Google nutzt künstliche Intelligenz in mehreren Phasen der medizinischen Forschung – von der Analyse von Krankheitsmechanismen auf molekularer Ebene bis hin zur Unterstützung bei Diagnosen und der Planung im Bereich der öffentlichen Gesundheit. Das Unternehmen erklärt, dass seine Teams in den vergangenen fünf Jahren 90 begutachtete Forschungsarbeiten zum Verständnis und zur Behandlung von Krankheiten veröffentlicht haben, die mehr als 90.000 Zitationen erhielten.
Der von Yossi Matias, Vizepräsident von Google und General Manager von Google Research, sowie Pushmeet Kohli, Vizepräsident für Wissenschaft bei Google DeepMind und leitender Wissenschaftler bei Google Cloud, verfasste Beitrag stellt eine Bilanz von Forschungsinstrumenten und -partnerschaften dar, statt ein einzelnes Medizinprodukt anzukündigen.
Vom Genom zu Gehirnkarten
Google beschreibt die Plattform AlphaGenome Atlas als Index für Vorhersagen darüber, wie sich Veränderungen einzelner Buchstaben im Genom auf die Molekularbiologie auswirken. Forschende der University of Exeter nutzten die Plattform, um Daten von mehr als 54.000 Menschen zu analysieren und Varianten zu identifizieren, die mit den Konzentrationen von Proteinen wie PLA2G7, das mit dem Alterungsprozess in Verbindung steht, und EGLN1, einem zellulären Sauerstoffsensor, verbunden sind.
Im Bereich der Arzneimittelentwicklung nutzten Forschende am Institute for Global Health in Barcelona das Modell AlphaFold, um 30.000 Verbindungen virtuell auf eine mögliche Wirkung gegen die Chagas-Krankheit zu untersuchen. Die Arbeit trug dazu bei, zwei von der FDA zugelassene Medikamente zu identifizieren, die gegen die Krankheit umgewidmet werden könnten. Diese betrifft etwa 8 Millionen Menschen und kann unbehandelt zu schweren Komplikationen führen.
Gemeinsam mit dem Lichtman Lab an der Harvard University rekonstruierte Google außerdem einen Teil eines menschlichen Gehirns mit Nanometerpräzision und stellte die Daten über Neuroglancer zur Verfügung – zusammen mit Karten der Gehirne einer Fliege, eines Zebrafischlarvenstadiums und eines Singvogels.
Die Distanz zwischen Forschung und Anwendung verkürzen
In einer klinischen Studie in Zusammenarbeit mit der Stanford University School of Medicine halfen die Modelle DeepVariant und DeepConsensus dabei, in zeitkritischen Fällen innerhalb von weniger als acht Stunden mithilfe der Ganzgenomsequenzierung eine genetische Diagnose zu stellen. Google erklärt, dass diese Leistung auch vom Guinness World Record anerkannt wurde.
Das Unternehmen stellt außerdem AlphaProtein Novo vor, einen Ansatz des maschinellen Lernens zur Entwicklung neuer Enzyme ausgehend von Grundprinzipien. In Labortests entwarf das System Enzyme zur Synthese wesentlicher Bestandteile von Medikamenten sowie weitere Enzyme zum Abbau giftiger Umweltkunststoffe unter extremen Bedingungen.
Unterstützung bei Diagnosen und im Bereich der öffentlichen Gesundheit
In zwei in Nature Cancer veröffentlichten Studien in Zusammenarbeit mit dem Imperial College London und dem National Health Service wurde ein System zur Mammografie bei 125.000 Frauen getestet. Das System erkannte 25 % der Fälle von Intervallkarzinomen, die historisch übersehen wurden, und zeigte das Potenzial, den Aufwand für die Bildauswertung durch Fachleute um bis zu 40 % zu senken. Diese Forschungsergebnisse bedeuten nicht, dass das System als Ersatz für Radiologinnen und Radiologen zugelassen ist.
Bei kindlichen Leukämiefällen bestätigte DeepSomatic bekannte Varianten und entdeckte zehn zuvor nicht erfasste Mutationen, als es auf reale Fälle angewendet wurde, deren Sequenzierung zuvor im Children’s Mercy Hospital erfolgt war. Google setzte außerdem geografische Modelle zusammen mit Umwelt-, Wetter- und Mobilitätsdaten ein, um Krankheitsausbrüche besser vorherzusagen. In einer Studie von WHO AFRO und dem INRB in der Demokratischen Republik Kongo halfen dialogorientierte geografische Modelle dabei, Risiken der Ebola-Exposition und -Übertragung schneller zu bestimmen.
Warum ist diese Entwicklung wichtig?
Die tatsächliche Veränderung besteht hier nicht lediglich in der Nutzung eines Sprachmodells in einer Klinik, sondern in der Ausweitung der Rolle künstlicher Intelligenz auf die Arzneimittelentwicklung, die Interpretation genetischer Varianten, die Verarbeitung diagnostischer Bilder und die gezielte Zuweisung von Ressourcen im Bereich der öffentlichen Gesundheit. Die Quelle stellt die Ergebnisse jedoch aus der Perspektive von Google dar und erläutert in diesem Beitrag weder Einzelheiten zur regulatorischen Zulassung noch die Übertragbarkeit jedes Modells auf unterschiedliche Bevölkerungsgruppen und Gesundheitssysteme.
Google.org erklärt, im Jahr 2026 mehr als 60 Millionen US-Dollar an Organisationen vergeben zu haben, die fortschrittliche Modelle in der Krankheitsforschung einsetzen, darunter die Makerere University und die University of Pennsylvania. Der Wert dieser Initiativen hängt weiterhin davon ab, die Forschungsergebnisse in zuverlässige klinische Instrumente zu überführen und dabei unabhängige Überprüfung und ärztliche Aufsicht zu gewährleisten.