Die Versprechen der künstlichen Intelligenz, Krebs und alle Krankheiten zu behandeln, haben bislang noch keine entscheidenden praktischen Ergebnisse hervorgebracht. Das Biotechnologie-Start-up Vivodyne ist jedoch der Ansicht, dass das grundlegende Hindernis nicht in mangelnder Rechenleistung, sondern im Fehlen geeigneter Daten darüber liegt, wie menschliches Gewebe funktioniert. Deshalb hat das Unternehmen modulare Robotiklabore entwickelt, die es HIVE nennt und die biologische Kausalitätsdaten erzeugen sollen, mit denen sich Modelle trainieren lassen, die die komplexen Abläufe im menschlichen Körper besser verstehen.
Die HIVE-Labore können dem Unternehmen zufolge 20 Arten menschlichen Gewebes kultivieren, sie anschließend automatisch unterschiedlichen Dosen aussetzen und ihre Reaktion überwachen. Die Idee besteht darin, nicht nur den Zustand einer Zelle oder eines Proteins zu einem bestimmten Zeitpunkt zu beobachten, sondern zu verfolgen, was geschieht, wenn ein bestimmter Einfluss eine nachfolgende biologische Veränderung auslöst.
Die Lücke zwischen KI-Modellen und menschlicher Biologie
Ein großer Teil der derzeit in der Arzneimittelforschung verwendeten Daten basiert auf Tierversuchen oder auf Untersuchungen einzelner Zellen und Proteine. Vivodyne ist der Ansicht, dass diese Quellen nicht immer ein ausreichendes Bild vom Verhalten lebenden menschlichen Gewebes liefern, insbesondere wenn die Reaktion aus dem Zusammenspiel mehrerer biologischer Signalwege entsteht.
Andrei Georgescu, CEO und Mitgründer des Unternehmens, erklärte das Problem damit, dass heutige Modelle zwar lernen, zwischen einem „Zustand einer Zelle“ und einem anderen zu unterscheiden, aber nicht unbedingt lernen, dass der zweite Zustand durch eine Entzündung oder einen Auslöser entstanden ist, der den Übergang vom ersten Zustand bewirkt hat. Seiner Ansicht nach führt das Fehlen menschlicher Tests dazu, dass die Modelle Ergebnisse liefern können, die bei Mäusen funktionieren, sich aber nicht auf Menschen übertragen lassen.
Diese Einschätzung kommt zu einem Zeitpunkt, an dem einige Aussagen über die Fähigkeit der künstlichen Intelligenz, Krebs zu behandeln, ambitionierter erscheinen als die verfügbaren Belege. Dario Amodei, CEO von Anthropic, sagte, die Rede von einer Krebsbehandlung durch KI sei inzwischen eher zu einer Floskel als zu einer verlässlichen Erwartung geworden, obwohl er diese Möglichkeit zuvor in seinen Schriften erörtert hatte. Auch Sam Altman führte die Krebsbehandlung wiederholt als Begründung dafür an, OpenAI in Richtung künstlicher allgemeiner Intelligenz zu führen und die Investitionen in Rechenleistung zu erhöhen, während Demis Hassabis von Google DeepMind im vergangenen Jahr sagte, KI könne innerhalb eines Jahrzehnts bei der Behandlung aller Krankheiten helfen.
Was sagen die bisherigen Ergebnisse?
Die tatsächlichen Ergebnisse sind weiterhin begrenzt. Eine Handvoll mithilfe von KI entwickelter Medikamente hat klinische Studien am Menschen erreicht, eines davon die Phase 3, doch dadurch wurden die grundlegenden Hürden für die Zulassung neuer Medikamente nicht beseitigt. Auch AlphaFold, das mit einem Nobelpreis ausgezeichnet wurde und zum Verständnis der grundlegenden Struktur des Lebens beigetragen hat, hat dem Artikel zufolge bislang kein tatsächlich neues Medikament hervorgebracht. Isomorphic Labs, das Unternehmen, das gegründet wurde, um auf AlphaFold aufzubauen, rechnet damit, seine ersten Studien bis Ende 2026 zu beginnen, nachdem diese ursprünglich für 2025 vorgesehen waren.
