- Ein neues Antibiotikum wird als Behandlung für IBD (entzündliche Darmerkrankungen) entwickelt
- KI-Technologie trug dazu bei, die Wirkungsweise des Antibiotikums vorherzusagen
- Im Vergleich zu bestehenden Therapien wird ein neuer Mechanismus genutzt, der die Möglichkeit bietet, Resistenzen zu überwinden
- Auf Basis erfolgreicher experimenteller Ergebnisse entstehen Erwartungen an eine spätere klinische Anwendung
- Der Einsatz von KI in Arzneimitteldesign und Validierungsprozessen gewinnt zunehmend an Bedeutung
Überblick
- Kürzlich hat ein neues Antibiotikum, das zur Behandlung von entzündlichen Darmerkrankungen (IBD) erforscht wird, Aufmerksamkeit erregt
- Dass künstliche Intelligenz (KI) den Wirkmechanismus dieses Antibiotikums vorhersagte, stellt eine Neuerung gegenüber traditionellen Prozessen der Arzneimittelentwicklung dar
- Durch die Analyse von Resistenzen und Grenzen bestehender Therapien wird die Möglichkeit aufgezeigt, diese mit einem neuen Mechanismus zu überwinden
- Das Forschungsteam bestätigte in frühen Phasen, etwa in Tierversuchen, signifikante Effekte und strebt künftig die klinische Anwendung an
- Die KI-gestützte Arzneimittelentwicklung gewinnt in der Pharmaindustrie an Bedeutung, da sie Vorteile wie eine bessere Vorhersage von Wirkmechanismen, höhere Effizienz und geringere Kosten bietet
1 Kommentare
Hacker-News-Kommentare
Hier ist die Originalstudie in Nature Microbiology Link. Ich möchte den interessanten Teil teilen. Laut der Pressemitteilung der Universität wurde KI bisher als Werkzeug genutzt, um Moleküle mit therapeutischem Potenzial vorherzusagen, aber in dieser Studie wurde KI eingesetzt, um den „Wirkmechanismus (MOA)“ aufzuklären, also wie ein Medikament eine Krankheit angreift. MOA-Forschung ist für die Arzneimittelentwicklung essenziell. Sie hilft Wissenschaftlern dabei, die Sicherheit zu prüfen, die Dosierung zu optimieren, die Wirksamkeit zu verbessern und manchmal sogar neue therapeutische Ziele zu entdecken. Auf dieser Grundlage können Regulierungsbehörden auch beurteilen, ob das neue Medikament für den Einsatz beim Menschen geeignet ist. Bisher dauerten MOA-Studien üblicherweise 2 Jahre und kosteten etwa 2 Millionen Dollar, diesmal wurde der Prozess mit KI jedoch in 6 Monaten für 60.000 Dollar abgeschlossen. Nach der Entdeckung des neuen Antibiotikums arbeitete Stokes mit Kollegen vom MIT CSAIL zusammen, um zu prüfen, ob eine moderne Machine-Learning-Plattform die MOA-Forschung beschleunigen kann. Schon nach 100 Sekunden lag eine Vorhersage vor, die bestätigte, dass das neue Medikament LolCDE angreift, einen kleinen Proteinkomplex, der für das Überleben von Bakterien essenziell ist. Professorin Regina Barzilay vom MIT (Entwicklerin von DiffDock) erklärte: „An diesem Beispiel zeigen wir, dass KI über die reine Molekülsuche hinaus auch mechanistische Erklärungen liefern kann, die für den gesamten Entwicklungsprozess essenziell sind.“
Nachdem im Labor ein neues Antibiotikum entdeckt worden war, fand ich es wirklich großartig, wie Stokes dann mit Kollegen vom MIT CSAIL zusammenarbeitete. Wenn man an einer Universität ist, hat man dieses fantastische Umfeld, in dem man auf dem Campus leicht Experten aus vielen Bereichen treffen und interessante Probleme mit der Kraft modernster Fachgebiete angehen kann
Ich frage mich, ob DiffDock ein Large Language Model (LLM) ist. In der breiten Öffentlichkeit denkt man bei KI sofort an ein LLM wie ChatGPT, und OpenAI sagt ja auch, sie bauten „denkenden Maschinen“. Wenn dann noch in Überschriften steht, etwas sei „vorhergesagt“ worden, wird es nur noch verwirrender
