Wer soll das bitte lesen ;)
Herrje!
Herrje!
Don't trust anyone, trust yourself!
Anzeige
Meldung des Tages: US-Kupferkrise – warum Projekte in Nevada plötzlich systemrelevant werden könnten
Neuester,
zuletzt geles. Beitrag
Antworten | Börsen-Forum Übersicht
Zurück
Weiter
... 112 113 115 116 ...
Antworten | Börsen-Forum Übersicht
Zurück
Weiter ... 112 113 115 116 ...
NVIDIA: Wer war dabei ?
Beiträge:
4.044
Zugriffe: 2.439.333 / Heute: 46
Zugriffe: 2.439.333 / Heute: 46
|
Werbung
Entdecke die beliebtesten ETFs von Amundi
Lyxor Net Zero 2050 S&P World Climate PAB (DR) UCITS ETF Acc
Perf. 12M: +206,18%
Amundi IBEX 35 Doble Apalancado Diario (2x) UCITS ETF Acc
Perf. 12M: +121,30%
Amundi MSCI Greece UCITS ETF Dist
Perf. 12M: +58,29%
Amundi IBEX 35 UCITS ETF Acc
Perf. 12M: +54,03%
Amundi IBEX 35 UCITS ETF Dist
Perf. 12M: +53,36%
Hat zumindest Informationsgehalt gegenüber deinen wiederholenden Einzeilern :)
mit deutlichem Informationsgehalt.
Die Frage bleibt weiter bestehen, ob und wann Nvidia korrigiert.
Zur Zeit ist das Wertpapier gelinde gesagt sehr gut bewertet.
Verkaufen möchte ich nicht, ein Ko Zertifikat short wäre die Wahl
Die Frage bleibt weiter bestehen, ob und wann Nvidia korrigiert.
Zur Zeit ist das Wertpapier gelinde gesagt sehr gut bewertet.
Verkaufen möchte ich nicht, ein Ko Zertifikat short wäre die Wahl
S&P500 läuft in den nächsten 2-3 Monaten über 6000 Punkte [Goldilockzone). Solange Zinssenkungsphantasie in Folge fallender Inflation und robustem Arbeitsmarkt vorherrscht, aber noch nicht gesenkt wurde, läuft der Markt weiter nach oben mit kurzen knackigen Korrekturen. Sobald die erste Zinssenkung kommt und die kommt, wenn die FED die Märkte stützen muß, da die Höhe der aktuellen Zinsen dem Markt schon Schaden zugefügt hat (siehe Zinsausgaben auf z.B. Hypotheken), dann stürzen die Märkte in die weltweite Rezession, denn der Konsument steht schon kurz vor dem Umschwung zum Sparen statt Ausgeben. Dann rette sich wer kann, aber noch ist es nicht soweit, der Supertanker braucht lange zum Bremsen.
Zunächst erstmal Meltupphase, vor allem durch FOMO und das wird nicht nur BigTech weiter nach oben treiben, sondern auch den breiten Markt erfassen, vor allem in den USA. Der Russell 2000 wird noch ordentlich zulegen.
Deshalb NVDA locker 1500 USD, zum Ende der Rezession Rücksetzer bis auf den Mean-Wert bei ca. 325 USD.
Zunächst erstmal Meltupphase, vor allem durch FOMO und das wird nicht nur BigTech weiter nach oben treiben, sondern auch den breiten Markt erfassen, vor allem in den USA. Der Russell 2000 wird noch ordentlich zulegen.
Deshalb NVDA locker 1500 USD, zum Ende der Rezession Rücksetzer bis auf den Mean-Wert bei ca. 325 USD.
Don't trust anyone, trust yourself!
Zitat: Hat zumindest Informationsgehalt gegenüber deinen wiederholenden Einzeilern :)
Alles klar, dann weiterhin viel Spaß dabei. Ich übe mich dann weiter in meinen vermeintlichen wiederholenden Einzeilern.
Alles klar, dann weiterhin viel Spaß dabei. Ich übe mich dann weiter in meinen vermeintlichen wiederholenden Einzeilern.
Don't trust anyone, trust yourself!
Deshalb NVDA locker 140 USD (muß mich noch an Split-bereinigte Kurse gewöhnen ;)
Don't trust anyone, trust yourself!
Ich bin da voll bei dir, dass die Aktie heiß gelaufen ist und irgendwann korrigieren wird. Allerdings wollte ich nur ein Beispiel aufzeigen, wo KI überall zum Zuge kommt zwecks der Diskussion der Monetarisierung und wie KI unser Hier und Jetzt nachhaltig beeinflusst und noch viel mehr beeinflussen wird in Zukunft.
Ich habe deine Beiträge gelesen und zur Kenntnis genommen.
Antworten möchte ich erst einmal nicht.
Das muss ich erstmal sacken lassen
Antworten möchte ich erst einmal nicht.
Das muss ich erstmal sacken lassen
Jetzt ohne Copy Paste Fehlern:
Grosse Pharmaunternehmen wie Roche und Novartis setzen bei der Suche nach neuen Wirkstoffen im grossen Stil auf Künstliche Intelligenz (KI). Bis die ersten Patientinnen und Patienten mit KI-Medikamenten behandelt werden, ist es aber noch ein weiter Weg.
