Intelligente Plattform zur Entdeckung von Biomarkern: KI und ML im Dienst der biomedizinischen Forschung

Ein europäisches Biotechnologieunternehmen, das sich auf die Entwicklung von Werkzeugen zur Unterstützung der Diagnostik und biomedizinischen Forschung spezialisiert hat und mit akademischen und klinischen Einrichtungen weltweit zusammenarbeitet.

Forschende im Bereich der Biomarker-Entdeckung hatten Schwierigkeiten bei der Analyse komplexer proteomischer und metabolomischer Daten. Der Prozess erforderte fundierte Kenntnisse in Bioinformatik, künstlicher Intelligenz und Programmierung – Kompetenzen, über die viele Wissenschaftler nicht verfügten. Der Mangel an Bioinformatik-Spezialisten verlangsamte zudem den medizinischen Forschungsfortschritt. Das Unternehmen benötigte ein Tool, das die Analyse von Massenspektrometriedaten vereinfachte und KI ohne Programmieraufwand nutzbar machte.

Wir entwickelten eine intuitive Software, die Techniken der künstlichen Intelligenz (KI) und fortschrittliche Machine-Learning-Modelle (ML) nutzt, um starke Krankheits-Biomarker in proteomischen und metabolomischen Daten zu identifizieren – ganz ohne Programmieraufwand. Die Lösung umfasst unter anderem: 

• Einen automatisierten ML-Pipeline zur Datenverarbeitung (Alignment, Rauschunterdrückung, Hintergrundentfernung, Peak-Extraktion) 
• ML-Algorithmen zur Dimensionsreduktion und merkmalsbasierter Auswahl auf Basis ihrer Stabilität 
• Statistische Signifikanzprüfung ausgewählter Merkmale unterstützt durch KI 
• Entwicklung prädiktiver ML-Modelle zur Klassifikation und Diagnose 
• Integration mit offenen Proteindatenbanken 
• Kompatibilität mit gängigen Massenspektrometrie-Datenformaten 
• Vollständige Automatisierung analytischer Prozesse durch KI und ML zur Sicherstellung reproduzierbarer Forschungsergebnisse 

Das Projekt wurde in drei Hauptphasen unterteilt: 

1. Bedarfsanalyse und funktionales Design
   Wir starteten mit Literaturrecherche, Interviews mit potenziellen Nutzern sowie Marktanalysen, um die Anforderungen an Automatisierung und KI/ML-Integration in der täglichen wissenschaftlichen Arbeit präzise zu ermitteln.
   
2. Systementwicklung und Prototypvalidierung
   Auf Basis der gesammelten Informationen entwickelten wir einen Prototyp mit eigenen ML-Algorithmen, der auf Benutzerfreundlichkeit und analytische Effizienz getestet wurde. Parallel entwarfen wir die Systemarchitektur und entwickelten eigene Algorithmen zur Massenspektrometrie-Datenverarbeitung. Der Entwicklungsprozess war iterativ und wurde eng mit Analysen realer Daten sowie regelmäßigem Nutzerfeedback abgestimmt.
   
3. Implementierung und Nutzerpersonalisierung
   In der letzten Phase konzentrierten wir uns auf die Implementierung maßgeschneiderter KI/ML-Module für spezifische wissenschaftliche Einrichtungen und passten Funktionen sowie Benutzeroberfläche individuell an deren Forschungsanforderungen an. 

Die auf ML und KI basierende Plattform wurde in führenden Forschungseinrichtungen in Japan, Polen und Schweden implementiert, wo sie wissenschaftliche Teams in ihrer täglichen Forschungsarbeit unterstützt. Ihre Wirksamkeit wurde durch zahlreiche wissenschaftliche Publikationen belegt, was das Vertrauen in das Tool in akademischen und klinischen Kreisen stärkte. 

Dank der benutzerfreundlichen Oberfläche und der vollständigen Automatisierung konnte die Plattform die für die Datenanalyse benötigte Zeit erheblich verkürzen und ermöglichte auch Forschenden ohne Programmiererfahrung die Identifikation von Biomarkern. Sie erleichterte den Zugang zu fortschrittlichen bioinformatischen Methoden, sorgte für Reproduzierbarkeit und Standardisierung der Analysen und unterstützte weitere Forschungs- und Validierungsprozesse in der medizinischen Diagnostik.

Dem Team gelang es, Kompetenzen in Bioinformatik, Softwareentwicklung und UX zu vereinen, um ein effizientes, flexibles und anwenderfreundliches Tool zu schaffen. Entscheidend war auch die enge Zusammenarbeit mit Wissenschaftlern und die kontinuierliche Berücksichtigung ihrer Bedürfnisse in jeder Projektphase.