£7,5-Millionen-Preis fördert KI bei der Lösung des ALS-Wirkstoffzielproblems

ALS — amyotrophe Lateralsklerose — bleibt eines der hartnäckigsten Probleme der Medizin. Die Erkrankung ist progredient, fatal und biologisch heterogen, das heißt, sie verläuft bei verschiedenen Patienten unterschiedlich — was erklärt, warum so viele Medikamente in klinischen Studien gescheitert sind. Der Longitude Prize on ALS ist ein strukturierter Versuch, das zu ändern: Er stellt £7,5 Millionen für einen neuen Ansatz bereit, der künstliche Intelligenz mit biologischen Daten aus großen Patientenkohorten verknüpft.

Zwanzig Teams haben in der ersten Phase des Preises Discovery Awards in Gesamthöhe von £2 Millionen erhalten. Ausgewählt aus fast 100 Bewerbungen, umfassen diese Teams über 70 Organisationen in 12 Ländern — eine Mischung aus akademischen Forschern, Pharmaunternehmen und Technologiefirmen. Entscheidend ist, dass jedes Team Zugang zu einem seltenen, harmonisierten Datensatz erhält, der genomische, transkriptomische, proteomische und klinische Informationen von Tausenden von ALS-Patienten integriert — eine Ressource, die historisch gesehen fragmentiert und schwer zugänglich war.

Der Preis zielt auf den vorgelagerten Engpass in der Medikamentenentwicklung ab: die Identifikation biologischer Zielstrukturen, die tatsächlich vielversprechend sind. Genau hier ist die ALS-Forschung bislang immer wieder gescheitert. Indem kompetitive Förderung an diesem Punkt konzentriert wird — bevor kostspielige klinische Studien beginnen — soll die Struktur schwache Hypothesen frühzeitig aussieben und die Entwicklungspipeline an ihrer verletzlichsten Stelle stärken.

Der Wettbewerb läuft in Phasen ab. 2027 werden zehn Teams für eine vertiefte Entwicklung ausgewählt, eine kleinere Gruppe wird zur experimentellen Validierung übergehen, und 2031 wird ein abschließender Preis von £1 Million vergeben. Dieses Stufenmodell spiegelt die natürliche Attraktionskurve der Wirkstoffforschung wider und belohnt Beständigkeit gegenüber frühem Versprechen.

Experten mahnen zu gemäßigten Erwartungen. Multi-Omics-Integration und KI-gestützte Mustererkennung sind leistungsfähige Werkzeuge, liefern aber nicht automatisch kausale Erklärungen. Dennoch: Sollte auch nur ein Teilerfolg gelingen — sollte ALS beginnen, sich in Subtypen mit therapeutisch nutzbaren Zielstrukturen aufzugliedern — würde das einen granulareren, datengetriebenen Ansatz für neurodegenerative Erkrankungen und Alterskrankheiten insgesamt bestätigen, mit Implikationen weit über ALS hinaus.