Forscher der Weill Cornell Medicine haben ein künstliches Intelligenz-System mit dem Namen EmulatRx entwickelt, das den Entwurf klinischer Studien durch den Einsatz realer Patientendaten deutlich beschleunigen könnte. Die Ergebnisse des Projekts wurden kürzlich in der Fachzeitschrift Nature Communications veröffentlicht. EmulatRx funktioniert als ein kollaboratives Fünf-Agenten-Netzwerk, das die komplexen Phasen der Studienvorbereitung simuliert, optimiert und direkt anwendet. Klinische Prüfungen stellen einen der aufwändigsten und zeitintensivsten Schritte in der Arzneimittelzulassung dar, bei dem Probanden per Zufallsmethode verschiedenen Behandlungsgruppen zugeteilt werden, um Wirksamkeit und Sicherheit von Therapien zu validieren. Bisher behindern hohe Kosten, logistische Hürden und lange Laufzeiten die Entwicklung neuer Medikamente. Durch die Anbindung an reale Versorgungsdaten generiert EmulatRx virtuelle Kohorten, erkennt potenzielle Designfehler frühzeitig und passt Studiendesigns dynamisch an. Die Wissenschaftler betonen, dass dieser datenbasierte Ansatz das Potential besitzt, Entwicklungszyklen signifikant zu verkürzen und die statistische Validität klinischer Versuche zu steigern. Die Integration von Multi-Agenten-KI in die klinische Forschung etabliert einen neuen Standard für effizientere, ressourcenschonende Zulassungsverfahren und könnte die Verfügbarkeit innovativer Therapien für Patienten in naher Zukunft vorantreiben.