BAIQO

Ein großes Problem aus Industrie und Forschung ist die Optimierung der Planung und Durchführung klinischer Studien. Angesichts der hohen Kosten und langen Entwicklungsdauer von Medikamenten suchen Pharma- und Biotech-Unternehmen nach effizienteren Wegen, um Medikamente gezielter, schneller und sicherer durch die Phasen der Entwicklung zu bringen, indem sie z.B. die Patientenrekrutierung optimieren und gezielt beschleunigen.

Das zentrale Ziel des BAIQO-Projekts ist der Entwurf, die Entwicklung und die Bewertung von verschiedenen Quantenalgorithmen zur Optimierung von Modellen, welche mit Hilfe von Maschinellem Lernen aus großen Datensätzen generiert werden (sogenannte Bayes'sche Modelle).
Als Anwendungsfall wird untersucht, wie klinische Studien optimiert werden können. Dabei soll auch erforscht werden, inwieweit unterschiedliche Arten von Quantenalgorithmen eingesetzt werden können. Maschinell abgeleitete Modelle für klinische Studien sind oft hochkomplex mit sehr vielen Variablen und Abhängigkeiten zwischen den Variablen. Eine Forschungsfrage im Projekt ist daher, inwieweit solche Modelle generell in Optimierungsprobleme übersetzt werden können. Die Evaluierung auf aktuell verfügbaren NISQ-Geräten wird weiter klären, ob ein "Quanten Vorteil" im Vergleich zu klassischen Ansätzen zur Optimierung klinischer Studien besteht.

Da es derzeit nur Machbarkeitsstudien gibt, werden Industrie und Forschung von diesen neuen Algorithmen für ein solch hochkomplexes Anwendungsproblem profitieren. Die Algorithmen werden in die bestehende Optimierungsplattform der Merck KGaA integriert und die wissenschaftlichen Ergebnisse in renommierten Fachzeitschriften veröffentlicht.