Matthias Steger ist medizinischer Chemiker und war zehn Jahre bei Roche in der Wirkstoffentwicklung tätig, bevor er selber Unternehmer wurde.
Seine Entdeckung des neuen Wirkstoffkandidaten EA-2353 für Retinitis pigmentosa, eine seltene degenerative Augenerkrankung, begann ganz analog mit Block und Stift.
Fast zehn Jahre lang notierte Steger alle chemischen Strukturen, für die sich im Experiment eine Wirkung auf Progenitorzellen feststellen liess. Diese Vorläuferzellen können sich im geschädigten Gewebe regenerieren.
Aber um tatsächlich einen Wirkstoffkandidaten zu identifizieren, musste Steger ein Muster in den chemischen Strukturen finden. Tests in Labors hätten Jahre und sehr viel Geld gekostet, und selbst dann hätte man auf einen Zufallstreffer hoffen müssen.
“Die Entdeckung eines neuen Moleküls ist wie die Suche nach der Nadel im Heuhaufen”, sagt Steger gegenüber SWI swissinfo.ch. “Selbst für mich als Chemiker ist vieles oft Spekulation.” Die Entwicklung eines neuen Medikaments dauert im Schnitt zehn Jahre und kostet etwa 2,3 Milliarden Franken, bis es auf dem Markt ist.
In der Hoffnung, den Prozess zu beschleunigen, schickte Steger seine chemischen Strukturen Gisbert Schneider, einem ehemaligen Roche-Kollegen und heute Dozent für computergestützte Wirkstoffentwicklung an der Eidgenössischen Technischen Hochschule Zürich.
Anhand seiner KI-Modelle ermittelte Schneider, welche Moleküle auf Grundlage der Muster in den chemischen Strukturen die gewünschte biologische Aktivität aufwiesen.
Steger und sein Team testeten und synthetisierten dann die gefundenen Moleküle über mehrere Jahre und entwickelten zwei Wirkstoffkandidaten. Einer davon ist EA-2523, der sich jetzt in der frühklinischen Phase befindet.
“Ohne KI hätten wir diese Substanz vielleicht nie gefunden”, sagt Steger, der mit Schneider zur Weiterentwicklung der beiden Substanzen 2016 das Startup Endogena mit Niederlassungen in Zürich und San Francisco gegründet hat. “Die Algorithmen erkennen Muster, die dem menschlichen Auge verborgen bleiben.”
Das Potenzial der KI, viel schneller und günstiger neue Wirkstoffkandidaten zu finden, hat einen wahren Investitionsboom in KI-Tools ausgelöst.
Gemäss einer 2023 veröffentlichten Studie der Boston Consulting GroupExterner Link haben Investmentgruppen in den letzten zehn Jahren über 18 Milliarden US-Dollar in etwa 200 Biotech-Firmen und Startups gepumpt, bei denen KI im Zentrum der Wirkstoffentwicklung steht.
Die Pionierarbeit dieser neuen Technologie haben Startups und Biotech-Firmen geleistet. Jetzt, wo die ersten durch KI entdeckten Wirkstoffe an Menschen getestet werden, steigen immer mehr grosse Pharmaunternehmen ein, darunter die Schweizer Grosskonzerne Roche und Novartis.
2023 kündigte Roche eine mehrjährige Forschungszusammenarbeit mit dem amerikanischen Chip-Hersteller Nvidia an, um die Wirkstoffentwicklung zu beschleunigen. Dies ist nur eine von mindestens acht Kooperationen des Basler Pharmaunternehmens im Bereich KI.
Im Januar bot der andere Pharmariese am Rheinknie, Novartis, für den Ableger von Google Deepmind, Isomorphic Labs, 37,5 Millionen US-Dollar als Sofortzahlung und weitere 1,2 Milliarden, falls bestimmte Zwischenziele in der Wirkstoffentwicklung erreicht werden.
Dies sind nur einige von über hundert Vereinbarungen, die in der Pharmabranche in den letzten zehn Jahren zwischen Grosskonzernen und KI-Startups abgeschlossen wurden.
Computergestützte Wirkstoffentwicklung ist bei den grossen Pharmaunternehmen schon seit Jahrzehnten gang und gäbe, doch auf KI wollte man sich bis vor Kurzem nicht zu stark einlassen.
“Mit neuronalen Netzen wurde schon vor vielen Jahren experimentiert. In den Nullerjahren entstand dann eine Art Ernüchterung, weil KI viele Hoffnungen nicht erfüllen konnte”, konstatiert Schneider.
Die frühen neuronalen Netze oder KI-AlgorithmenExterner Link waren noch nicht ausgereift und die Hardware damals noch nicht leistungsfähig genug, um die umfangreichen Rechenoperationen durchzuführen.
Mittlerweile hat ein Umdenken stattgefunden. Heute lässt man sich viel eher auf die Empfehlungen eines KI-Algorithmus ein, denn kein Pharmaunternehmen möchte den Anschluss verlieren.