Ich frage mich, ob es ein Preprint gibt. Ich gehöre keiner Universität mehr an und vermisse die alte Realität, in der nachts immer irgendjemand ein Paper hochgeladen hat
Das wirkt etwas seltsam. Dass LolCDE eine Schwachstelle von E. coli ist, war schon vor 2016 bekannt, und Hemmstoffe wie Globomycin waren bereits seit 1978 bekannt Referenzlink1 Referenzlink2. Daher frage ich mich, ob Enterololin nur eine neue Variante von Globomycin ist. Ich weiß nicht, ob die KI klug ist oder die Wissenschaftler nur immer stumpfer werden
Dass MOA-Studien früher 2 Jahre und 2 Millionen Dollar brauchten und diesmal mit KI in 6 Monaten für 60.000 Dollar abgeschlossen wurden, ist wirklich großartig. Das scheint eine der echten Stärken von KI/Machine Learning zu sein, nicht nur Code-Autovervollständigung oder Bildgenerierung. Ich bin wirklich gespannt, wie sich dieses Feld in den nächsten 10 Jahren entwickelt. Ich möchte die Kostensenkungen durch AlphaFold beim Protein Folding und jetzt durch diese Mechanismusvorhersage und die mögliche Beschleunigung klinischer Studien weiter aufmerksam verfolgen
Dieser Artikel stärkt irgendwie die Perspektive, dass „KI die Jobs von Forschern ersetzt“, aber tatsächlich fühlt es sich sehr ähnlich an wie mein eigener Einsatz von KI-Tools bei der Arbeit. Stokes betont, dass das Vorhersageergebnis zwar interessant sei, aber eben nur eine Vorhersage, und dass unbedingt eine (traditionelle) experimentelle MOA-Studie durchgeführt werden müsse. Dass KI „richtig sein könnte“, spart uns Zeit beim Nachdenken über die nächsten Schritte. Also begannen sie auf Basis der MIT-Vorhersage mit Experimenten, und einige Monate später stellte sich heraus, dass die KI-Vorhersage stimmte. Am Ende wurde die Vorhersage durch Standard-MOA-Experimente bestätigt, und auf diese Weise sparten sie 1,5 Jahre gegenüber dem normalen Ablauf
Ich finde, der Begriff KI ist inzwischen schwer verständlich geworden. Die Öffentlichkeit setzt KI = ChatGPT und stellt sich dann vor: „ChatGPT hat ein neues Medikament entdeckt.“ In der tatsächlichen Forschung nutzt man aber nicht nur Transformer (LLMs), sondern eine breite Palette von ML-Werkzeugen, und die meisten haben überhaupt nichts mit LLMs oder ChatGPT zu tun
Da stimme ich auch zu. Ich weiß nicht, ob du selbst LLMs direkt nutzt oder ML-/Deep-Learning-Tools, die speziell zu deinem Fachgebiet passen. Viele der Erfolgsgeschichten zu LLMs im letzten Jahr scheinen mir damit zusammenzuhängen, dass solche Werkzeuge für Experten „an der Front“ besonders hilfreich sind, also für Leute, die ohnehin schon die neuesten Facharbeiten ihres Gebiets gelesen haben. Die Klagen über „Halluzinationen“ stammen meiner Meinung nach eher aus den Erfahrungen von Nicht-Experten, die sich auf nichts anderes stützen oder keine weiteren Informationsquellen haben. Ich finde vielmehr, dass LLMs enorme Wirkung entfalten, wenn sie Hypothesen oder Hinweise erzeugen, die mein Interessengebiet mit benachbarten Feldern verbinden, von denen ich vorher nichts wusste. Am Ende muss der Forscher die Experimente oder die Verifikation selbst durchführen, und manchmal gebe ich einem LLM meine Daten, wenn ich bei meiner eigenen Schlussfolgerung unsicher bin, um zu testen, ob es zum gleichen Ergebnis kommt. Halluzinationen machen mir überhaupt keine Sorgen. Für Fehler