Die Rolle autonomer KI in der Krebsforschung von morgen

Bereits heute unterstützen Künstliche Intelligenz (KI) und sogenanntes Deep Learning Forschende in zahlreichen Bereichen. Bislang konnten diese Modelle allerdings nur spezifische Aufgaben lösen, wofür sie genaue Vorgaben und Anleitung durch Wissenschaftler benötigen. Biomedizinische Forschung wie zum Beispiel die Entwicklung neuartiger Krebstherapien beinhaltet meist komplexe und mehrstufige Arbeitsschritte. Dazu gehören die Recherche, Planung und Durchführung von Experimenten, gefolgt von Auswertung und Interpretation der Daten. KI konnte hier bisher nur bei einzelnen Schritten wie etwa in der Datenanalyse oder bei der Modellierung helfen. Durch die Einführung großer Sprachmodelle (Large Language Models – LLMs) wie zum Beispiel ChatGPT, die auf Basis menschlicher Sprache arbeiten, können heute immer mehr wissenschaftliche Aufgaben wie Literaturrecherche, Hypothesengenerierung und Planung von Experimenten durch eine KI unterstützt werden. Mittlerweile verstehen diese Modelle nicht nur reinen Text, sondern auch Bilder, Videos und strukturierte Daten wie Tabellen und Flowcharts. Durch das Konzept von KI-Agenten könnte ein Sprachmodell wie ChatGPT in Zukunft grundsätzlich auf jede Software selbst zugreifen und diese nutzen, um eine Aufgabenstellung zu lösen – etwas, das bislang ausschließlich Wissenschaftlern vorbehalten war. Auch werden die Modelle zunehmend besser darin, selbständig zu lernen, ihr Wissen zu reflektieren und neue Problemstellungen zu lösen. Die Forschenden beschreiben in ihrer Veröffentlichung in der Fachzeitschrift „Nature Cancer“, wie diese Weiterentwicklungen die wissenschaftliche Arbeit in der Krebsforschung in der nahen Zukunft verändern werden.

Autonome KI-Modelle basierend auf großen Sprachmodellen, die selbständig lernen und reflektieren, könnten in Zukunft nahtlos mit Forschenden zusammenarbeiten. Dadurch ließe sich der gesamte Entwicklungsprozess in der Krebsforschung von der Literaturrecherche, der Projektplanung über die Modellierung möglicher Medikamente bis hin zum Design von klinischen Studien beschleunigen.

Die Modelle vereinfachen zeitaufwändige biomedizinische Arbeitsabläufe, indem sie mehrstufige Aufgaben automatisieren und eine effiziente Zusammenarbeit zwischen spezialisierten KI-Systemen ermöglichen. Die Identifizierung neuer Ziele für Krebsmedikamente beinhaltet eine umfangreiche Literaturrecherche. Aufwendige Modellierungen der 3D-Struktur eines Eiweißes oder eines Medikaments waren bislang häufig Gegenstand einer gesamten Doktorarbeit. Neue KI-Agenten mit Internetzugriff hingegen können hunderte Publikationen lesen sowie zahlreiche verschiedene 3D-Strukturen innerhalb weniger Minuten untersuchen. 

Auch wenn die Systeme zunehmend autonom arbeiten könnten, wird die Überwachung durch menschliche Forscher bestehen bleiben. Sie leiten die Systeme an und überprüfen die einzelnen Schritte und Ergebnisse. Ziel ist es, dass die Systeme detaillierte, zeitaufwändige Routinearbeiten automatisieren. Dadurch bleibt den Wissenschaftlern mehr Zeit für kreative neue Ideen und strategische Entscheidungen. 

„Diese neuen Systeme werden die biomedizinische Forschung maßgeblich verändern und beschleunigen. Zugleich müssen sich Wissenschaftler auch der ethischen und sicherheitsrelevanten Konsequenzen bewusst sein. Es ist unsere Aufgabe, KI verantwortungsvoll einzusetzen und die dafür erforderlichen Rahmenbedingungen zu definieren. Dann sind diese KI-Systeme eine wertvolle Ergänzung und Unterstützung, um die Forschung voranzubringen, Krankheiten besser zu verstehen und passende Therapieansätze finden zu können“, sagt Prof. Jakob N. Kather, Professor für Klinische Künstliche Intelligenz an der TU Dresden. 

Quelle: Else Kröner Fresenius Zentrum (EKFZ) für Digitale Gesundheit

19.12.2024

• Arbeitsablauf (189)
• Deep Learning (84)
• Forschung (2765)
• KI (439)
• Krebs (827)