Grund für den Paradigmenwechsel sind die Fortschritte bei Deep Learning, generativen KI-Tools wie ChatGPT, der Rechenleistung sowie beim Wissensstand in Genetik und Molekularbiologie.
Die jüngste Generation von KI-Modellen kann Muster selbst in enorm grossen, heterogenen Datensätzen einschliesslich Bildern erkennen. In der Arzneimittelforschung, die sich mit Billionen von Zellen und 20’000 Genen pro Mensch befasst, sind diese Modelle deshalb besonders interessant.
2020 hat Googles KI-Tochter Deepmind einen Algorithmus namens Alphafold auf den Markt gebracht. Dieser KI-Algorithmus kann dreidimensionale Strukturen menschlicher Proteine, RNA und DNA vorhersagen.
Dies war bei der Bestimmung der Proteinstruktur von Sars-CoV-2 von entscheidender Bedeutung und hat dazu geführt, dass Covid-Impfstoffe in Rekordzeit entwickelt werden konnten.
Alphafold hat nicht nur die Forschung an neuen Wirkstoffzielen beflügelt, sondern das Potenzial der KI für die Wissenschaft insgesamt aufgezeigt.
Pharmaunternehmen nutzen mittlerweile selbstentwickelte oder öffentliche KI-Software, um Daten in medizinischen Fachzeitschriften auszuwerten, Molekülbibliotheken abzufragen und Krankheitsziele zu identifizieren.
Einigen Studien zufolgeExterner Link könnte KI die Zeit und Kosten für die Entwicklung eines neuen Wirkstoffs um 25–50% reduzieren.
“Künstliche Intelligenz – und dazu gehören auch maschinelles Lernen und grosse Sprachmodelle – ist nicht gänzlich neu”, sagt Elif Ozkirimli, Leiterin der Abteilung Informatikgestützte Produkte für Forschung und Entwicklung (F&E) bei Roche in Basel.
“Die Dynamik und das Ausmass aber haben in den letzten beiden Jahren rasant zugenommen.”
Roche hat gemäss einer aktuellen PräsentationExterner Link für Investoren zuletzt 3 Milliarden US-Dollar pro Jahr in die Modernisierung seiner digitalen Infrastruktur gesteckt, um KI noch stärker in F&E zu integrieren.
Vor einigen Jahren holte Roche die besten Bioinformatikerinnen und -informatiker vom MIT und der Universität von Cambridge ins Unternehmen, um in der Abteilung Computational Sciences der US-Tochter Genentech in San Francisco ein Team aus etwa 400 Personen aufzubauen. In Basel und an anderen Standorten arbeiten noch Hunderte Fachleute mehr.
2021 kaufte Roche die Firma Prescient Design, ein Startup aus New York mit drei Angestellten, das Algorithmen entwickelt, die nun mit öffentlichen und Roche-internen Daten aus Versuchen und klinischen Studien trainiert wurden.
Mittlerweile sind die Algorithmen bereits in Gebrauch, suchen nach neuen Krankheitsindikationen für ältere Medikamente und priorisieren Wirkstoffkandidaten mit der besten Aussicht auf Erfolg.
Das Potenzial der KI geht jedoch über die effizientere Wirkstoffentwicklung hinaus. In Zukunft könnten Moleküle gefunden oder gar hergestellt werden, von denen Chemikerinnen und Chemiker noch nicht mal geträumt haben. Einige Algorithmen, wie derjenige von Gisbert Schneider bei Endogena, schaffen Moleküle von Grund auf neu.
“Statt ein Molekül nach dem anderen auf seine potenzielle Wirksamkeit abzuklopfen, dreht die generative KI den Spiess einfach um. Wir geben den Molekülen aktiv bestimmte Eigenschaften, anstatt nach ihnen zu suchen”, sagt Schneider.
Mehrere Startups verfolgen diesen Ansatz bereits. Insilico aus Hongkong hat mittels KI-Modellen das Krankheitsziel für Lungenfibrose (das Molekül, das mit der schwerwiegenden Lungenerkrankung in Zusammenhang steht) identifiziert und eine wirkstoffähnliche Molekülstruktur entwickelt.
Die Entwicklungskosten der Substanz, die innerhalb von 18 Monaten synthetisiert wurde und sich bereits in Phase-II-Studien befindet, sind mit 3 Millionen US-Dollar deutlich niedriger als bei herkömmlichen Verfahren.
2022 unterzeichnete Insilico eine Vereinbarung mit dem französischen Pharmariesen Sanofi in Höhe von 1,2 Milliarden US-Dollar. Ziel auch hier: Krankheitsziele identifizieren und Wirkstoffkandidaten finden.
Bei Genentech haben die Chemikerinnen und Bioinformatiker das Deep-Learning-Netz “GNEProp” entwickelt, mit dessen Hilfe kleine Moleküle für Antibiotika gegen resistente Keime hergestellt werden sollen.
Einige der Moleküle, die der Algorithmus vorschlägt, haben eine komplett andere Struktur als die Moleküle, mit denen er trainiert wurde.
Das Unternehmen übernimmt nun einige dieser Moleküle in die präklinische Phase und speist die Laborergebnisse wieder zurück in die KI-Modelle, um die Vorschläge weiter zu optimieren.
