Wissen

KI-Team wertet Tausende Studien für die Medikamentenforschung aus

Eine neue Science-Veröffentlichung zeigt, wie spezialisierte KI-Agenten Hinweise für die Wirkstoffsuche zusammentragen. Ein Krebsbeispiel verdeutlicht zugleich die Grenze zwischen einer plausiblen Forschungsidee und einem neuen Medikament.

Von Wolfgang

19. Sep. 20263 Min. Lesezeit

KI-Team wertet Tausende Studien für die Medikamentenforschung aus

Eine neue Science-Veröffentlichung zeigt, wie spezialisierte KI-Agenten Hinweise für die Wirkstoffsuche zusammentragen. Ein Krebsbeispiel verdeutlicht zugleich die Grenze zwischen einer plausiblen Forschungsidee und einem neuen Medikament.

Mehr als 37.000 KI-Agenten haben einem Forschungsteam geholfen, Ergebnisse aus einem Bestand von 55.984 klinischen Studien zusammenzutragen. Die am 17. September 2026 in Science veröffentlichte Arbeit beschreibt ein von Menschen angeleitetes Softwaresystem, das Hinweise auf aussichtsreiche Wirkstoffziele sucht. Es wertet vorhandene Forschung aus; einen klinischen Nutzen seiner eigenen Therapievorschläge hat das Team damit nicht nachgewiesen.

Die Gruppe um James Zou von der Stanford University nennt den Ansatz „Virtual Biotech“. Der Name beschreibt die Arbeitsteilung: Eine KI koordiniert die wissenschaftliche Arbeit, spezialisierte Agenten untersuchen einzelne Teilfragen. Eine Vorfassung der Studie war bereits im Februar erschienen.

Viele Spezialisten für verstreute Daten

Nach der Beschreibung des Projekts klärt der virtuelle Forschungsleiter zunächst mit dem Nutzer die Aufgabe. Dann verteilt er Teilfragen an spezialisierte Agenten, etwa für Genetik oder klinische Studien. Ein weiterer Agent prüft Methoden und Aussagen. Fehlen Belege, kann die Untersuchung fortgesetzt werden, bevor die Leitung die Ergebnisse zusammenführt.

Bei der großen Studienauswertung suchten die Agenten laut Originalpreprint in Studienregistern, wissenschaftlichen Veröffentlichungen und ergänzenden Mitteilungen nach Ergebnissen. Sie bereiteten Angaben auf, die für gemeinsame Analysen zuvor fehlten oder unterschiedlich dokumentiert waren.

Dabei zeigte sich ein Zusammenhang: Wirkstoffe, deren Zielgene besonders auf bestimmte Zelltypen beschränkt aktiv sind, schnitten im untersuchten Datenbestand günstiger ab. Solche Merkmale könnten Forschern zusätzliche Hinweise geben, welche Ziele sie genauer verfolgen sollten. Die Auswertung ist allerdings beobachtend. Sie beweist weder, dass die Zellmerkmale allein den Erfolg verursachen, noch dass der Einsatz der KI die Erfolgsquote künftiger Medikamente erhöht.

Schema von der Forschungsfrage über KI-Leitung und spezialisierte Analysen zum Hypothesenbericht; die Prüfung im Labor ist als weiterer Schritt abgetrennt.
KI-generiertes Schema: Das System bündelt vorhandene Belege zu Forschungshypothesen. Experimentelle Bestätigung ist ein weiterer Schritt.

Der Krebsansatz war keine Erfindung aus dem Nichts

In einer weiteren Fallstudie gab das Forschungsteam den Agenten das Protein B7-H3 als möglichen Angriffspunkt bei Lungenkrebs vor. Die KI verband verschiedene biologische Daten und schlug eine Strategie mit einem Antikörper-Wirkstoff-Konjugat vor. Dabei soll ein Antikörper einen angehängten Wirkstoff zu Zellen mit dem passenden Zielprotein bringen. Stanford beschreibt den Befund als Beispiel dafür, wie das System einen therapeutischen Ansatz begründen kann.

Die zeitliche Einordnung ist dabei wichtig. Ein solcher B7-H3-Wirkstoff war längst in klinischer Entwicklung: Daiichi Sankyo und Merck meldeten schon am 1. August 2024 den ersten behandelten Patienten einer Phase-3-Studie mit Ifinatamab deruxtecan. Die Übereinstimmung mit einem bestehenden Entwicklungsansatz belegt deshalb keine erstmalige Erfindung des Wirkstoffprinzips durch die KI.

Der mögliche Beitrag liegt vielmehr darin, unterschiedliche Belege zusammenzubringen und daraus überprüfbare biologische Erklärungen abzuleiten. Im Preprint nennt das Team selbst Grenzen: Agenten können Analysefehler machen, vorhandene Trainingskenntnisse können ihre Ergebnisse beeinflussen, und Fehler können sich zwischen den beteiligten Agenten fortpflanzen. Menschliche Fachleute müssen die Arbeit deshalb nachvollziehen und prüfen.

Als nächsten Schritt will das Team neue Vorschläge im Labor testen. Erst dort zeigt sich, welche der am Computer entwickelten Hypothesen biologisch standhalten und weitere Entwicklungsarbeit verdienen.

Quellen

Für diesen Artikel wurden KI-gestützte Recherche- und Editierwerkzeuge verwendet. Der Inhalt wurde redaktionell geprüft.

Titelbild: KI-generiertes Symbolbild zur computergestützten Auswertung von Forschungsdaten.