Differentia Bios KI-Modelle sagten spätere klinische Ergebnisse voraus
Differentia Bio zufolge identifizierte seine Plattform zur Krankheitsmodellierung zwischen 2023 und 2024 therapeutische Mechanismen, die später durch unabhängige klinische Ergebnisse gestützt wurden. Ein Ansatz wurde durch eine FDA-zugelassene Behandlung bestätigt, der andere durch frühe klinische Daten.
- Differentia identifizierte zwischen 2023 und 2024 bei IgG4-RD therapeutische Ansätze mit B-Zellen und IL-4/Th2.
- Die FDA ließ Inebilizumab im April 2025 als erste Behandlung für IgG4-RD zu.
- Die zulassungsrelevante Phase-3-Studie senkte das Risiko von Krankheitsschüben im Vergleich zu Placebo um 87 Prozent.
- Eine frühe Studie zu Dupilumab stellte bei vier von fünf Patienten eine klinische Verbesserung fest.
- Die DHARMA-Plattform erstellt digitale Krankheitsmodelle aus Patientendaten und biologischem Wissen.
Zwei vorhergesagte Therapieansätze erhielten klinische Unterstützung
Das in San Francisco ansässige Unternehmen Differentia Bio teilte am 3. November 2026 mit, dass sein KI-basiertes Modell für die IgG4-bedingte Erkrankung, kurz IgG4-RD, auf B-Zellen abzielende Interventionen und den IL-4/Th2-Signalweg als vielversprechende Therapiestrategien identifiziert habe. Das Unternehmen stellte seine Forschung ab 2023 auf internationalen Konferenzen vor, darunter Veranstaltungen von ACoP, PAGE und NBC, bevor es seine Plattform für Autoimmunerkrankungen im August 2024 öffentlich vorstellte.
Spätere Entwicklungen stützten beide Ansätze. Im April 2025 ließ die FDA Inebilizumab, eine gegen CD19 gerichtete Therapie, als erste Behandlung für IgG4-RD zu. In der zulassungsrelevanten Phase-3-Studie senkte die Behandlung das Risiko von Krankheitsschüben im Vergleich zu Placebo um 87 Prozent.
Eine frühe unabhängige Studie berichtete im Januar 2026 über Ergebnisse zu Dupilumab. Die Behandlung hemmt die IL-4Rα-Signalübertragung. Vier von fünf Patienten zeigten eine klinische Verbesserung und niedrigere IgG4-Werte, bei drei Patienten normalisierten sich die Werte.
Das Modell konzentrierte sich auf biologische Mechanismen
Differentia zufolge unterscheidet sich der Ansatz von rückblickenden KI-Bewertungen, die bereits bekannte Ergebnisse verwenden. Das Unternehmen dokumentierte seine Therapiehypothesen vor den späteren klinischen Entwicklungen. Zugleich betonte es, dass eine breitere prospektive Validierung weiterhin erforderlich sei. Die aktuellen Ergebnisse zeigen, dass sich mechanismusbasierte KI-Prognosen mit später gewonnenen klinischen Erkenntnissen aus der Humanmedizin vergleichen lassen.
Nach Angaben des Unternehmens beginnt die Plattform mit ihrer Arbeit, bevor biologische Daten erhoben werden. Sie kombiniert künstliche Intelligenz, biologische Wissensgraphen und Systembiologie, um zu bestimmen, welche biologischen Fragen, Signalwege und Multi-Omics-Messungen erforderlich sind, um eine Erkrankung zu verstehen.
Das IgG4-RD-Modell integrierte Einzelzell-RNA-Sequenzierung, Durchflusszytometrie und Multiplex-Zytokinprofiling von denselben Patienten. Mithilfe von zehntausenden Zellen und Millionen molekularer Messungen filterte das Modell aus mehr als 30 biologischen Komponenten und über 100 mechanistischen Wechselwirkungen die für Therapieentscheidungen relevanten Elemente heraus.
Die B-Zell- und IL-4/Th2-Signalwege erwiesen sich als vielversprechend. Mechanismen, die in einigen erfolglosen klinischen Programmen untersucht worden waren, darunter SLAMF7, traten dagegen nicht als bedeutende Treiber der Erkrankung hervor und wurden daher nicht in das ursprüngliche Modell aufgenommen.
Die DHARMA-Plattform erstellt virtuelle Krankheitsumgebungen
Die Plattform DHARMA™ AI Disease Digital Twin Engine von Differentia kombiniert generative KI, biologische Wissensgraphen, öffentlich zugängliche wissenschaftliche und klinische Erkenntnisse sowie detaillierte Patientendaten aus akademischen und klinischen Kooperationen. Nach Angaben des Unternehmens ermöglicht dies die Erstellung digitaler Zwillinge, die über mehrere Ebenen hinweg arbeiten und sowohl biologische Wechselwirkungen als auch Unterschiede zwischen Patienten modellieren.
Die Modelle werden anhand vorhandener präklinischer und klinischer Daten von Pharmakunden kalibriert und erzeugen anschließend Prognosen. Sobald neue kundenspezifische klinische Daten verfügbar sind, können die Modelle neu kalibriert werden. Aktualisierte Prognosen können dann weitere Entwicklungsentscheidungen unterstützen.
Das Unternehmen entwickelt außerdem maßgeschneiderte Krankheitsumgebungen, in denen Forschungs- und Entwicklungsteams virtuelle Experimente durchführen, Therapiestrategien vergleichen und mögliche Wege für die klinische Entwicklung untersuchen können. Die Lösung ist für onkologische, autoimmune und metabolische Erkrankungen sowie für verschiedene Behandlungsmodalitäten vorgesehen.
Ziel sind bessere Entscheidungen bei der Arzneimittelentwicklung
Differentia Bio zufolge kann diese Art der Modellierung Entwicklern helfen, Krankheitsmechanismen, Strategien für klinische Studien, Patientengruppen, Dosierungsansätze, Indikationen und Behandlungskombinationen zu bewerten, bevor klinische Studien beginnen. Der Ansatz steht im Einklang mit der regulatorischen Ausweitung der modellgestützten Arzneimittelentwicklung, die laut Mitteilung 2026 mit der Finalisierung von ICH M15 und seiner Einführung in mehreren wichtigen Regulierungsregionen verknüpft war.
Das Unternehmen unterhält Geschäftsbeziehungen zu mehreren multinationalen Pharmaunternehmen, die zu den zehn größten Arzneimittelherstellern der Welt zählen, sowie zu Biotechnologieentwicklern, Auftragsforschungsinstituten und Investmentgesellschaften. Differentia will prädiktive Modellierung zu einer dauerhaften Fähigkeit in der pharmazeutischen Forschung und Entwicklung machen. Auf Grundlage der präsentierten Ergebnisse könnte die Rolle von KI über das Moleküldesign hinausgehen und vorhersagen, wie Therapien voraussichtlich bei menschlichen Erkrankungen wirken.