“Wirkstoffentwicklung läuft ein bisschen nach dem Trial-and-Error-Prinzip”, sagt Ozkirimli. “Mit KI können wir nun unsere Fehler zurück ins System melden, womit die Erfolgsaussicht im nächsten Durchlauf steigt.”
Trotz der enormen Investitionen und dem Enthusiasmus hängen die Pharmaunternehmen ihre Erfolge mit KI noch nicht an die grosse Glocke.
Weder Roche noch Novartis geben bekannt, welche Wirkstoffe in klinischen Studien mittels KI entwickelt wurden. Nur weil ein Wirkstoffkandidat am Computer oder im Labor funktioniert, müssen Patientinnen und Patienten nicht zwingend darauf ansprechen.
Misserfolge sind in der Arzneimittelforschung denn auch die Regel: Neun von zehn Medikamenten, die konventionell entwickelt wurden, fallen in den klinischen Studien durch, wenn das Präparat auf Sicherheit und Wirksamkeit im Menschen getestet wird.
Noch lässt sich nicht abschätzen, ob KI-Medikamente in dieser Hinsicht besser abschneiden, und falls ja, welche KI-Algorithmen dahinter die verlässlichsten Ergebnisse liefern.
“Es gibt noch viel, was wir zum menschlichen Körper und zum Entstehen von Krankheiten nicht wissen. Unklar ist auch, weshalb einige Patientinnen und Patienten besser auf einen Wirkstoff ansprechen als andere”, sagt ETH-Professor Gisbert Scheider gegenüber SWI.
“Der mögliche Nutzen von KI dürfte momentan eher überschätzt werden. Im Zusammenspiel mit dem menschlichen Körper geht das chaotische Element oft vergessen.”
Gemäss einer im April veröffentlichten StudieExterner Link schafften es im letzten Jahrzehnt mindestens 75 Wirkstoffe von Firmen, bei denen KI eine entscheidende Rolle in der Wirkstoffentwicklung spielt, in die klinische Phase.
80–90% der Substanzen, welche die erste klinische Phase durchlaufen haben, waren erfolgreich und liegen damit über dem Branchendurchschnitt von 50–60%.
Die Methodik dieser Studie wird jedoch von einigen Fachleuten bemängeltExterner Link. Allgemeingültige Aussagen zum Erfolg von KI seien kaum möglich, da diese bei der Entwicklung der Substanzen in unterschiedlichem Ausmass eingesetzt worden sei.
Zudem sei die zweite klinische Phase, in der Wirkstoffe an deutlich grösseren Kohorten getestet werden, wesentlich aussagekräftiger dafür, ob es ein Präparat auf den Markt schafft.
Bei einigen Wirkstoffkandidaten kam es bereits zu Rückschlägen. Im vergangenen Oktober kündigte das Startup Exscientia an, dass eine frühklinische Studie für den mit KI entwickelten Wirkstoffkandidaten EXS-21546 gegen Krebs abgebrochen würde.
Nur Monate zuvor hatte Benevolent-AI aus London darüber informiert, dass sich ein KI-Wirkstoff als weniger wirksam als erhofft erwiesen habe.
Quelle: www.swissinfo.ch/ger/schweizer-multis/...edikamenten/79650842
Grosse Pharmaunternehmen wie Roche und Novartis setzen bei der Suche nach neuen Wirkstoffen im grossen Stil auf Künstliche Intelligenz (KI). Bis die ersten Patientinnen und Patienten mit KI-Medikamenten behandelt werden, ist es aber noch ein weiter Weg.
Matthias Steger ist medizinischer Chemiker und war zehn Jahre bei Roche in der Wirkstoffentwicklung tätig, bevor er selber Unternehmer wurde.
Seine Entdeckung des neuen Wirkstoffkandidaten EA-2353 für Retinitis pigmentosa, eine seltene degenerative Augenerkrankung, begann ganz analog mit Block und Stift.
Fast zehn Jahre lang notierte Steger alle chemischen Strukturen, für die sich im Experiment eine Wirkung auf Progenitorzellen feststellen liess. Diese Vorläuferzellen können sich im geschädigten Gewebe regenerieren.
Aber um tatsächlich einen Wirkstoffkandidaten zu identifizieren, musste Steger ein Muster in den chemischen Strukturen finden. Tests in Labors hätten Jahre und sehr viel Geld gekostet, und selbst dann hätte man auf einen Zufallstreffer hoffen müssen.
“Die Entdeckung eines neuen Moleküls ist wie die Suche nach der Nadel im Heuhaufen”, sagt Steger gegenüber SWI swissinfo.ch. “Selbst für mich als Chemiker ist vieles oft Spekulation.” Die Entwicklung eines neuen Medikaments dauert im Schnitt zehn Jahre und kostet etwa 2,3 Milliarden Franken, bis es auf dem Markt ist.
In der Hoffnung, den Prozess zu beschleunigen, schickte Steger seine chemischen Strukturen Gisbert Schneider, einem ehemaligen Roche-Kollegen und heute Dozent für computergestützte Wirkstoffentwicklung an der Eidgenössischen Technischen Hochschule Zürich.
