Die in der Zeitschrift Science veröffentlichte Studie stellt „Virtual Biotech“ vor, das als virtuelles Biotechnologieunternehmen aus KI-Agenten für die Arzneimittelforschung konzipiert wurde. Das System kann bis zu 37.000 Agenten umfassen, die autonom mit großen Sprachmodellen oder miteinander interagieren und mehrstufige Aufgaben ausführen können.
Das von dem Informatiker James Zou von der Stanford University geleitete Team modellierte die Unternehmensstruktur mit verschiedenen Abteilungen, die von einem „Chief Scientific Officer“ (CSO)-Agenten geleitet werden. Zu den Abteilungen gehörten Fachbereiche wie Zielbestimmung und die Gestaltung klinischer Studien. In der Studie wurden von Anthropic entwickelte Claude-Modelle verwendet; Zou erklärte, dass jedes fortgeschrittene große Sprachmodell, einschließlich Open-Source-Modelle, eingesetzt werden könne.
Das System analysierte die veröffentlichten Ergebnisse von mehr als 55.000 klinischen Studien, die für verschiedene Krankheiten durchgeführt worden waren. 37.075 Agenten wurden damit beauftragt, jede der klinischen Studien in einem fortgeschrittenen Stadium zu untersuchen. Die Analyse zeigte, dass Medikamente, die auf Proteine abzielen, die in bestimmten Zelltypen aktiv sind, im Vergleich zu anderen Medikamenten eine um etwa 50 % höhere Wahrscheinlichkeit haben, den Markt zu erreichen.
Im zweiten Test untersuchte das System, ob das Protein CD276 bei Lungenkrebs als Therapieziel infrage kommen könnte. Im Einklang mit früheren Daten bestätigten die Agenten CD276 als mögliches Ziel und entwickelten eine Therapiestrategie, bei der ein Antikörper, der dieses Protein erkennt, an ein Krebsmedikament gekoppelt wurde. Unter Mitwirkung externer Gutachter wurde der Ansatz als vielversprechend bewertet.
Die Forschenden betonten jedoch, dass das System nicht in realen Arzneimittelentwicklungsprozessen erprobt worden sei und seine Vorhersagen weder durch Experimente noch durch klinische Studien bestätigt worden seien.
Warum wichtig
Die eigentliche Bedeutung der Studie liegt in ihrem Versuch, die Priorisierung dabei zu unterstützen, welche biologischen Ziele in der Arzneimittelforschung eingehender untersucht werden sollten, und zwar durch ein System, das die Ergebnisse zahlreicher klinischer Studien gemeinsam analysiert. Die Ergebnisse zeigen, dass die Konzentration auf Proteine, die in bestimmten Zelltypen aktiv sind, mit der Wahrscheinlichkeit zusammenhängen könnte, dass Kandidatenmedikamente den Markt erreichen, und liefern damit ein Kriterium, das bei der Planung von Forschungsarbeiten eingesetzt werden kann. Dieser Ansatz könnte für Forschende, die an der Auswahl von Zielen und der Planung klinischer Studien beteiligt sind, eine neue Analyseebene zu den Entscheidungsprozessen hinzufügen. Dass das System jedoch nicht in realen Entwicklungsprozessen erprobt wurde, macht deutlich, dass die Ergebnisse durch Laborexperimente und klinische Studien überprüft werden müssen; die offene Frage lautet daher, ob die von AI bestimmten Ziele in der Praxis bestätigt werden können.
Begriff: Agent
Ein AI-Agent ist eine Software, die nicht nur eine einzelne Antwort erzeugt, sondern Werkzeuge aufruft und mehrstufige Aufgaben ausführt, um ein Ziel zu erreichen.