Dem Artikel zufolge erhalten etwa 90 % der Medikamente, die Tierversuche erfolgreich genug durchlaufen, um in klinische Studien zu gelangen, später keine behördliche Genehmigung für die Anwendung am Menschen. Vivodyne zufolge erreichten ihre Gewebe in Toxizitätstests an Leberzellen im Vergleich zu Versuchen am Menschen eine Vorhersagegenauigkeit von 94 %. Gewebe der Atemwege stimmte demnach in 96 % der Fälle mit dem Verhalten echten menschlichen Gewebes überein, während Knochenmark bei Tests mit 20 verschiedenen Chemotherapeutika eine vollständige Übereinstimmung erzielte. Dabei handelt es sich um vom Unternehmen veröffentlichte Zahlen, nicht um einen Ersatz für einen umfassenden unabhängigen Nachweis.
Was baut Vivodyne praktisch auf?
Vivodyne wurde 2021 von der University of Pennsylvania ausgegründet, nachdem Georgescu einen Doktortitel in Bioingenieurwesen erworben hatte. In der Woche vor der Veröffentlichung des Artikels eröffnete das Unternehmen etwas außerhalb von San Francisco das, was es als größtes „Zentrum für menschliche Daten“ der Welt bezeichnet. Nach eigenen Angaben erreicht es dort eine Versuchszahl, die dem Doppelten der Gesamtzahl der in den Vereinigten Staaten durchgeführten Tierversuche entspricht. Die Namen seiner Partner gibt das Unternehmen nicht bekannt, bestätigt jedoch die Zusammenarbeit mit mehreren großen Pharmaunternehmen.
Das unmittelbare Geschäftsziel besteht darin, Arzneimittelentwicklern dabei zu helfen, die Erfolgschancen eines Kandidaten einzuschätzen, bevor sie Dutzende Millionen Dollar für eine klinische Studie ausgeben. Georgescu vergleicht dies mit Crashtests in der Automobilindustrie: Der Hersteller weiß normalerweise bereits vor dem Test, ob das Fahrzeug die Anforderungen der NHTSA erfüllen wird, während Arzneimittelentwickler mit weniger Gewissheit in klinische Studien gehen und ein hohes Risiko besteht, dass das Medikament keine Zulassung der FDA erhält.
Vivodyne hat in zwei von Khosla Ventures angeführten Finanzierungsrunden knapp 80 Millionen Dollar eingesammelt. Das Unternehmen gibt die Namen seiner Kunden oder Partner nicht bekannt; daher lässt sich allein anhand des Artikels nicht beurteilen, wie groß der tatsächliche kommerzielle Einsatz seiner Plattform ist.
Warum ist dieser Ansatz wichtig?
Die Bedeutung des Vivodyne-Projekts liegt darin, dass es versucht, eine Phase zu adressieren, die in der Debatte über künstliche Intelligenz häufig vernachlässigt wird: die Qualität der Daten, aus denen das Modell lernt, und nicht nur die Größe des Modells. Nach Angaben des Unternehmens verfolgen die HIVE-Labore Hunderttausende laufende Experimente, bei denen erkranktes Gewebe unterschiedlichen Auslösern ausgesetzt wird. Dies könnte Trainingsdaten zu kausalen Zusammenhängen liefern und möglicherweise Modelle unterstützen, die den Grund für einen bestimmten Effekt vorschlagen können.
Diese Art von Daten könnte bei der Entwicklung von Kombinationstherapien, die auf mehrere Signalwege abzielen, wichtiger werden, da Georgescu der Ansicht ist, dass die Zahl der möglichen Kombinationen schnell wächst und sich nicht durch einen zufälligen experimentellen Ansatz untersuchen lässt. Der Artikel liefert jedoch keinen Beleg dafür, dass Vivodyne einer Krebsbehandlung näher gekommen ist, sondern beschreibt eine technologische Wette darauf, dass bessere Daten über den Menschen eine notwendige Voraussetzung für realistischere Fortschritte bei der Arzneimittelentdeckung sein könnten.