In einer Welt, in der wir künstliche Intelligenz bitten, Artikel zusammenzufassen und Bilder zu erstellen, haben Wissenschaftler einer KI nun eine weitaus größere Herausforderung gestellt: einen neuen Weg zur Krebsbekämpfung zu finden. Und sie hat prompt einen vielversprechenden Ansatz geliefert.
Google gab am 15. Oktober einen bedeutenden wissenschaftlichen Durchbruch bekannt: Ein KI-Modell aus der Gemma-Familie hat dabei geholfen, einen möglichen neuen Weg zur Behandlung von Krebs aufzudecken.
In Zusammenarbeit mit der Yale University entwickelten Forscher von Google DeepMind und Google Research Cell2Sentence-Scale 27B (C2S-Scale), ein gewaltiges, 27 Milliarden Parameter umfassendes KI-Modell , das darauf ausgelegt ist, die „Sprache“ einzelner Zellen zu verstehen.
Laut einem Google Blogbeitrag von Shekoofeh Azizi und Bryan Perozzi, „hat C2S-Scale eine neuartige Hypothese über das Verhalten von Krebszellen entwickelt, und wir haben seine Vorhersage inzwischen durch experimentelle Validierung in lebenden Zellen bestätigt.“ Die Erkenntnis, so die Forscher, „zeigt einen vielversprechenden neuen Ansatz für die Entwicklung von Therapien zur Krebsbekämpfung auf.“
Das Modell verstehen
C2S-Scale ist Teil der Gemma-Familie von Google für Open-Source-Modelle und markiert ein neues Kapitel in der KI-gestützten biologischen Forschung. Das Modell wurde entwickelt, um Daten auf Einzelzellebene zu analysieren. Dadurch können Wissenschaftler untersuchen, wie sich einzelne Zellen in komplexen biologischen Umgebungen verhalten.
Eine der größten Herausforderungen bei der Krebsbehandlung besteht darin, dass viele Tumoren „kalt“ sind – das heißt, sie bleiben für das Immunsystem des Körpers unsichtbar. Googles Forscher beauftragten das KI-Modell damit, einen Wirkstoff zu finden, der diese Tumoren durch eine Verstärkung der Antigenpräsentation „heiß“ beziehungsweise für Immunzellen sichtbar machen könnte. Bei der Antigenpräsentation zeigen Zellen Signale, die das Immunsystem alarmieren.
Vereinfacht gesagt, bestand das Ziel darin, dem Immunsystem dabei zu helfen, verborgene Tumoren zu „sehen“, allerdings nur unter den richtigen Bedingungen. Dazu führte die KI ein virtuelles Screening mit zwei Kontexten für mehr als 4.000 Wirkstoffverbindungen durch. Sie verglich, wie sich jeder Wirkstoff in zwei Situationen verhielt:
- Immune-Context-Positive, wenn Immunsignale vorhanden, aber schwach waren
- Immune-Context-Neutral, wenn keine Immunaktivität festgestellt wurde
Anschließend hob das Modell Wirkstoffe hervor, die nur unter der ersten Bedingung wirkten, bei der die Immunaktivität gering, aber vorhanden war.
Der überraschende Wirkstoffkandidat
Das Modell identifizierte eine bereits existierende Verbindung namens Silmitasertib (CX-4945), die als CK2-Kinase-Inhibitor bekannt ist, als vielversprechenden Kandidaten.
Die KI traf eine bemerkenswerte Vorhersage: Silmitasertib könnte die Antigenpräsentation deutlich verstärken, allerdings nur in einer „immune-context-positive“ Umgebung, in der bereits geringe Mengen Interferon (eines wichtigen Immunproteins) vorhanden waren.
Diese Vorhersage war besonders bemerkenswert, weil Silmitasertib in keiner veröffentlichten Studie zuvor mit einer Steigerung der MHC-I-Expression oder der Antigenpräsentation in Verbindung gebracht worden war.
Um dies zu überprüfen, testeten die Forscher die Vorhersage des Modells an menschlichen neuroendokrinen Zellmodellen, denen die KI während des Trainings nie begegnet war. Die Ergebnisse stimmten mit der Vorhersage der KI überein:
- Silmitasertib allein hatte keine messbare Wirkung
- Geringe Interferon-Dosen allein hatten nur einen schwachen Effekt
- In Kombination führten die beiden jedoch zu einer bemerkenswerten Steigerung der Antigenpräsentation um 50 % und machten die Krebszellen dadurch für das Immunsystem besser sichtbar
Mit anderen Worten: Die Kombination half dabei, die Krebszellen „aufzuleuchten“, sodass das Immunsystem sie möglicherweise leichter finden und angreifen kann.
Was das für die Zukunft von KI und Medizin bedeutet
Der Erfolg von C2S-Scale zeigt, dass größere KI-Modelle mehr leisten können, als bestehende Forschungsaufgaben zu verbessern: Sie können völlig neue wissenschaftliche Ideen hervorbringen.
Wie Google anmerkte, „liefert das Ergebnis eine Blaupause für eine neue Art biologischer Entdeckungen“ und zeigt, wie skalierte KI-Systeme komplexe biologische Wechselwirkungen aufdecken können, die traditionellen Methoden möglicherweise entgehen.
Google zufolge führen die Teams an der Yale University nun eingehendere Untersuchungen zu dem vom Modell entdeckten Mechanismus durch und testen weitere von der KI generierte Hypothesen in verschiedenen Immunsituationen.
Um den Fortschritt zu beschleunigen, hat Google das Modell C2S-Scale 27B und die dazugehörigen Ressourcen der wissenschaftlichen Gemeinschaft zur Verfügung gestellt. Forscher können auf das Modell auf Hugging Face zugreifen und seinen Code auf GitHub erkunden, um möglicherweise auf dieser Entdeckung aufzubauen und künftig weitere Behandlungsmöglichkeiten zu finden.
Arm und Meta haben eine langfristige strategische Partnerschaft angekündigt, um die Effizienz von KI auf allen Ebenen des Computing zu steigern – von der Software bis zur groß angelegten Rechenzentrumsinfrastruktur.