University of Mississippi und Colorcon bauen gemeinsam KI-Datenbank auf, um 3D-gedruckte Arzneimittel zu skalieren
de.wedoany.com-Bericht: Forscher der University of Mississippi haben mit dem pharmazeutischen Inhaltsstoffunternehmen Colorcon eine neue Vereinbarung getroffen, um gemeinsam eine KI-gestützte Datenbank aufzubauen, die Apotheken und Arzneimittelherstellern dabei helfen soll, personalisierte 3D-gedruckte Arzneimittel herzustellen. Das Projekt wird von Mo Maniruzzaman geleitet, Leiter und Professor der Abteilung für Pharmazie und Arzneimittelverabreichung an der University of Mississippi; sein Labor wird einen Lernalgorithmus entwickeln, der für jedes Arzneimittel, das eine Apotheke drucken möchte, die richtige Inhaltsstoffkombination zuordnet.
Maniruzzaman zufolge wird mit dem Projekt im Wesentlichen eine Wissensbasis geschaffen, ein Nachschlagewerk für die Arzneimittelherstellung. Er erwartet, dass die letztlich aufgebaute KI-Datenbank weit über Colorcon hinaus nützlich sein wird: Die Erstellung dieser KI-Datenbank werde sehr nützlich sein, nicht nur für Colorcon, sondern auch für ähnliche Unternehmen und sogar für Pharmagiganten. Er fügte hinzu, dass andere Unternehmen solche Plattformen leicht für ihre eigenen Entdeckungspipelines übernehmen und die Forschungsergebnisse zur Lösung von Problemen nutzen könnten.
Jedes Arzneimittel besteht aus zwei Arten von Bestandteilen: dem Wirkstoff, beispielsweise Acetaminophen in Schmerzmitteln, und den inaktiven Bestandteilen, den sogenannten Hilfsstoffen (Excipients), zu denen Bindemittel, Füllstoffe, Farbstoffe und Überzüge gehören, die die Tablette formen. Nicht jeder Hilfsstoff ist mit jedem Wirkstoff kompatibel; daher müssen Forscher bei jeder neuen Arzneimittelformulierung überprüfen, dass die einzelnen Bestandteile einander nicht beeinträchtigen. Das Labor von Maniruzzaman versucht, eines der Kernprobleme mit KI zu lösen: Der Algorithmus soll nicht Kombinationen manuell testen, sondern wird darauf trainiert, jedem Wirkstoff, den eine Apotheke drucken muss, die richtigen Hilfsstoffe zuzuordnen.
Kshitij Chitnis, Doktorand im dritten Jahr im Fach Pharmazie und Arzneimittelverabreichung im Labor von Maniruzzaman, wies ausgehend von der derzeitigen Arzneimittelherstellung darauf hin, dass das Problem traditioneller Darreichungsformen darin liege, dass sie nicht nach dem Patienten individualisiert würden; die Herstellung individualisierter Arzneimittel mit traditionellen Fertigungsmethoden sei im Maßstab nicht realistisch. Der 3D-Druck biete einen Ausweg: Im Labor werden pulverförmige Arzneimittelbestandteile in einen Extruder gegeben, eine Maschine, die das Material zu Filamenten verdichtet, die als „Tinte" für einen 3D-Drucker dienen. Anschließend kann dieses Filament zu Tabletten oder Kapseln gedruckt werden, die auf Größe und Dosis eines einzelnen Patienten zugeschnitten sind, beispielsweise kleinere Tabletten für Kinder oder Kapseln, die die Dosis zeitverzögert freisetzen.
Selbst wenn das Problem der Inhaltsstoffzuordnung gelöst ist, bleibt eines der größten Hindernisse für die Einführung 3D-gedruckter Arzneimittel in der täglichen Apothekenpraxis technischer Natur: Apotheker müssen selbst lernen, einen 3D-Drucker zu bedienen. Sujith Bashetty, ein weiterer Doktorand im dritten Jahr im selben Labor, sagte, ein KI-Werkzeug, das kompatible Hilfsstoffe automatisch auswählt und den Drucker direkt anweist, würde einen Großteil dieser Last abnehmen. Bashetty zufolge ebnet das Team den Weg für skalierbare, regulierte 3D-gedruckte Arzneimittel. Er wies darauf hin, dass Hilfsstoffe in Industriequalität der Schlüssel seien, um diesen Weg kommerziell tragfähig zu machen: Wenn die Verwendung von Hilfsstoffen in Industriequalität gelinge, könne die Last der großmaßstäblichen Skalierung verringert werden; wenn Arzneimittel in Apotheken bedarfsgerecht gedruckt werden könnten, würden Millionen von Dollar eingespart. Bashetty beschrieb das übergeordnete Ziel des Projekts in ähnlichen Worten: Das Projekt ziele darauf ab, die Lücke in der fortschrittlichen Fertigung durch skalierbare Arzneimittelentwicklung zu schließen und die Zukunft personalisierter, hochleistungsfähiger Arzneimittelverabreichung voranzutreiben.
Wenn sich die Datenbank als zuverlässig erweist, könnten 3D-gedruckte Arzneimittel nach Ansicht der Forscher aus spezialisierten Forschungsumgebungen in die reguläre Anwendung gelangen, sodass Apotheken maßgeschneiderte Dosen bedarfsgerecht drucken können, anstatt sich nur auf standardisierte, massenhaft produzierte Tabletten und Kapseln zu verlassen.
Die Lücke, auf die das Projekt der University of Mississippi abzielt, liegt nicht im Drucken selbst, sondern darin, Apothekern ohne Schulung in der Bedienung von Druckern eine zuverlässige und skalierbare Nutzung dieser Technologie zu ermöglichen. Die KI-Datenbank von Maniruzzaman adressiert diesen konkreten Engpass, indem sie die Entscheidung über die Inhaltsstoffzuordnung übernimmt; andernfalls müssten Apotheker eigens geschult werden, um diese Entscheidungen treffen zu können.
Andere Unternehmen gehen diesen Engpass von der Hardware- und Materialseite an. FabRx veröffentlichte im Februar 2025 eine Studie, in der der M3DIMAKER-Drucker in einer community-basierten Rezepturapotheke für die automatisierte Kapselbefüllung getestet wurde; dabei zeigte sich, dass das Gerät im Vergleich zur traditionellen manuellen Rezeptur die manuelle Arbeit um 55 % reduzierte und die Gesamtherstellungszeit um etwa 10 % verkürzte. Darüber hinaus schloss CurifyLabs im Juli 2026 eine Series-A-Finanzierungsrunde über 14 Millionen US-Dollar ab, um die Skalierung seiner GMP-zertifizierten „Pharma Inks" auszuweiten. Mit diesem Produkt können Apotheker aus einer Bibliothek vorab genehmigter druckbarer Rezepturen wählen, anstatt selbst Inhaltsstoffkombinationen zu entwickeln.
Diese Bemühungen bauen Schutzgeländer in die Hardware oder in vorab genehmigte Materialien ein, während das Projekt der University of Mississippi versucht, dasselbe Anwendungsproblem auf der Entscheidungsebene zu lösen, indem ein KI-System das Fachwissen ersetzt, das Apotheker sonst benötigen würden.