bin letztlich ich verantwortlich. Und an der Wissensgrenze können auch schiefe Ratschläge zu frischen Ideen führen. Heutzutage komme ich fast nie mehr für Tage, Wochen oder Monate an den Punkt, nicht zu wissen, wo ich nach Informationen suchen soll. Früher hatte Palantir einmal in einem Schachturnier-Posting über Mensch/Computer-Kollaboration betont, wie wichtig der „Workflow“ sei, und am Ende gewann ein Amateur mit dem besten Workflow; inzwischen leben wir, so scheint es mir, in einer Gesellschaft, in der neue Werkzeuge Experten noch stärker machen Link
Was die KI und die Forscher in dieser Studie entdeckt haben, ist kein Medikament zur Behandlung von IBD selbst. Vielmehr haben IBD-Patienten oder Menschen, die mit Breitbandantibiotika behandelt wurden, oft ein übermäßiges Wachstum von Enterobacter-Arten im Darm, darunter einige E.-coli-Stämme. Diese sind gegen bestehende Antibiotika resistent und stehen mit einem ungesunden Darmzustand in Verbindung. Die Forscher fanden eine neue Substanz, die gezielt nur diese Enterobacterien unterdrückt und das übrige Mikrobiom intakt lässt. Das könnte Menschen mit einem gestörten bakteriellen Gleichgewicht im Darm – insbesondere IBD-Patienten – helfen, wieder eine gesündere Darmumgebung zu erreichen. Allerdings befindet sich das Ganze noch im Mausmodell
Es gibt schon lange die Hypothese, dass eine vollständige Wiederherstellung des Mikrobiom-Gleichgewichts bei IBD-Patienten den Krankheitszyklus unterbrechen und eine Remission einleiten könnte (offiziell bewiesen ist das bisher nicht)
Laut dem Artikel „könnte dieses neue Medikament für Millionen IBD-Patienten eine sehr vielversprechende Therapie sein. Da es derzeit keine Heilung gibt, könnte es die Symptome deutlich lindern und die Lebensqualität verbessern“
Ich frage mich, ob wirklich gut belegt ist, dass IBD durch E. coli verursacht wird. Oder ist eher die Frage, ob Betroffene strukturell empfindlicher auf E. coli reagieren?
Das ist noch nicht sicher. Es scheint eine Kombination aus genetischen Faktoren und Keimen (Mikroben) zu sein. Die Lage ist ziemlich komplex. Man kann nicht einfach eine Gewebekultur oder Biopsie entzündeter Haut betrachten und sagen: „Aha, das ist es!“ Die wirksamsten Behandlungen beruhen letztlich darauf, Teile des Immunsystems zu blockieren, und in der Praxis probiert man bei manchen Patienten verschiedene Immunsuppressiva aus und kombiniert sie, um die Krankheit einigermaßen in den Griff zu bekommen
Da wir alle E. coli in uns tragen, ist es nicht die direkte Ursache. Der Artikel ist hier etwas irreführend. Das hier entdeckte Mittel hat einfach ein engeres Spektrum als bestehende Antibiotika und richtet dadurch weniger Schaden an der natürlichen Bakterienflora des Menschen an. Umgekehrt können resistente Enterobacterien – deren wichtigste Art E. coli ist, aber nicht die einzige – dann leichter überwuchern. Es gibt einen Zusammenhang zwischen IBD und Mikrobiomen mit übermäßigem E.-coli-Wachstum. Auch relevante E.-coli-Subtypen wurden bereits identifiziert Referenzlink
Ganz direkt wird IBD also nicht von E. coli verursacht, aber E. coli und andere Enterobacteriaceae können die Entzündung tatsächlich ausnutzen, um sich zu vermehren. Entzündungen führen zur Freisetzung von Nitrat, das Enterobacteriaceae als terminalen Elektronenakzeptor für ihr Wachstum nutzen. Wenn außerdem die schützende Schleimschicht dünner oder durchlässiger wird – was oft bei einem gestörten Mikrobiom passiert –, können diese Keime leichter eindringen und sich vermehren. Solches bakterielles Überwuchern kann wiederum Entzündungen fördern und eine Remission erschweren. In jüngerer Zeit gab es auch einige klinische Ergebnisse, bei denen Entzündungen reduziert wurden, indem Faktoren blockiert wurden, die E. coli zum Anheften an die Schleimhaut nutzt
