MELLODDY, das für Machine Learning Ledger Orchestration for Drug Discovery steht, ist eine europäische Initiative für innovative Arzneimittel (IMI), an der zuletzt zehn Pharmaunternehmen, akademische Forschungslabore, große Industrieunternehmen und Start-ups beteiligt waren, darunter Bayer, GSK, Novartis und auch Kubermatic, der Hamburger Experte für Kubernetes und Cloud-Native Technologien.
Die MELLODDY-Plattform war die erste Plattform im industriellen Maßstab, die die Erstellung eines globalen Verbundmodells für die Arzneimittelentwicklung ermöglichte, ohne dass die vertraulichen Datensätze der einzelnen Partner weitergegeben werden mussten. Es handelte sich um ein bahnbrechendes Projekt, bei dem Modelle für das maschinelle Lernen (ML) mit Daten mehrerer Pharmapartner trainiert werden konnten, wobei die Vertraulichkeit der Daten gewahrt blieb.
Herausforderung: Gemeinsame Arzneimittelentwicklung unter Schutz proprietärer Daten
Die Pharmaindustrie stand vor einer entscheidenden Herausforderung: die Verbesserung von ML-Modellen für die Arzneimittelentwicklung unter Wahrung der Vertraulichkeit proprietärer Datensätze. Traditionell entwickelten Pharmaunternehmen ML-Modelle isoliert, da sie Bedenken hinsichtlich des Datenschutzes und des Schutzes geistigen Eigentums hatten. Dieser Ansatz führte jedoch zu suboptimalen Modellen, da ML-Modelle mit größeren und vielfältigeren Datensätzen verbessert werden können. Mit anderen Worten: Pharmaunternehmen könnten bessere Ergebnisse erzielen, wenn sie ML-Modelle mit kombinierten Daten trainieren würden. Die Unternehmen befürchteten jedoch, sensible Informationen an ihre Konkurrenten weiterzugeben, was die Zusammenarbeit behindern und den wissenschaftlichen Fortschritt verlangsamen würde.
Das Projekt MELLODDY hatte zum Ziel, diesen Stillstand zu überwinden, indem es zehn führenden Pharmaunternehmen – darunter Bayer, GSK und Novartis – ermöglichte, ML-Modelle gemeinsam zu trainieren, ohne Rohdaten auszutauschen.
„Das MELLODDY-Projekt ist eine bahnbrechende Zusammenarbeit, die das Potenzial hat, die Arzneimittelentwicklung zu beschleunigen und die Behandlungsergebnisse für Patienten zu verbessern. MELLODDY ermöglichte erstmals die Forschung in den dezentralen und hochgradig proprietären Datenbanken des Konsortiums mit kommentierten chemischen Bibliotheken. Dieses Projekt erlaubt es den Pharmapartnern somit, in ihrem Kernwettbewerbsbereich zusammenzuarbeiten und durch Effizienzgewinne die Forschungsbemühungen zu beleben“, erklärt Hugo Ceulemans, Projektleiter, Janssen Pharmaceutica NV.
Lösung: „Koopetition“ durch Modelltraining auf verteilten Daten
Das MELLODDY-Team wandte sich dem föderierten Lernen zu, einem Ansatz, bei dem ML-Modelle aus mehreren Datensätzen lernen können, ohne dass Rohdaten übertragen werden müssen. Anstatt sensible Informationen in einer zentralen Datenbank zu bündeln, behielt jedes Unternehmen seine Daten in seiner eigenen sicheren Umgebung. In diesem Projekt wurden Modelle auf verteilten Daten trainiert, ohne diese zu zentralisieren, wodurch eine neue Form der „Koopetition“ entstand.
Die Kubermatic Kubernetes Platform (KKP) kam zum Einsatz, um die skalierbare Kubernetes-Infrastruktur für jeden Pharmapartner aufzubauen. Diese Infrastruktur ermöglichte es den Partnern, ihre proprietären Datensätze lokal zu registrieren und zu nutzen, sodass private Modelle aus dem kombinierten Wissen lernen konnten, ohne sensible Daten weiterzugeben. Zum ersten Mal konnten konkurrierende Pharmaunternehmen bei ihrer Forschung zusammenarbeiten, ohne die Sicherheit zu gefährden.
Ergebnis: Wegbereiter für den Datenaustausch in der Pharmaindustrie
MELLODDY hat bewiesen, dass Pharmaunternehmen sich nicht zwischen Datenschutz und Fortschritt entscheiden müssen. Durch die Zusammenarbeit im Rahmen eines föderierten Lernkonzepts konnten sie bessere Vorhersagemodelle entwickeln, die jedes einzelne Partnermodell übertrafen. Damit hat das MELLODDY-Projekt eine praktikable Lösung für Pharmaunternehmen geschaffen, um gemeinsam bessere Modelle für maschinelles Lernen zu entwickeln.
Dieses Projekt hat den Weg für eine Zukunft geebnet, in der KI-gestützte Durchbrüche schneller erzielt werden können, woraus genauere Modelle und eine schnellere Arzneimittelentwicklung resultieren.
Über Kubermatic
Kubermatic hat sich der Entwicklung der Kubermatic Kubernetes Platform (KKP) verschrieben, einer kompletten Softwarelösung für Teams, die containerisierte Workloads in Hybrid-Cloud-, Multi-Cloud- und Edge-Umgebungen ausführen. KKP ist eine Kubernetes-Managementplattform, die für die Bedürfnisse von Unternehmenskunden entwickelt wurde. Sie befasst sich mit den betrieblichen Herausforderungen bei der Verwaltung von Kubernetes im großen Maßstab und unterstützt DevOps-Teams mit einem Self-Service-Entwickler- und Betriebsportal. Im Gegensatz zu anderen Plattformen ist die Kubermatic Kubernetes Platform wirklich infrastruktur- und herstellerunabhängig.
Weitere Informationen unter www.kubermatic.com