News

Rentosertib: KI-gestützter Wirkstoff zeigt Einfluss auf biologische Altersmarker

Rentosertib: KI-gestützter Wirkstoff zeigt Einfluss auf biologische Altersmarker

Das Wichtigste in Kürze

  • Ein KI-entwickelter Wirkstoff namens Rentosertib, ursprünglich zur Behandlung von Lungenfibrose vorgesehen, zeigt in einer Studie eine Senkung biologischer Altersmarker.
  • Die Analyse von Blutproben von 42 Patienten mittels sechs unterschiedlicher "Aging Clocks" deutet auf ein jüngeres biologisches Alter hin.
  • Die Effekte waren statistisch signifikant, besonders nach vier Wochen Behandlung, und betrugen im Vergleich zur Placebo-Gruppe bis zu 3,5 Jahre.
  • Es bleibt unklar, ob diese Effekte eine tatsächliche Verjüngung oder eine Folge der reduzierten Krankheitslast darstellen.
  • Die Studie beleuchtet die Potenziale der KI in der Medikamentenentwicklung, sowohl für spezifische Krankheiten als auch für diebeeinflussung von Alterungsprozessen.

KI-gestützter Wirkstoff Rentosertib: Einfluss auf biologische Altersmarker in Lungenfibrose-Studie

Die Anwendung Künstlicher Intelligenz (KI) in der Medikamentenentwicklung erreicht neue Dimensionen. Aktuelle Studienergebnisse zu Rentosertib, einem mittels KI entwickelten Wirkstoff zur Behandlung der idiopathischen pulmonalen Fibrose (IPF), lassen aufhorchen. Neben der primären Wirkung gegen die Vernarbung der Lunge scheint das Medikament auch biologische Altersmarker positiv zu beeinflussen.

Ursprünglicher Fokus und überraschende Nebenwirkung

Rentosertib wurde von Insilico Medicine entwickelt, um die idiopathische pulmonale Fibrose zu behandeln. Diese schwere Erkrankung führt zu einer progressiven Vernarbung des Lungengewebes, wodurch die Sauerstoffaufnahme zunehmend erschwert wird. In einer bereits im vergangenen Jahr publizierten Phase-IIa-Studie zeigte der Wirkstoff vielversprechende Ergebnisse hinsichtlich der Verbesserung der Lungenfunktion bei IPF-Patienten.

Im Rahmen dieser Studie wurden Blutproben von 42 Patienten zu verschiedenen Zeitpunkten entnommen. Eine weiterführende Analyse dieser Proben mittels fortschrittlicher KI-Modelle offenbarte nun einen unerwarteten Effekt: Rentosertib scheint bestimmte Marker, die zur Abschätzung des biologischen Alters einer Person herangezogen werden, in Richtung eines jüngeren Profils zu verschieben. Dieses Phänomen wurde durch den Einsatz von sechs unterschiedlichen sogenannten „proteomic clocks“ – KI-Modellen, die das biologische Alter anhand von Proteinen im Blutserum bestimmen – sichtbar.

Methodik und Ergebnisse der Altersmarker-Analyse

Die zur Altersbestimmung verwendeten KI-Modelle (ProtAge, OrganAgemortality, OrganAgechrono, PAC, ipfP3GPT und PAOPAC) wurden von renommierten Forschungsgruppen aus Stanford, Oxford, Harvard, Exeter und Insilico Medicine entwickelt. Obwohl einige dieser Modelle auf derselben Datenbasis, den Proteomdaten der UK Biobank, trainiert wurden, zeigten sie übereinstimmend eine Reduktion des vorhergesagten biologischen Alters bei den behandelten Probanden im Vergleich zum Studienstart. Die Ergebnisse wurden in der Fachzeitschrift Nature Biotechnology veröffentlicht.

Besonders hervorzuheben ist, dass in der Gruppe, die einmal täglich 60 Milligramm Rentosertib erhielt, der Unterschied zur Placebo-Gruppe nach vier Wochen Behandlung bei etwa 2,7 bis 3,5 Jahren eines jüngeren biologischen Alters lag. Die konsistentesten Signale einer Altersreduktion zeigte jedoch die Gruppe, die zweimal täglich 30 Milligramm des Wirkstoffs erhielt, auch wenn in dieser Gruppe die Lungenfunktion weniger deutlich verbessert wurde.

Es ist zu beachten, dass statistisch signifikante Vergleiche auf einen Teil der Analysen beschränkt waren (21 von 54) und sich hauptsächlich auf die vierte Studienwoche konzentrierten. Nach dieser Zeit verflachte der Effekt und erreichte ein Plateau, ohne sich bis zur zwölften Woche weiter zu vertiefen. Die genauen Gründe hierfür sind noch Gegenstand der Forschung und könnten auf Gegenregulationen im Körper, ein neues Gleichgewicht oder die begrenzte Beobachtungsdauer zurückzuführen sein.

