffsuche. Der Bericht stellt fest, dass KI-Integrationen die frühen Phasen der Wirkstoffsuche um 70 % verkürzen können, wodurch ein Prozess, der normalerweise vier bis fünf Jahre dauert, auf 12 bis 18 Monate komprimiert wird.
Die multizentrische, randomisierte, doppelblinde und placebokontrollierte Phase-IIa-Studie von Insilico schloss 71 Patienten in 22 Prüfzentren in China ein. Die Patienten erhielten über einen Zeitraum von 12 Wochen entweder ein Placebo oder orale Dosen von einmal täglich 30 mg, zweimal täglich 30 mg oder einmal täglich 60 mg.
Laut den in Nature Medicine veröffentlichten Daten wurde der primäre Endpunkt der Studie bezüglich Sicherheit und Verträglichkeit erreicht. Ebenso wurden die sekundären Wirksamkeitsendpunkte erreicht, wobei sich eine dosisabhängige Verbesserung der Lungenfunktion zeigte. Die Patienten in der 60-mg-Gruppe verzeichneten nach 12 Wochen eine durchschnittliche Zunahme der forced vital capacity (FVC) von +98.4 mL. Im Vergleich dazu verzeichneten Patienten in der Placebogruppe einen durchschnittlichen FVC-Rückgang von −20.3 mL. Nach diesen Ergebnissen kündigte Insilico Medicine den Start einer klinischen Phase-III-Studie im Juli 2026 an, um Rentosertib an 320 Patienten in China zu testen.
Die Phase-IIa-Einschränkung: Warum die meisten Wirkstoffe scheitern
Obwohl die Studienergebnisse eine technische Validierung der generativen Chemie darstellen, warnen Branchenexperten davor, die Phase-IIa-Daten als Beweis für eine baldige breite Anwendung im klinischen Alltag zu sehen.
Eine Phase-IIa-Studie ist eine kleine Untersuchung, die in erster Linie dazu dient, Sicherheit, Pharmakokinetik und Dosierung in einer begrenzten Patientengruppe zu bestimmen. Sie ist nicht darauf ausgelegt, die endgültige klinische Wirksamkeit nachzuweisen. Die Pharmabranche verzeichnet in den klinischen Phasen traditionell eine sehr hohe Misserfolgsquote, oft als “klinisches Tal des Todes” bezeichnet.
Der Wirkstoffchemiker Derek Lowe beschreibt die klinische Realität der computergestützten Arzneimittelentwicklung regelmäßig in seiner Kolumne In the Pipeline. Er betont, dass maschinelles Lernen zwar die Zielstruktur-Suche und die Optimierung von Molekülen beschleunigen kann, die KI-designten Moleküle jedoch dieselben klinischen Studien durchlaufen müssen wie klassisch entwickelte Wirkstoffe. “KI-entdeckte Wirkstoffe müssen sich in Studien beweisen und tragen die gleichen Risiken wie alle anderen”, so Lowe. Klinische Sicherheit und biologische Komplexität lassen sich nicht allein durch Computermodelle lösen.
Die Geschichte früherer KI-designter Moleküle zeigt diese Unsicherheit:
- BenevolentAI: Der wichtigste Wirkstoffkandidat des Unternehmens, BEN-2293 - ein topischer Pan-Trk-Inhibitor gegen atopische Dermatitis - erreichte in einer Phase-IIa-Studie im April 2023 zwar die Sicherheitsendpunkte, verfehlte jedoch den primären Wirksamkeitsendpunkt und zeigte keine signifikante Verbesserung von Juckreiz oder Entzündung. Das Unternehmen musste daraufhin seine Forschungsaktivitäten umstrukturieren.
- Exscientia: Das Unternehmen stellte die Entwicklung seines wichtigsten Kandidaten EXS-21546 (ein A2A-Rezeptor-Antagonist für fortgeschrittene solide Tumoren) im Oktober 2023 ein. Datenmodellierungen zeigten, dass ein ausreichendes therapeutisches Fenster nur schwer zu erreichen sein würde, woraufhin die Phase-I/II-Studie IGNITE-AI beendet wurde.
- Recursion Pharmaceuticals: Der Wirkstoffkandidat REC-994 gegen zerebrale kavernöse Malformationen erreichte in einer Phase-II-Studie im September 2024 zwar den Sicherheitsendpunkt. Recursion stellte die Studie jedoch im Mai 2025 ein, nachdem Langzeitdaten zeigten, dass die anfänglichen positiven Trends nicht anhielten und keine signifikanten Verbesserungen im MRT oder bei den funktionellen Ergebnissen im Vergleich zu unbehandelten Gruppen auftraten. Im Mai 2026 übergab das Unternehmen die verbleibenden Assets des Programms an die Alliance to Cure Cavernous Malformation für die weitere Erforschung von Biomarkern.
