FDA prüft KI-Tool zur Vorhersage arzneimittelbedingter Leberschäden in der Frühphase klinischer Entwicklung

Arzneimittelbedingte Leberschäden (Drug-Induced Liver Injury, DILI) gehören zu den häufigsten Gründen, warum Wirkstoffkandidaten in der klinischen Entwicklung scheitern. Das Problem ist strukturell: Herkömmliche präklinische Methoden sagen das Risiko beim Menschen nicht zuverlässig voraus. Ein Wirkstoff kann in frühen Phasen vielversprechend wirken, um erst bei breiterer menschlicher Exposition Lebertoxizität zu zeigen. Die Entwicklung eines neuen Medikaments dauert im Schnitt mindestens ein Jahrzehnt und kostet etwa 1 bis 2 Milliarden US-Dollar, wobei rund 60 bis 70 Prozent der Zeit auf die klinischen Studienphasen entfallen.

Die FDA – konkret ihr Center for Drug Evaluation and Research – hat ein Letter of Intent für ein KI-basiertes Werkzeug zur Vorhersage arzneimittelbedingter Leberschäden akzeptiert. Laut Reuters-Berichterstattung vom 3. Juni 2026 befindet sich das Tool damit im formalen Prüfprozess der Behörde. Die FDA äußerte sich dahingehend, dass das KI-Werkzeug dabei helfen könnte, Sicherheitsbewertungen in frühen Entwicklungsphasen zu verbessern, die Abhängigkeit von Tierversuchen zu reduzieren und fundierte Entscheidungen vor dem Beginn menschlicher Studien zu unterstützen.

Das Werkzeug basiert auf Modellen, die auf komplexen Datensätzen trainiert wurden, mit dem Ziel, Leberrisiken früher zu erkennen als konventionelle Methoden allein. Inhaltliche Details zur Modellarchitektur oder zu den verwendeten Trainingsdaten sind auf Basis der vorliegenden Quellen nicht bekannt. Die FDA selbst betonte, dass das Tool nicht Toxikologen, Pharmakologen oder klinische Sicherheitsteams ersetzen soll, sondern als ergänzendes Frühwarninstrument gedacht ist.

Ein abgeschlossenes Zulassungsverfahren oder belegte Leistungskennzahlen liegen zum Zeitpunkt der Berichterstattung nicht vor. Das Akzeptieren des Letter of Intent markiert einen verfahrenstechnischen Meilenstein, keine Marktzulassung. Die FDA-Prüfung läuft.

Der Fall steht exemplarisch für eine breitere Entwicklung: KI dringt nicht nur in die klinische Versorgung vor, sondern auch in die Infrastruktur der Arzneimittelentwicklung. Die regulatorische Prüfung durch die FDA ist dabei inhaltlich bedeutsam, weil sie Maßstäbe setzen dürfte, wie prädiktive Modelle bewertet werden, bevor sie sicherheitsrelevante Entscheidungen in Hochrisiko-Kontexten beeinflussen. Fachleute weisen darauf hin, dass Leberverträglichkeitsvorhersagen biologisch komplex sind: Ein Modell, das auf kuratierten Datensätzen gut funktioniert, muss nicht zwingend über Therapiebereiche, Patientenpopulationen und Dosierungsmuster hinweg gleiche Leistung zeigen. Transparenz, Reproduzierbarkeit und klinische Relevanz der Modellergebnisse gelten als zentrale Anforderungen für eine sinnvolle Nutzung.