Anhand seiner KI-Modelle ermittelte Schneider, welche Moleküle auf Grundlage der Muster in den chemischen Strukturen die gewünschte biologische Aktivität aufwiesen.
Steger und sein Team testeten und synthetisierten dann die gefundenen Moleküle über mehrere Jahre und entwickelten zwei Wirkstoffkandidaten. Einer davon ist EA-2523, der sich jetzt in der frühklinischen Phase befindet.
“Ohne KI hätten wir diese Substanz vielleicht nie gefunden”, sagt Steger, der mit Schneider zur Weiterentwicklung der beiden Substanzen 2016 das Startup Endogena mit Niederlassungen in Zürich und San Francisco gegründet hat. “Die Algorithmen erkennen Muster, die dem menschlichen Auge verborgen bleiben.”
Das Potenzial der KI, viel schneller und günstiger neue Wirkstoffkandidaten zu finden, hat einen wahren Investitionsboom in KI-Tools ausgelöst.
Gemäss einer 2023 veröffentlichten Studie der Boston Consulting GroupExterner Link haben Investmentgruppen in den letzten zehn Jahren über 18 Milliarden US-Dollar in etwa 200 Biotech-Firmen und Startups gepumpt, bei denen KI im Zentrum der Wirkstoffentwicklung steht.
Die Pionierarbeit dieser neuen Technologie haben Startups und Biotech-Firmen geleistet. Jetzt, wo die ersten durch KI entdeckten Wirkstoffe an Menschen getestet werden, steigen immer mehr grosse Pharmaunternehmen ein, darunter die Schweizer Grosskonzerne Roche und Novartis.
2023 kündigte Roche eine mehrjährige Forschungszusammenarbeit mit dem amerikanischen Chip-Hersteller Nvidia an, um die Wirkstoffentwicklung zu beschleunigen. Dies ist nur eine von mindestens acht Kooperationen des Basler Pharmaunternehmens im Bereich KI.
Im Januar bot der andere Pharmariese am Rheinknie, Novartis, für den Ableger von Google Deepmind, Isomorphic Labs, 37,5 Millionen US-Dollar als Sofortzahlung und weitere 1,2 Milliarden, falls bestimmte Zwischenziele in der Wirkstoffentwicklung erreicht werden.
Dies sind nur einige von über hundert Vereinbarungen, die in der Pharmabranche in den letzten zehn Jahren zwischen Grosskonzernen und KI-Startups abgeschlossen wurden.
Computergestützte Wirkstoffentwicklung ist bei den grossen Pharmaunternehmen schon seit Jahrzehnten gang und gäbe, doch auf KI wollte man sich bis vor Kurzem nicht zu stark einlassen.
“Mit neuronalen Netzen wurde schon vor vielen Jahren experimentiert. In den Nullerjahren entstand dann eine Art Ernüchterung, weil KI viele Hoffnungen nicht erfüllen konnte”, konstatiert Schneider.
Die frühen neuronalen Netze oder KI-AlgorithmenExterner Link waren noch nicht ausgereift und die Hardware damals noch nicht leistungsfähig genug, um die umfangreichen Rechenoperationen durchzuführen.
Mittlerweile hat ein Umdenken stattgefunden. Heute lässt man sich viel eher auf die Empfehlungen eines KI-Algorithmus ein, denn kein Pharmaunternehmen möchte den Anschluss verlieren.
Grund für den Paradigmenwechsel sind die Fortschritte bei Deep Learning, generativen KI-Tools wie ChatGPT, der Rechenleistung sowie beim Wissensstand in Genetik und Molekularbiologie.
Die jüngste Generation von KI-Modellen kann Muster selbst in enorm grossen, heterogenen Datensätzen einschliesslich Bildern erkennen. In der Arzneimittelforschung, die sich mit Billionen von Zellen und 20’000 Genen pro Mensch befasst, sind diese Modelle deshalb besonders interessant.
2020 hat Googles KI-Tochter Deepmind einen Algorithmus namens Alphafold auf den Markt gebracht. Dieser KI-Algorithmus kann dreidimensionale Strukturen menschlicher Proteine, RNA und DNA vorhersagen.
Dies war bei der Bestimmung der Proteinstruktur von Sars-CoV-2 von entscheidender Bedeutung und hat dazu geführt, dass Covid-Impfstoffe in Rekordzeit entwickelt werden konnten.
Alphafold hat nicht nur die Forschung an neuen Wirkstoffzielen beflügelt, sondern das Potenzial der KI für die Wissenschaft insgesamt aufgezeigt.
Pharmaunternehmen nutzen mittlerweile selbstentwickelte oder öffentliche KI-Software, um Daten in medizinischen Fachzeitschriften auszuwerten, Molekülbibliotheken abzufragen und Krankheitsziele zu identifizieren.
Einigen Studien zufolgeExterner Link könnte KI die Zeit und Kosten für die Entwicklung eines neuen Wirkstoffs um 25–50% reduzieren.
“Künstliche Intelligenz – und dazu gehören auch maschinelles Lernen und grosse Sprachmodelle – ist nicht gänzlich neu”, sagt Elif Ozkirimli, Leiterin der Abteilung Informatikgestützte Produkte für Forschung und Entwicklung (F&E) bei Roche in Basel.
