Ein neues System generativer künstlicher Intelligenz soll die Zahl von Tierversuchen in der frühen Arzneimittelentwicklung um bis zu 50 Prozent senken können. Deutsche Wissenschafter berichten, dass sich mit der Methode auch mit weniger Versuchstieren wissenschaftlich valide Ergebnisse erzielen lassen. Die Technologie befindet sich derzeit noch im Forschungsstadium.
Tierversuche zählen weiterhin zu den zentralen Methoden in der präklinischen Arzneimittelentwicklung. Gleichzeitig stehen Forschende unter Druck, die Zahl der eingesetzten Tiere möglichst gering zu halten. Wissenschafter der Goethe-Universität Frankfurt/Main und der Philipps-Universität Marburg sehen nun Potenzial für eine deutliche Reduktion durch generative künstliche Intelligenz.
Wie die Goethe-Universität in einer Aussendung mitteilte, entwickelten die Wissenschafter ein KI-System namens „genESOM“. Dieses soll experimentelle Datensätze erweitern und dadurch simulieren, dass mehr Versuchstiere eingesetzt wurden, als tatsächlich vorhanden waren. Entwickelt wurde genESOM von Prof. Dr. Jörn Lötsch von der Goethe-Universität Frankfurt/Main gemeinsam mit Prof. Dr. Alfred Ultsch von der Philipps-Universität Marburg.
Dilemma in der Arzneimittelentwicklung
Gerade in frühen Entwicklungsphasen neuer Wirkstoffe seien Tierversuche häufig Teil des Forschungsprozesses, erklärte die Universität. Forschende müssten dabei einen Ausgleich schaffen: Einerseits solle die Zahl der Tiere aus ethischen Gründen möglichst niedrig bleiben, andererseits müssten ausreichend Daten für belastbare Ergebnisse vorliegen.
Das neue System basiert laut den Entwicklern auf einem Netzwerk künstlicher Neuronen, das die Struktur vorhandener Datensätze analysiert. Dadurch könne die KI zusätzliche Datenpunkte erzeugen, die statistische Auswertungen stabilisieren sollen.
Test mit Multiple-Sklerose-Daten
Für die Entwicklung von genESOM verwendeten die Forschenden Daten aus einer präklinischen Studie mit Labormäusen. Dabei wurde ein experimenteller Wirkstoff zur Behandlung von Multipler Sklerose untersucht. Die ursprüngliche Studie war am Fraunhofer-Institut für Translationale Medizin und Pharmakologie durchgeführt worden.
In einem Test reduzierten die Forschenden den Datensatz von ursprünglich 26 auf 18 Tiere. Laut der Aussendung verschwanden dadurch zunächst sämtliche nachweisbaren Effekte der Behandlung. Erst nachdem der Datensatz mithilfe von genESOM erweitert worden war, konnten die Effekte wieder auf dem ursprünglichen Signifikanzniveau nachgewiesen werden.
Nach Angaben der Universität scheiterten andere getestete KI-Methoden, darunter auch komplexe Deep-Learning-Systeme, an dieser Aufgabe.
Fehlerkontrolle als zentrale Herausforderung
Ein wesentliches Problem generativer KI in der Forschung sei die sogenannte „Fehlerinflation“. Dabei könnten Zufallssignale oder statistisches Rauschen verstärkt werden, wodurch irrelevante Variablen fälschlicherweise als bedeutsam erscheinen.
Laut den Entwicklern wurde deshalb ein künstliches Fehlersignal direkt in den Generierungsprozess integriert. Wenn dieses Signal zu stark anwächst, wird der jeweilige Testlauf automatisch abgebrochen.
Dr. Jörn Lötsch erklärte: „Mit genESOM lässt sich die Zahl genutzter Tiere bei explorativen Forschungsfragen um 30 bis 50 Prozent reduzieren, die Ergebnisse bleiben wissenschaftlich valide.“
Grenzen der KI bleiben bestehen
Die Forschenden betonten zugleich die Grenzen des Systems. Generative KI könne ausschließlich aus bereits vorhandenen realen Versuchsdaten lernen. Eine beliebige Verringerung der Tierzahlen sei daher nicht möglich.
Lötsch erklärte dazu: „Wenn man zu wenige Tiere ins Experiment aufnimmt und die Anzahl dann durch generative KI einfach ergänzt, könnte das Experiment wegen der Verstärkung von Zufallsbefunden sehr schnell wissenschaftlich wertlos werden.“
Trotz dieser Einschränkungen sehen die Wissenschafter großes Potenzial für die präklinische Forschung. Laut Lötsch könne genESOM „einen wichtigen Beitrag zur Reduktion der Tierversuchszahlen in großen Bereichen der präklinischen Forschung leisten“.