Ich verstehe nicht ganz, warum man Forschern nicht einfach direkt GPU-Credits gibt. Statt komplizierter rechtlicher Verfahren könnte man doch einfach mit einer E-Mail-Adresse Konten bei Anbietern wie runpod/prime-intelect oder x-gpu erstellen und dort 5.000 Dollar gutschreiben. Wer so etwas tatsächlich verdient, ließe sich über den Github- oder Huggingface-Verlauf ausreichend gut filtern
Bei dem Punkt „Man kann nicht davon ausgehen, dass ein KI-Modell immer richtig liegt“ frage ich mich, warum wir diese Prämisse überhaupt brauchen. Und offenbar hat allein die Möglichkeit, dass es „richtig sein könnte“, Fehlversuche in den nächsten Schritten reduziert. Aber ist das nicht vielleicht einfach Confirmation Bias? Es könnte zum Beispiel sein, dass man der KI in 100 Fällen fragt: „Wie funktioniert das?“ und 99-mal völligen Unsinn oder plausibel klingende, aber falsche Lösungen bekommt, während wir in Artikeln nur das eine Mal sehen, in dem sie richtig lag. Nur weil es im Labor bestätigt wurde, heißt das dann wirklich, dass die KI Zeit gespart hat? Auch eine kaputte Uhr geht zweimal am Tag richtig. Man würde ja auch nicht sagen: „Sie ist zwar kaputt, aber wenn sie stimmt, ist es ein Volltreffer!“ Vielleicht sehen wir hier also gar keine „produktive KI“, sondern nur einen Glücksfall. Wenn man wirklich sagen will, dass sich dieses Feld weiterentwickelt hat, müsste man auch Fehlschläge als Daten veröffentlichen oder zumindest anerkennen. Sonst treibt man nur den Hype weiter an
Tatsächlich nutzen die Forscher weiterhin die wissenschaftliche Methode. Was die KI liefert, sind Hypothesen, die überprüft werden können. Insofern ist KI außerordentlich stark beim „Brainstorming plausibler Hypothesen“
Auch menschliche Experten liegen an der Forschungsfront oft falsch. Die meisten Hypothesen und Experimente scheitern. Wenn wir Forscher für Durchbrüche loben, dann nicht, weil sie zu 100 % erfolgreich waren, sondern weil sie schneller als andere und mit höherer Trefferwahrscheinlichkeit als bloßer Zufall richtig lagen. Wenn durch KI aus 1/99 Erfolgen in 100 Fällen 2/99 oder 3/99 werden, dann verdoppelt oder verdreifacht sich die Effizienz. Und wenn KI all diese Intuitionen in 100 Sekunden durchtesten kann, dann geht der Fortschritt viel schneller als beim Menschen
So wie ich es verstehe, ist das hier kein IBD-Medikament, sondern eher ein sichereres Antibiotikum für IBD-Patienten
McMaster University mag wie ein Scherzname klingen, ist aber tatsächlich eine 1887 gegründete Universität [siehe Wiki]
Sie gehört zu den Spitzenuniversitäten Kanadas. Soweit ich weiß, ist sie in der medizinischen Forschung sogar die beste des Landes Referenzlink
In London gibt es auch das Goodenough College, das seit 1930 existiert und trotz seines Namens tatsächlich ziemlich ordentlich geführt wird
Machine Learning wird seit über 10 Jahren in der wissenschaftlichen Forschung eingesetzt. Ich frage mich also, was diesmal eigentlich anders sein soll. Dass die allgemeine Presse Begriffe durcheinanderwirft, ist das eine, aber ich verstehe nicht, warum NATURE das Wort „künstliche Intelligenz“ verwendet