“Die Dynamik und das Ausmass aber haben in den letzten beiden Jahren rasant zugenommen.”
Roche hat gemäss einer aktuellen PräsentationExterner Link für Investoren zuletzt 3 Milliarden US-Dollar pro Jahr in die Modernisierung seiner digitalen Infrastruktur gesteckt, um KI noch stärker in F&E zu integrieren.
Vor einigen Jahren holte Roche die besten Bioinformatikerinnen und -informatiker vom MIT und der Universität von Cambridge ins Unternehmen, um in der Abteilung Computational Sciences der US-Tochter Genentech in San Francisco ein Team aus etwa 400 Personen aufzubauen. In Basel und an anderen Standorten arbeiten noch Hunderte Fachleute mehr.
2021 kaufte Roche die Firma Prescient Design, ein Startup aus New York mit drei Angestellten, das Algorithmen entwickelt, die nun mit öffentlichen und Roche-internen Daten aus Versuchen und klinischen Studien trainiert wurden.
Mittlerweile sind die Algorithmen bereits in Gebrauch, suchen nach neuen Krankheitsindikationen für ältere Medikamente und priorisieren Wirkstoffkandidaten mit der besten Aussicht auf Erfolg.
Das Potenzial der KI geht jedoch über die effizientere Wirkstoffentwicklung hinaus. In Zukunft könnten Moleküle gefunden oder gar hergestellt werden, von denen Chemikerinnen und Chemiker noch nicht mal geträumt haben. Einige Algorithmen, wie derjenige von Gisbert Schneider bei Endogena, schaffen Moleküle von Grund auf neu.
“Statt ein Molekül nach dem anderen auf seine potenzielle Wirksamkeit abzuklopfen, dreht die generative KI den Spiess einfach um. Wir geben den Molekülen aktiv bestimmte Eigenschaften, anstatt nach ihnen zu suchen”, sagt Schneider.
Mehrere Startups verfolgen diesen Ansatz bereits. Insilico aus Hongkong hat mittels KI-Modellen das Krankheitsziel für Lungenfibrose (das Molekül, das mit der schwerwiegenden Lungenerkrankung in Zusammenhang steht) identifiziert und eine wirkstoffähnliche Molekülstruktur entwickelt.
Die Entwicklungskosten der Substanz, die innerhalb von 18 Monaten synthetisiert wurde und sich bereits in Phase-II-Studien befindet, sind mit 3 Millionen US-Dollar deutlich niedriger als bei herkömmlichen Verfahren.
2022 unterzeichnete Insilico eine Vereinbarung mit dem französischen Pharmariesen Sanofi in Höhe von 1,2 Milliarden US-Dollar. Ziel auch hier: Krankheitsziele identifizieren und Wirkstoffkandidaten finden.
Bei Genentech haben die Chemikerinnen und Bioinformatiker das Deep-Learning-Netz “GNEProp” entwickelt, mit dessen Hilfe kleine Moleküle für Antibiotika gegen resistente Keime hergestellt werden sollen.
Einige der Moleküle, die der Algorithmus vorschlägt, haben eine komplett andere Struktur als die Moleküle, mit denen er trainiert wurde.
Das Unternehmen übernimmt nun einige dieser Moleküle in die präklinische Phase und speist die Laborergebnisse wieder zurück in die KI-Modelle, um die Vorschläge weiter zu optimieren.
“Wirkstoffentwicklung läuft ein bisschen nach dem Trial-and-Error-Prinzip”, sagt Ozkirimli. “Mit KI können wir nun unsere Fehler zurück ins System melden, womit die Erfolgsaussicht im nächsten Durchlauf steigt.”
Trotz der enormen Investitionen und dem Enthusiasmus hängen die Pharmaunternehmen ihre Erfolge mit KI noch nicht an die grosse Glocke.
Weder Roche noch Novartis geben bekannt, welche Wirkstoffe in klinischen Studien mittels KI entwickelt wurden. Nur weil ein Wirkstoffkandidat am Computer oder im Labor funktioniert, müssen Patientinnen und Patienten nicht zwingend darauf ansprechen.
Misserfolge sind in der Arzneimittelforschung denn auch die Regel: Neun von zehn Medikamenten, die konventionell entwickelt wurden, fallen in den klinischen Studien durch, wenn das Präparat auf Sicherheit und Wirksamkeit im Menschen getestet wird.
Noch lässt sich nicht abschätzen, ob KI-Medikamente in dieser Hinsicht besser abschneiden, und falls ja, welche KI-Algorithmen dahinter die verlässlichsten Ergebnisse liefern.
“Es gibt noch viel, was wir zum menschlichen Körper und zum Entstehen von Krankheiten nicht wissen. Unklar ist auch, weshalb einige Patientinnen und Patienten besser auf einen Wirkstoff ansprechen als andere”, sagt ETH-Professor Gisbert Scheider gegenüber SWI.
“Der mögliche Nutzen von KI dürfte momentan eher überschätzt werden. Im Zusammenspiel mit dem menschlichen Körper geht das chaotische Element oft vergessen.”
