KI-Modell simuliert die Reise von Nanopartikeln durch den Körper

Wie gelangt ein Medikament ins Gehirn, wenn die Blut-Hirn-Schranke den Zugang versperrt? Für die Nanomedizin zählt diese Frage zu den größten Herausforderungen. Forschende der Schweizer Materialforschungsanstalt Empa haben nun ein Computermodell entwickelt, das vorhersagen soll, wie sich Nanopartikel im Körper von Labormäusen verteilen. Die Berechnungen basieren auf Methoden des maschinellen Lernens und könnten dazu beitragen, die Zahl notwendiger Tierversuche zu verringern.

Noch handelt es sich um Grundlagenforschung. Das Modell wurde mit Daten aus 18 veröffentlichten Mausstudien entwickelt und muss seine Aussagekraft in weiteren Untersuchungen erst noch unter Beweis stellen. Die Arbeit verdeutlicht jedoch, welche Rolle datenbasierte Verfahren inzwischen in der Entwicklung neuer Arzneimittel spielen.

Nanopartikel stehen seit Jahren im Fokus der medizinischen Forschung. Aufgrund ihrer winzigen Größe lassen sie sich als Transportmittel für Wirkstoffe nutzen. Besonders interessant sind sie dort, wo herkömmliche Medikamente an natürliche Schutzmechanismen des Körpers stoßen. Ein Beispiel ist die Blut-Hirn-Schranke, die das Gehirn vor potenziell schädlichen Stoffen schützt, zugleich aber viele therapeutische Substanzen am Eindringen hindert.

Ob sich ein Nanopartikel für medizinische Zwecke eignet, hängt von zahlreichen Eigenschaften ab. Größe, Form, Materialzusammensetzung und Oberflächenstruktur beeinflussen, wie sich die Teilchen nach ihrer Verabreichung im Organismus verhalten. Sie entscheiden darüber, ob sich ein Partikel in der Leber, den Nieren, der Milz oder anderen Organen anreichert und wie lange er dort verbleibt.

Bislang werden solche Fragen vor allem in Tierexperimenten untersucht. Diese liefern wichtige Erkenntnisse, sind jedoch zeit- und ressourcenintensiv. Zudem wächst seit Jahren das Interesse an Verfahren, die Tierversuche ergänzen oder teilweise ersetzen können.

Genau hier setzt die nun veröffentlichte Studie an. Die Empa-Forscherin Jimeng Wu entwickelte ein sogenanntes physiologisch basiertes pharmakokinetisches Modell (PBPK-Modell), das die Verteilung von Nanopartikeln im Organismus simuliert. Grundlage waren Daten aus 18 wissenschaftlichen Publikationen, die ausreichend detaillierte Informationen über die untersuchten Materialien und deren Verhalten im Körper enthielten.

Das Modell kombiniert etablierte pharmakokinetische Methoden mit statistischen Verfahren und maschinellem Lernen. Aus physikalischen und chemischen Eigenschaften eines Nanopartikels errechnet es, wie wahrscheinlich dessen Verteilung in verschiedenen Organen ist. Nach Angaben der Forschenden lässt sich das System auf unterschiedliche Partikeltypen anwenden, ohne dass für jede Variante ein vollständig neues Modell entwickelt werden muss.

Für die Arzneimittelforschung könnte ein solcher Ansatz von praktischem Nutzen sein. Die Entwicklung nanobasierter Wirkstoffträger erfordert häufig die Untersuchung zahlreicher Materialvarianten. Computergestützte Vorhersagen könnten dabei helfen, ungeeignete Kandidaten früh auszusortieren und Experimente gezielter zu planen.

Allerdings verweisen die Autoren selbst auf die Grenzen ihrer Arbeit. Die verfügbare Datenbasis ist bislang überschaubar. Viele veröffentlichte Studien enthalten nicht genügend Informationen über die Eigenschaften der verwendeten Nanopartikel, um für vergleichende Analysen genutzt werden zu können. Entsprechend muss sich erst zeigen, wie zuverlässig die Vorhersagen auch außerhalb der bislang untersuchten Datensätze sind.

Hinzu kommt, dass biologische Prozesse außerordentlich komplex sind. Selbst leistungsfähige Modelle können reale Organismen nur näherungsweise abbilden. Computergestützte Verfahren dürften Tierversuche daher auf absehbare Zeit nicht vollständig ersetzen, könnten deren Umfang jedoch verringern und die Planung von Experimenten erleichtern.

Langfristig möchten die Forschenden den Ansatz auf den menschlichen Organismus übertragen. Ziel ist es, Modelle zu entwickeln, die vorhersagen können, wie sich Nanopartikel im menschlichen Körper verteilen und unter welchen Bedingungen sie biologische Barrieren überwinden. Ob dies gelingt, wird von der Verfügbarkeit weiterer Daten und der Genauigkeit künftiger Modelle abhängen.

Veröffentlicht wurden die Ergebnisse in der Fachzeitschrift ACS Nano unter dem Titel „Data-Driven Prediction of Nanoparticle Biodistribution from Physicochemical Descriptors“. Die Studie entstand unter Beteiligung von Jimeng Wu, Peter Wick und Bernd Nowack von der Empa.

Die Arbeit liefert damit weniger einen unmittelbaren Durchbruch für die Medizin als vielmehr einen Einblick in die Richtung, in die sich die biomedizinische Forschung entwickelt: weg von ausschließlich experimentellen Ansätzen und hin zu einer engeren Verbindung von Datenanalyse, künstlicher Intelligenz und klassischer Laborforschung.