Statistiken zeigen, dass etwa 50 % bis 60 % aller Wirkstoffkandidaten in Phase II scheitern. Zudem erreichen nur etwa 10 % bis 12 % der Wirkstoffe, die in die klinische Prüfung gehen, die Zulassung. Zwar schätzt der Bericht von BCC Research, dass KI-validierte Zielstrukturen eine höhere Wahrscheinlichkeit haben, die klinische Entwicklung erfolgreich zu durchlaufen. Dieser Nachweis muss sich jedoch erst noch in tatsächlichen FDA-Zulassungen von KI-designten Wirkstoffen zeigen.
Die Kluft in der Medizin-KI: Benchmarks vs. Verwaltungswerkzeuge
Die Hürden in den klinischen Studien verdeutlichen einen allgemeinen Trend in der medizinischen KI: die Kluft zwischen theoretisch starken Benchmark-Modellen und administrativen Werkzeugen, die bereits eine echte Verbreitung in der Praxis finden.
Ein Beispiel ist Med-PaLM 2 von Google, ein für medizinische Fragen optimiertes Sprachmodell. In einer im Mai 2023 veröffentlichten Arbeit (Towards Expert-Level Medical Question Answering with Large Language Models) erreichte Med-PaLM 2 eine Genauigkeit von 86.5 % im medizinischen MedQA-Datensatz.
Trotz dieser Leistung auf Facharztniveau weist die Google-Dokumentation explizit darauf hin, dass Med-PaLM 2 keine FDA-Zulassung als Medizinprodukt besitzt. Es darf keine Diagnosen stellen, Therapien empfehlen oder ohne ärztliche Aufsicht direkt mit Patienten interagieren. Seine Nutzung bleibt aufgrund rechtlicher Haftungsrisiken bei klinischen Fehlern auf administrative Aufgaben und Recherche-Entwürfe beschränkt.
| Dimension | Hoher Regulierungsaufwand (Klinisch) | Geringer Regulierungsaufwand (Administrativ) |
|---|---|---|
| Beispiele | Rentosertib (Insilico), Med-PaLM 2 (Google) | DAX Copilot (Microsoft), klinische Diktierwerkzeuge |
| Risiko & Haftung | Phasenbasierte klinische Studien; direktes Patientenrisiko | EHR-Dokumentationshilfe; keine klinische Haftung |
| Aktueller Status | 0 FDA-Zulassungen für KI-designte Wirkstoffkandidaten | Im Einsatz in über 400 Gesundheitssystemen (Satya Nadella, Q1 FY25) |
Im Gegensatz dazu haben sich Tools im Gesundheitssystem etabliert, die administrative, nicht-klinische Aufgaben übernehmen. DAX Copilot, eine Dokumentationslösung von Nuance (einem Microsoft-Unternehmen), zeichnet Gespräche zwischen Arzt und Patient auf und erstellt daraus automatisch klinische Notizen für elektronische Patientenakten (EHR) wie Epic.
Da DAX Copilot als reines Assistenzsystem arbeitet und stets eine ärztliche Überprüfung erfordert, umgeht es den strengen Zulassungsweg für Medizinprodukte. Zum Start im Januar 2024 kündigte Microsoft an, dass über 150 Gesundheitssysteme das Tool einführen wollten. Zehn Monate später, im Quartalsbericht am 30. Oktober 2024, berichtete CEO Satya Nadella, dass die Nutzung auf über 400 Organisationen im Gesundheitswesen angewachsen war. Der Erfolg zeigt, dass die KI-Einführung in der Medizin primär durch administrative Effizienz getrieben wird, nicht durch automatisierte Diagnosen.
Diese Dynamik ähnelt den regulatorischen Hürden in anderen sensiblen KI-Bereichen, wie den Diskussionen über automatisierte Verschreibungs-Chatbots in unserem Bericht über Den KI-Sandbox-Konflikt in Utah.
AlphaFold 2: Ein Beschleuniger, kein Ersatz für Experimente
Zwischen administrativen Tools und klinischen Studien steht AlphaFold 2 von DeepMind, das sich als zentraler Beschleuniger der Grundlagenforschung etabliert hat. AlphaFold 2 berechnet die dreidimensionale Struktur von Proteinen - eine Aufgabe, die zuvor Monate oder Jahre an Laborarbeit erforderte.
Die Wirkung von AlphaFold wird jedoch oft missverstanden. Es ersetzt nicht die experimentelle Bestimmung von Proteinstrukturen, sondern beschleunigt sie.
Eine unabhängige Analyse des Innovation Growth Lab (IGL) bei Nesta mit dem Titel AI in Science: Evidence of impact from AlphaFold 2 wertete fünf Millionen wissenschaftliche Publikationen, Patente und klinische Daten aus. Das Ergebnis: Forscher, die AlphaFold 2 nutzten, verzeichneten einen Zuwachs von 45 % bis 49 % bei den Einreichungen neuer, experimentell bestätigter Proteinstrukturen in der Proteindatenbank Protein Data Bank (PDB) im Vergleich zu Forschern mit klassischen Methoden.