Gemäss einer im April veröffentlichten StudieExterner Link schafften es im letzten Jahrzehnt mindestens 75 Wirkstoffe von Firmen, bei denen KI eine entscheidende Rolle in der Wirkstoffentwicklung spielt, in die klinische Phase.
80–90% der Substanzen, welche die erste klinische Phase durchlaufen haben, waren erfolgreich und liegen damit über dem Branchendurchschnitt von 50–60%.
Die Methodik dieser Studie wird jedoch von einigen Fachleuten bemängeltExterner Link. Allgemeingültige Aussagen zum Erfolg von KI seien kaum möglich, da diese bei der Entwicklung der Substanzen in unterschiedlichem Ausmass eingesetzt worden sei.
Zudem sei die zweite klinische Phase, in der Wirkstoffe an deutlich grösseren Kohorten getestet werden, wesentlich aussagekräftiger dafür, ob es ein Präparat auf den Markt schafft.
Bei einigen Wirkstoffkandidaten kam es bereits zu Rückschlägen. Im vergangenen Oktober kündigte das Startup Exscientia an, dass eine frühklinische Studie für den mit KI entwickelten Wirkstoffkandidaten EXS-21546 gegen Krebs abgebrochen würde.
Nur Monate zuvor hatte Benevolent-AI aus London darüber informiert, dass sich ein KI-Wirkstoff als weniger wirksam als erhofft erwiesen habe.
Quelle: www.swissinfo.ch/ger/schweizer-multis/...edikamenten/79650842
und dann den Link einstellen.
richtige Banausen! Wieder eine Analyse aus der Kategorie für die Tonne!
www.deraktionaer.de/artikel/...hoben-20359305.html?feed=ariva
Geht die Rally bei Nvidia weiter? Die DZ Bank hat nun den fairen Wert für die Papiere nach dem vollzogenen Aktiensplit im Verhältnis 1:10 von 102,50 auf 120,00 US-Dollar angehoben, allerdings wurde die Einstufung auf "Halten" belassen.
www.deraktionaer.de/artikel/...hoben-20359305.html?feed=ariva
Geht die Rally bei Nvidia weiter? Die DZ Bank hat nun den fairen Wert für die Papiere nach dem vollzogenen Aktiensplit im Verhältnis 1:10 von 102,50 auf 120,00 US-Dollar angehoben, allerdings wurde die Einstufung auf "Halten" belassen.
Don't trust anyone, trust yourself!
dürfte wieder Bewegung bei NVDA reinkommen! Split ist verdaut. Divi jetzt auch abgeschlagen ...
(Verkleinert auf 84%) 
Don't trust anyone, trust yourself!
Der Meltup die kommenden 3-4 Monate wird NVDA auf ca. 4 Trillions USD (4 Billionen USD) treiben und damit wird unser AI-Goldkind AAPL und MSFT vom Thron kegeln.
Danach erwarte ich, daß die Blase platzt und wir Ende 2024 / Anfang 2025 in ein weltweite Depression fallen und Nvidia da hinkommt, wo es hingehört! Weit weit runter!
Aber erstmal neue Hochs ...
Danach erwarte ich, daß die Blase platzt und wir Ende 2024 / Anfang 2025 in ein weltweite Depression fallen und Nvidia da hinkommt, wo es hingehört! Weit weit runter!
Aber erstmal neue Hochs ...
(Verkleinert auf 67%)
Don't trust anyone, trust yourself!
Futter für die Börsen! Meltup geht weiter! Angriff 130 USD steht kurz bevor bei Nvidia!
Läuft Alles nach Plan!
Läuft Alles nach Plan!
Don't trust anyone, trust yourself!
ATH bei Nvidia. 130 USD nur noch eine Frage von Tagen. Meltup nimmt weiter Schwung auf. Heute Abend FED mit Aussicht auf Zinssenkungen und die US-Märkte werden kein Halten mehr kennen.
FOMO wirft S&P500 bereits über 5400 Punkte, die 6000 kommen ganz schnell.
Nicht vergessen, Wirtschaft in den USA rasselt in die Rezession, die Meisten wissen es nur noch nicht!
Ausstieg bei Nvidia einplanen! Nvidia wird heftigst abstürzen, dann ist KI kein Thema mehr!
Nur noch R e z e s s i o n !!!
FOMO wirft S&P500 bereits über 5400 Punkte, die 6000 kommen ganz schnell.
Nicht vergessen, Wirtschaft in den USA rasselt in die Rezession, die Meisten wissen es nur noch nicht!
Ausstieg bei Nvidia einplanen! Nvidia wird heftigst abstürzen, dann ist KI kein Thema mehr!
Nur noch R e z e s s i o n !!!
Don't trust anyone, trust yourself!
Scheinbar hast du wahnsinnig Angst vor einem Weltuntergang!
Alles verkaufen, hast dann keine Sorgen mehr
Alles verkaufen, hast dann keine Sorgen mehr
Weltuntergang? Nö, aber harte Rezession und die nächste Finanzkrise, härter als 2008.
Ich verkauf, wenn der Meltup fast am Höhepunkt ist Kollege!
Du kannst gerne drin bleiben, aber nicht beschweren, ok?
