Traditionelle Arzneimitteltestmethoden basieren stark auf Tiermodellen, die zeitaufwändig, teuer und ethisch problematisch sind. EmbryoNet-AI bietet dagegen eine schnellere, genauere und umfassendere Lösung zur Bewertung der Auswirkungen von Substanzen auf die biologische Entwicklung und verbessert so die Effizienz der Arzneimittelentwicklung im Frühstadium. 

Die EmbryoNet KI-Plattform zielt darauf ab, Arzneimittelwirkungen und Toxizitäten in Fischembryonen, aber auch in Organoiden besser entdecken zu können. Dabei werden mit Hilfe des sogenannten Deep Learnings phänotypische Analysen automatisiert. Diese Plattform ermöglicht eine schnellere, genauere Beurteilung von Effekten und reduziert die Abhängigkeit von Tiermodellen. 

EmbryoNet hat bereits erfolgreich neue Wirkstoffe identifiziert, deren Wirkmechanismen aufgeklärt und damit wertvolle Erkenntnisse für die therapeutische Entwicklung geliefert. Das Projekt wird vom European Research Council finanziert. Prof. Müller ist zudem Mitgründer des entsprechenden Start-ups EmbryoNet AI Technologies, das im März diesen Jahres mit dem Gründungspreis des Bundesministeriums für Wirtschaft und Klimaschutz ausgezeichnet worden ist. 

Quellen und weitere Informationen:
https://embryonet.de/
https://www.biologie.uni-konstanz.de/mueller/patrick-mueller/
https://www.uni-konstanz.de/universitaet/aktuelles-und-medien/aktuelle-meldungen/aktuelles-1/bmwk-gruendungspreis-fuer-embryonet-ai-technologies/
https://cordis.europa.eu/project/id/101213895
https://www.gesundheitsindustrie-bw.de/fachbeitrag/aktuell/embryonet-ai-identifiziert-selbststaendig-entwicklungsstoerungen

Čapek, D., Safroshkin, M., Morales-Navarrete, H. et al. EmbryoNet: using deep learning to link embryonic phenotypes to signaling pathways. Nat Methods 20, 815–823 (2023).
https://doi.org/10.1038/s41592-023-01873-4