Wirkmechanismen und offene Fragen

Die Forschenden beobachteten verschiedene alterungsrelevante Signale im Blut der behandelten Patienten. So waren beispielsweise typische Marker der zellulären Seneszenz – ein Zustand, in dem sich Zellen nicht mehr teilen, aber entzündungsfördernde Stoffe ausschütten – herunterreguliert, während sie in der Placebo-Gruppe anstiegen. Zudem wurden Wachstumsfaktor-Signalwege, die mit beschleunigter Alterung assoziiert sind, herunterreguliert. Auch im Antioxidans- und Cholesterinstoffwechsel zeigten sich positive Verschiebungen. Diese Alterungssignale traten parallel zur antifibrotischen Wirkung des Medikaments auf, was die Interpretation der Ergebnisse erschwert.

Eine zentrale Frage bleibt, ob die beobachtete Senkung der biologischen Altersmarker eine tatsächliche Verjüngung darstellt oder primär eine Folge der reduzierten Krankheitslast durch die Behandlung der Lungenfibrose ist. Die Studienautoren sehen jedoch Hinweise darauf, dass die Effekte über die reine gesundheitliche Verbesserung hinausgehen könnten.

Rentosertib ist ein prominentes Beispiel für ein KI-entwickeltes Medikament, das die Phase II der klinischen Studien erreicht hat. Die KI spielte eine Rolle bei der Entdeckung des möglichen Wirkmechanismus sowie bei der Gestaltung des entscheidenden Moleküls. Die Pharmabranche setzt zunehmend auf KI-gestützte Medikamentenentwicklung, wobei Mindverse als KI-Partner Unternehmen in dieser Transformation unterstützt.

Ausblick und zukünftige Forschung

Die vorliegenden Ergebnisse sind ermutigend, erfordern jedoch weitere Validierung in größeren Studien mit einer breiteren Probandenbasis. Es ist wichtig zu berücksichtigen, dass der Erstautor Alex Zhavoronkov der Gründer und CEO von Insilico Medicine ist und mehrere Mitautoren Angestellte des Unternehmens sind. Auch eine der sechs verwendeten "Aging Clocks" stammt aus diesem Haus, und weitere Entwickler von "Aging Clocks" sind Koautoren der Studie. Dies unterstreicht die Notwendigkeit unabhängiger Bestätigung.

Eine Phase-III-Studie zu Rentosertib hat im Juli 2026 begonnen, wobei die primären Endpunkte dieser Studie die Lungenfibrose betreffen und nicht explizit die Alterungsmarker. Zukünftige Forschungen könnten jedoch darauf abzielen, die Anti-Aging-Effekte von Rentosertib genauer zu untersuchen und zu klären, ob diese auch bei gesunden Individuen reproduzierbar sind.

Die Entwicklungen rund um Rentosertib verdeutlichen das immense Potenzial von KI in der medizinischen Forschung und Entwicklung. Sie zeigen auf, wie KI nicht nur die Effizienz bei der Suche nach Wirkstoffen steigern, sondern auch neue Wege zur Beeinflussung komplexer biologischer Prozesse wie der Alterung eröffnen kann. Für Unternehmen im B2B-Bereich, die sich mit der Integration von KI-Lösungen beschäftigen, bietet dieser Fall ein konkretes Beispiel für den transformativen Einfluss von KI auf traditionelle Branchen.

Bibliographie

- Carolin Riethmüller. (2026, 09. September). Fibrose-Wirkstoff aus der KI scheint biologisches Patientenalter zu senken. heise online. - Finanzen.at. (2026, 09. September). KI-entwickelter Lungenfibrose-Wirkstoff senkt in Studie biologische Altersmarker. - IT-Boltwise. (2026, 08. September). KI-Drug rentosertib senkt biologische Alterungsmarker in kleiner Studie. - Matthias Bastian. (2026, 07. September). KI-designter Wirkstoff zeigt Hinweise auf biologische Verjüngung. The Decoder. - Rentosertib: KI-Medikament mit überraschendem Anti-Aging-Effekt. (2026, 08. September). Frankfurter Rundschau. - IT-Boltwise. (2026, 08. September). Rentosertib: KI-gestütztes Fibrose-Medikament zeigt mögliche Anti-Aging-Signale. - IT-Boltwise. (2026, 08. September). Rentosertib: KI-entwickelter Wirkstoff senkt biologische Alterung deutlich. - IT-Boltwise. (2026, 07. September). KI-gestützter Wirkstoff rentosertib: Studie senkt „aging clocks“-Werte. - Rentosertib: Im Inneren der Phase-IIa-Ergebnisse des ersten KI-designten Medikaments. (2026, 18. Juli). Kinda Peak.

KI, die in Deutschland zu Hause ist.

Testen Sie Mindverse Studio oder sprechen Sie mit unserem Team über Ihren Anwendungsfall.