(Symbolbild)
KI auf lebendem Gewebe: Ein neuer Ansatz für die Wirkstoffforschung
Michael Polansky, langjährig bekannt als Partner von Lady Gaga und früherer Top-Mitarbeiter von Napster-Gründer Sean Parker, baut seit Jahren ein Biotech-Startup auf, das KI-Modelle direkt auf lebendem menschlichem Hautgewebe trainiert. Das Unternehmen hält menschliche Haut außerhalb des Körpers wochenlang lebendig, um mit Hilfe von Machine Learning neue Wirkstoffe für die Hautpflege zu identifizieren – und tritt damit erstmals an die Öffentlichkeit. (TechCrunch AI)
Von der Musikindustrie zur Biotech-Innovation
Polanskys Karriereweg unterscheidet sich markant von typischen Biotech-Gründerprofilen. Nach seiner Tätigkeit als Stellvertreter Parker bei der Parker Foundation, die sich auf Krebsimmuntherapie und Life Sciences konzentriert, wandte er sich der Schnittstelle von Künstlicher Intelligenz und biologischem Gewebe zu. Sein Startup verbindet zwei technologische Säulen: eine fortschrittliche Gewebehaltungstechnologie, die menschliche Hautbiopsien über Wochen in einem lebensfähigen Zustand erhält, sowie Machine-Learning-Modelle, die auf diesen lebenden Systemen trainiert werden. Der Ansatz zielt darauf ab, den Entdeckungsprozess für Hautpflege-Wirkstoffe zu beschleunigen und gleichzeitig die Vorhersagekraft über deren tatsächliche Wirksamkeit am menschlichen Gewebe zu erhöhen.
Technische Differenzierung gegenüber etablierten Methoden
Die Biopharma- und Kosmetikindustrie arbeitet traditionell mit Zellkulturen, organoiden Modellen oder Tierversuchen, bevor Wirkstoffe am Menschen getestet werden. Polanskys Ansatz positioniert sich zwischen diesen etablierten Stufen: Lebendes, vollständiges Hautgewebe bietet eine höhere biologische Komplexität als isolierte Zelllinien, bleibt aber kontrollierbarer als In-vivo-Studien. Die Integration von KI-Training direkt auf diesen lebenden Systemen ermöglicht laut Unternehmensangaben eine iterative Optimierung von Wirkstoffkandidaten unter Bedingungen, die der menschlichen Physiologie näherkommen als konventionelle In-vitro-Modelle. Für die pharmazeutische Industrie, insbesondere im Bereich Dermatologie und Topika, eröffnet sich damit potenziell ein neues Paradigma der präklinischen Validierung.
Marktkontext und Wettbewerbsumfeld
Der globale Markt für KI-gestützte Drug Discovery verzeichnet kontinuierliches Wachstum, wobei sich die meisten Akteure auf rechnerische Moleküldesigns oder die Analyse bestehender Biomarker-Daten konzentrieren. Polanskys Modell unterscheidet sich durch die physische Integration von lebendem Gewebe in den KI-Trainingszyklus. Diese Hybridstrategie aus biologischer Hardware und algorithmischer Software adressiert ein zentrahes Problem der Branche: die hohe Attritionsrate von Wirkstoffkandidaten zwischen präklinischer Phase und klinischer Erprobung. Ob der Ansatz sich ökonomisch skalieren lässt, hängt maßgeblich von den Kosten der Gewebehaltung und der Durchsatzrate des KI-Systems ab – Faktoren, über die bislang keine detaillierten Angaben vorliegen.
Implikationen für deutsche Unternehmen
Für die deutschsprachige Biotech- und Pharma-Landschaft, die mit Unternehmen wie Evotec, MorphoSys oder dem österreichischen Valneva international etablierte Player im Drug Discovery aufweist, signalisiert Polanskys öffentlicher Schritt eine weitere Konsolidierungstendenz zwischen KI-Plattformen und biologischen Testsystemen. Deutsche Mittelständler in der Kosmetikzulieferung und dermatologischen Forschung sollten die Entwicklung beobachten: Einerseits als potenzielle Kooperationspartner für Gewebe-KI-Plattformen, andererseits als Wettbewerber, sollte die Technologie breitere industrielle Anwendung finden. Die regulatorische Einordnung solcher lebenden Testsysteme – zwischen Medizinprodukt, Forschungswerkzeug und potenziellem Ersatz für Tierversuche – bleibt zudem unklar und wird von europäischen Behörden vermutlich intensiv geprüft werden müssen.