Ich verkauf, wenn der Meltup fast am Höhepunkt ist Kollege!
Du kannst gerne drin bleiben, aber nicht beschweren, ok?
Don't trust anyone, trust yourself!
Mir machen so mache Kommentare echt Angst auch im Apple Forum. War längst überfällig....fair bewertet....what???
Sieht denn hier keiner das die Wirtschaft in den USA langsam echt abstürzt.
Hätte nie gedacht das die Euphorie so schnell noch zunimmt. Wahnsinn....
Sieht denn hier keiner das die Wirtschaft in den USA langsam echt abstürzt.
Hätte nie gedacht das die Euphorie so schnell noch zunimmt. Wahnsinn....
Ist immer so,das ist ein Spiel der Grossen um die kleinen abzuschöpfen...
Wir müssen halt so gut es geht mithalten und Achtsam sein,sonst bluten wir...
Durch die Coronakrise haben sich die Banken gesundgestossen und jetzt läuft der Derivatehandel über KI,das ist noch ne Nummer härter...
Wir müssen halt so gut es geht mithalten und Achtsam sein,sonst bluten wir...
Durch die Coronakrise haben sich die Banken gesundgestossen und jetzt läuft der Derivatehandel über KI,das ist noch ne Nummer härter...
… sind im S&P500 drin die nächsten 2-3 Monate. Bei Übertreibung auch 35%. Wir klettern an einer Wall Of Worry nach oben. Bei der nächsten knackigen 2-3% Korrektur schreit wieder fast Jeder, das war es jetzt.
Wir sind in einer Goldilockzone, die Inflation kommt zurück, aber noch nicht so, daß Zinssenkungen von der FED kurzfristig kommen. Der Supertanker bremst sehr langsam und während die 10-jährigen Bonds längst wieder runterkommen, wartet die FED noch weiter ab. Dollar wird schwächer, ist Alles Feuer für die Börsen. Langsam verschlechtert sich der Arbeitsmarkt und wenn die Arbeitslosigkeit und die Daten zur Wirtschaft dann immer mehr klarmachen, daß wir in eine harte Rezession steuern, kommt die FED (wie immer viel zu spät) und versucht das Ruder rumzureissen.
Der Supertanker hat dann ne Vollbremsung hingelegt und braucht bis er wieder losfährt.
Bis dahin Meltupphase wegen Goldilockzone. Ausnutzen und nicht vergessen auszusteigen.
NVDA 150 USD, da werde ich sehen, wo wir in der Meltupphase stehen und ggf. bis auf eine Spielposi rausgehen. Aktuell fast 200K Euro Gewinn sind kein Papenstil.
Wir sind in einer Goldilockzone, die Inflation kommt zurück, aber noch nicht so, daß Zinssenkungen von der FED kurzfristig kommen. Der Supertanker bremst sehr langsam und während die 10-jährigen Bonds längst wieder runterkommen, wartet die FED noch weiter ab. Dollar wird schwächer, ist Alles Feuer für die Börsen. Langsam verschlechtert sich der Arbeitsmarkt und wenn die Arbeitslosigkeit und die Daten zur Wirtschaft dann immer mehr klarmachen, daß wir in eine harte Rezession steuern, kommt die FED (wie immer viel zu spät) und versucht das Ruder rumzureissen.
Der Supertanker hat dann ne Vollbremsung hingelegt und braucht bis er wieder losfährt.
Bis dahin Meltupphase wegen Goldilockzone. Ausnutzen und nicht vergessen auszusteigen.
NVDA 150 USD, da werde ich sehen, wo wir in der Meltupphase stehen und ggf. bis auf eine Spielposi rausgehen. Aktuell fast 200K Euro Gewinn sind kein Papenstil.
Don't trust anyone, trust yourself!
Nvidia zum aktuellen Zeitpunkt reinzugehen? Danke.
Die 130 USD rücken näher.
Don't trust anyone, trust yourself!
die 130 reißt es heute noch, denk ich.
Lets wait and see, auf jeden Fall Gewinne laufen lassen.
So long,
Tom
Lets wait and see, auf jeden Fall Gewinne laufen lassen.
So long,
Tom
Davon gehe ich auch aus. Momentan wird alles in KI gesteckt... und NVIDIA als Hauptprofiteur!
Es gibt keine neuen Beiträge.
|
Neueste Beiträge aus dem Nvidia Forum
| Wertung | Antworten | Thema | Verfasser | letzter Verfasser | letzter Beitrag | |
18 | 4.043 | NVIDIA: Wer war dabei ? | Parocorp | ARIVA.DE | 19.01.26 16:00 | |
| 4 | Nvidia 2.0 steigt ins Robotaxi-Geschäft ein! | micha1 | micha1 | 07.01.26 11:02 | ||
| Trump ist nicht schuld, nur vorgeschoben :( | Unbedarfter | 00.00.00 00:00 | ||||
| 2 | 39 | Jetzt short auf Nvidia, was meint ihr? | Parsonage | Dr.Stock | 03.04.25 16:03 | |
| 2 | 92 | Datametrex AI erwacht. Deals mit Samsung und Lotte | Global-Invest | katzenbeissser | 26.02.25 11:37 |