Künstliche Intelligenz findet neue Krebsbehandlungen mit gängigen Medikamenten

Ein interdisziplinäres Forschungsteam an der Universität Cambridge hat ein bahnbrechendes Experiment durchgeführt, bei dem ein großes Sprachmodell (Large Language Model, LLM) namens GPT-4 zusammen mit menschlichen Wissenschaftlern potentiell neue Krebsmedikamente identifiziert. Das Team nutzte GPT-4, um verborgene Muster in der riesigen Menge wissenschaftlicher Literatur zu erkennen und günstige, sicherheitsgeprüfte Medikamente zu finden, die für die Behandlung von Krebs verwendet werden könnten. Um ihre Methode zu überprüfen, gaben die Forscher GPT-4 Anweisungen, neue Medikamentenkombinationen zu identifizieren, die einen erheblichen Einfluss auf eine häufig in medizinischer Forschung verwendete Brustkrebszelllinie haben könnten. Sie forderten das Modell auf, Standard-Krebsmedikamente zu vermeiden, Medikamente auszuwählen, die Krebszellen angreifen, gesunde Zellen aber nicht schädigen, und vorrangig auf günstige und regulatorisch zugelassene Medikamente zu achten. Die von GPT-4 vorgeschlagenen Kombinationen wurden anschließend von menschlichen Wissenschaftlern in Laborversuchen getestet, sowohl in Kombination als auch einzeln, um ihre Wirksamkeit gegen Brustkrebszellen zu bewerten. In den ersten Labortests zeigten drei der 12 vorgeschlagenen Kombinationen bessere Ergebnisse als aktuelle Brustkrebsmedikamente. Das LLM lernte aus diesen Tests und schlug vier weitere Kombinationen vor, von denen drei ebenfalls vielversprechende Ergebnisse erzielten. Die Studie, veröffentlicht im Journal of the Royal Society Interface, stellt den ersten Fall eines geschlossenen Schleifen-Systems dar, bei dem experimentelle Ergebnisse ein LLM leiteten und dessen Ausgaben wiederum von menschlichen Wissenschaftlern interpretiert wurden, um weitere Experimente zu gestalten. Dies deutet auf eine neue Form der Zusammenarbeit hin, bei der KI-Modelle wie GPT-4 als unermüdliche Forschungspartner dienen, die in einem großen Raum möglicher Hypothesen navigieren und Vorschläge machen, die Menschen allein viel länger brauchen würden, um zu entwickeln. Professor Ross King vom Department of Chemical Engineering and Biotechnology der Universität Cambridge, der die Forschung geleitet hat, betonte, dass solche überwachten LLMs kein Ersatz für Wissenschaftler sind, sondern eine erweiterbare, kreative Schicht wissenschaftlicher Erkundung bieten. „Dies kann in Bereichen wie der Medikamentenentdeckung sehr nützlich sein, wo es Tausende von Verbindungen gibt, die durchsucht werden müssen," sagte King. Die Halluzinationen, also falsche oder nicht bewiesene Aussagen, die LLMs oft produzieren, wurden in diesem Kontext sogar als Vorteil wahrgenommen, da sie zu neuen Ideen führen konnten, die es wert waren, getestet zu werden. Dr. Hector Zenil von King's College London, Co-Autor der Studie, ergänzte: „Dies ist keine Automatisierung, die Wissenschaftler ersetzt, sondern eine neue Art von Zusammenarbeit. Das KI-Modell fungierte als unermüdlicher Forschungspartner, der rasch durch ein immenses Hypothesenfeld navigierte und Ideen vorschlug, die Menschen allein viel länger gebraucht hätten, um zu entwickeln." Durch die Exploration subtiler Synergien und übersehener Wege half GPT-4 dabei, sechs vielversprechende Medikamentenpaare zu identifizieren, die alle durch Laborexperimente getestet wurden. Besonders herausragend waren die Kombinationen von Simvastatin (ein Cholesterinsenker) und Disulfiram (ein Medikament zur Alkoholabhängigkeit), die effektiv gegen Brustkrebszellen wirkten. Obwohl diese Medikamente traditionell nicht für die Krebsbehandlung verwendet werden, zeigen sie Potenzial für die therapeutische Wiederverwendung. Allerdings müssten sie erst umfangreiche klinische Studien durchlaufen, bevor sie in der Praxis angewendet werden können. Zenil und King sind sich einig, dass die Fähigkeit überwachter LLMs, Hypothesen über verschiedene Disziplinen hinaus zu formulieren, frühere Ergebnisse zu integrieren und iterativ zu arbeiten, eine neue Dimension in der wissenschaftlichen Forschung darstellt. „An AI Scientist ist nicht länger nur eine Metapher ohne experimentelle Validierung: Es kann nun ein echter Partner im wissenschaftlichen Prozess sein," resümierte King. Die Forschung wurde teilweise von der Alice Wallenberg Foundation und dem UK Engineering and Physical Sciences Research Council (EPSRC) unterstützt. Kontextuelle Informationen Diese Studie markiert einen bedeutenden Meilenstein in der Integration von KI-Technologien in die wissenschaftliche Forschung. Experten in der Branche sehen in dieser Methode ein großes Potenzial, insbesondere in Bereichen, in denen die Entdeckung neuer Medikamente aufwendig und zeitaufwendig ist. Überwachte LLMs können helfen, die Entdeckungsgeschwindigkeit zu erhöhen und gleichzeitig die Kosten zu senken, indem sie unbekannte Verbindungen in existierenden Daten aufdecken. Die Universität Cambridge und King's College London sind führende Institutionen in der angewandten Wissenschaft und Technologie, die sich stets bemühen, innovative Methoden zur Verbesserung medizinischer Forschung und Entwicklung anzuwenden. Die Studie hat bereits positive Resonanz in der wissenschaftlichen Gemeinschaft gefunden und könnte zu weiteren Anwendungen in der Medikamentenentwicklung führen.