Das Computermodell macht physikalische Experimente nicht überflüssig. Vielmehr liefern die Berechnungen von AlphaFold strukturelle Hypothesen, die Biologen helfen, komplexe Rohdaten aus der Röntgenkristallographie oder Kryo-Elektronenmikroskopie schneller zu interpretieren. Die KI wirkt als Katalysator für die experimentelle Arbeit, nicht als Ersatz für den physischen Nachweis.
Was als Nächstes zu beobachten ist: Die Meilensteine, auf die es ankommt
Der nächste große Meilenstein für KI in der Medizin wird kein neuer Benchmark-Rekord oder der Abschluss einer weiteren Phase-IIa-Studie sein. Die Branche wartet auf zwei konkrete Entwicklungen:
- FDA-Zulassung eines KI-designten Wirkstoffs: Die Phase-III-Studie von Rentosertib wird der entscheidende Test sein. Wenn ein Medikament, bei dem sowohl die Zielstruktur als auch das Molekül über KI gefunden wurden, die endgültige FDA-Zulassung erhält, setzt dies einen Präzedenzfall für die computergestützte Forschung.
- Erfolg in Phase III vs. Scheitern in Phase II: Mit dem Fortschreiten weiterer KI-designter Wirkstoffe in die klinische Prüfung wird die Erfolgsquote im Vergleich zum historischen Durchschnitt der wichtigste Indikator sein. Wenn KI-Moleküle die Phase III häufiger überstehen als der Branchenschnitt von 10 % bis 12 %, bestätigt dies die versprochene Effizienzsteigerung in der Forschung und Entwicklung.
Bis diese Meilensteine erreicht sind, bleibt die Realität der medizinischen KI zweigeteilt: Computergestützte Werkzeuge beschleunigen die frühe Phase der Forschung und entlasten die Verwaltung, aber die Entwicklung sicherer Therapien für Patienten bleibt an die physikalischen Grenzen der Biologie und der klinischen Prüfungen gebunden.
Häufig gestellte Fragen
Ist Rentosertib das erste KI-Medikament?
Rentosertib (ISM001-055) ist der erste Wirkstoffkandidat, der vollständig mittels generativer KI entworfen wurde und eine klinische Phase-IIa-Studie mit positiven Sicherheits- und vorläufigen Wirksamkeitsdaten abgeschlossen hat. Zwar befinden sich auch andere KI-gestützte Moleküle in der klinischen Prüfung, frühere Projekte anderer Unternehmen zeigten jedoch keine Wirksamkeit oder wurden eingestellt.
Was wird in einer Phase-IIa-Studie untersucht?
Eine Phase-IIa-Studie ist eine kleine klinische Untersuchung, in der primär die Sicherheit, Verträglichkeit, Pharmakokinetik und die erste Tendenz zur Wirksamkeit eines Wirkstoffs an einer kleinen Patientengruppe getestet werden. Sie liefert noch keinen endgültigen Nachweis der therapeutischen Wirksamkeit, der größeren Phase-III-Studien vorbehalten bleibt.
Ist Med-PaLM 2 von Google für den medizinischen Einsatz zugelassen?
Nein, Med-PaLM 2 besitzt keine FDA-Zulassung als Medizinprodukt. Seine Nutzung beschränkt sich auf die Unterstützung bei der Recherche, die Erstellung von Zusammenfassungen und die administrative Entlastung unter ärztlicher Aufsicht.
Über den Autor
Ether Exter ist ein KI-Enthusiast mit 5 Jahren Erfahrung im Testen und Experimentieren mit KI-Modellen und analysiert, was wirklich funktioniert. Folgen Sie auf X: @EtherExperiment.
Quellen und Referenzen
- Phase-IIa-Ergebnisse von Insilico Medicine GENESIS-IPF: Veröffentlicht in Nature Medicine am 3. Juni 2025 (Studien-ID: NCT05938920).
- BCC Research Bericht: AI Impact on Emerging Drugs Market - BCC Pulse Report, veröffentlicht am 14. Juli 2026.
- AlphaFold-Studie des Innovation Growth Lab (IGL): AI in Science: Evidence of impact from AlphaFold 2, unabhängige Analyse akademischer und strukturbiologischer Daten.
- Verbreitung von Microsoft Dragon Ambient eXperience (DAX) Copilot: Ankündigung zur allgemeinen Verfügbarkeit im Januar 2024 und Mitschrift des Microsoft Q1 FY25 Earnings Call (30. Oktober 2024).
- Med-PaLM 2 Benchmark-Studie: Google Research Paper Towards Expert-Level Medical Question Answering with Large Language Models (Singhal et al., Mai 2023).
- Perspektiven der Wirkstoffchemie: Fachbeiträge In the Pipeline von Derek Lowe in der Zeitschrift Science.
