Forscher der Universität Cambridge haben erstmals einen vollständig durch künstliche Intelligenz entworfenen Impfstoff beim Menschen getestet. Das experimentelle Präparat zielt auf ein breites Spektrum potenziell pandemieauslösender Viren ab, einschließlich der Sarbecoviren, die SARS, MERS und COVID-19 verursachen. Die im Journal of Infection veröffentlichte Studie umfasst eine Phase-1-Klinische Prüfung zwischen Ende 2021 und 2023 an etwa vierzig Probanden. Der primäre Fokus lag auf der Sicherheitsbewertung und Verträglichkeit. Es wurden keine schweren Nebenwirkungen registriert. Die immunologische Wirkung fiel hingegen als moderat aus; die erhobenen Daten belegen keinen signifikanten Anstieg der Antikörperspiegel über das Vorhandenniveau hinaus. Die Autoren führen dies teilweise auf die fortlaufende COVID-19-Pandemie zurück, die die immunologischen Ausgangswerte beeinflusst haben könnte. Ein weiteres Phasen-2-Studienverfahren mit größerer Teilnehmerzahl soll nun die schützende Effizienz verifizieren. Die Entwicklung markiert einen strategischen Wendepunkt in der Impfstoffforschung. Auf Basis eines Machine-Learning-Algorithmus, der auf weltweit erfassten genetischen Sarbecovirus-Daten trainiert wurde, konstruierten die Cambridge-Wissenschaftler einen synthetischen Antigencode. Ziel ist die Auslösung einer breiten, kreuzreaktiven Immunabwehr, um künftige Pandemien proaktiv abzuwehren. Studienkoautor Jonathan Heeney betonte, dass die Technologie die Impfstoffentwicklung von einer reaktiven Anpassung an aktuelle Varianten in eine zukunftssichere Strategie überführt. Herkömmliche Vakzine erfordern fortlaufende Reformulierungen, während diese KI-gestützte Plattform konservierte Virusregionen und zoonotische Übertragungsrisiken berücksichtigt. Die validierte Sicherheit des Phasen-1-Durchlaufs bestätigt die Machbarkeit des computergestützten immunologischen Designs. Mit der geplanten Effizienzprüfung in der nächsten Studiengruppe etabliert sich ein neuer Standard in der globalen Gesundheitsvorsorge, der die Abhängigkeit von saisonalen Anpassungen nachhaltig reduzieren könnte.