KI und Pharmaforschung - Erfindet KI das nächste Wundermittel?

Sag mal Max, weißt du was, was das hier ist? Ja, das ist Ibu Profin. Hast du gestern dacht, zu hart gefeiert oder warum hast du jetzt Kopfschmerz geblieben mit dem Studio gebracht? Na ja, fast also beim Stichwort Feiern liegt es schon nicht falsch, allerdings geht es nicht um meine letzte Nacht, sondern um eine im Leben von Stuart Adams. Der war Forscher in den 1950er Jahren bei einem Pharmaunternehmen namens Boots und der sollte Medikamente gegen rheumatische Attritis entwickeln. Das ist so eine Krankheit, da greift das eigene Immunsystem die Inhalt der Gelenke an. Klingt fies. Super Schmerzhaft her. Und der Job war halt Tag für Tag Medikamente testen, entwickeln und gerade wenn wir beim Stichwort Testen sind, auch gerne mal selber nehmen und gucken was dabei passiert. Also Max weißt du, worauf die Geschichte hier hinaus läuft? Er hat so hart gefeiert. Ja, ja. Sehr gut, denn er sollte natürlich seine Forschung nicht nur hinter verschlossenen Türen machen, sondern auch Menschen davon berichten und gerade ausgerechnet an dem Tag, als sein erster Vortrag ist, hat er schreckliche Kopfschmerzen, denn genau er hat gefeiert mit Freunden vorher. Und was tut er, er nimmt eines der Medikamente, das sie da gerade getestet haben und stellt fest Mensch. Wie geht's besser? Ja, und das war der Tag, an dem das Schmerzmittel Ibu Profin entdeckt wurde. Ist eine schöne Geschichte, das ist wirklich eine schöne Geschichte. KI verstehen. Der Deutschlandfunkpodcast über künstliche Intelligenz im Alltag. Die Geschichte von Stuart Adams, die ist zwar irgendwie lustig, aber auch ein bisschen begängstigend, denn ja Medikamente entwickeln da spielte lange Zeit der Zufall eine Rolle. Heute würde ich sagen, es geht mehr um wahrscheinlich sowas wie Geld und Zeit. Vielleicht könnte sich das aber in Zukunft ändern. Das war natürlich dank künstlicher Intelligenz, wie soll es auch sonst sein. Und damit herzlich willkommen zu KI verstehen. Schön, dass ihr da seid. Die Frage dieser Folge lautet, er findet KI das nächste Wundermittel. Und Antworten darauf hat mein Kollege Maximilian Brose, Hallöchen. Hi, schönes dabei sein können. Max, deine Stimme, die ist hier bei KI verstehen, noch nie aufgetaucht, aber eigentlich bist du ja festes Teammitglied, also du schlicks gerne Themen vor. Und in manchen Folgen sorgst du auch dafür, dass wir viel Hübscher klingen, indem du ein bisschen Schneides und schön Musik drunterpaksst. Ansonsten berichtest du ja als Wissenschaftjournalist für den Deutschlandfunk. Und kennst dich im Bereich KI und vor allem auch sowas wie Entwicklung, neuer Medikamente richtig gut aus. Aber bevor wir jetzt zu neu kommen, würde ich sagen, bleiben wir noch mal kurz beiget. Denn für mich ist diese Geschichte einfach so unglaublich, dass Ibu-Profäen fast 75 Jahre alt ist. Und wenn ich Kopfschmerzen habe, benutze ich immer noch Ibu-Profäen. Wie kommt denn das? Ich glaube, die kurze Antwort ist, weil es halt funktioniert. Und es verdammt teuer und auch zeitaufwendig wäre, jetzt was Neues zu finden, das eh nicht gut funktioniert. Die Investition würde sich, glaube ich, einfach nicht lohnen. Aber total gut, dass du Ibu-Profäen gebracht hast. Okay, warum? Da gibt es noch tatsächlich eine ganze neue Entwicklung bei der Herstellung und die Alternative von Künstlungen, die Intelligenz von Ibu-Profäen, obwohl dieses Medikament halt schon so lange bekannt ist. Und die ist so ein bisschen, ja, ich sag mal, gruselig, hat auch so was utopisches finde ich. Ist so eine Mischung mehr raus, aber auf jeden Fall klingt es ein bisschen wie in einem Science-Fiction für mehr verratlicher, aber erst mal nicht. Na gut, also ich hab das System schon durchschaut. Du willst uns hier irgendwie auf die Folter spannen. Alles klar, das darfst du jetzt in diesem Moment auch. Aber glaube nicht, dass du damit die ganz vollgelang durch kommst. Wir kommen aber mal erstmal zu einem anderen Punkt, du hast noch was spannendes gesagt. Du meintest die Investitionen, die lohnt sich nicht, weil es wahrscheinlich sehr kompliziert ist, diese Medikamente zu entdecken, zu erfinden. Wie schwer ist es denn jetzt wirklich? Also mal ganz ehrlich, ne? Na ja, man könnte vielleicht sagen, dass Forschende in Farmerfirmen wirklich ein neues funktionierendes Medikament erfinden, das ist so ein bisschen wie im Lotto zu gewinnen. Also wir können schon vorhin auch noch eine große Austrationstoleranz weil die Erfolgs- Wahrscheinlichkeiten sind wirklich gering. Zum Beispiel, ich bin jetzt seit 2004 in der formatressortischen Industrie mit einem größter, vorgewandten Phase 2-Kandidat. Auf dem Markt ist leider auch noch nichts bekommen. Das heißt also, man braucht einen langen Abend. Ja, das ist Daniel Kuhn mit dem hab ich darüber gesprochen. Der ist Wirkstoffforscher bei Merck und Phase 2. Das heißt, dass ein Medikamentenkandidat zumindest schon mal die Tierversuche überstanden hat und an einigen Menschen getestet wurde und auch getestet wird. Und der ist, wenn dann die dritte Phase der klinischen Tests wirklich an vielen Probanden bestanden ist, dann kann Medikament zugelassen werden. Wenn ich diesen Wissenschaftler zuhörere, dann ist es ja fast ein bisschen schade, wenn er auch seine Karriere guckt und sagt irgendwie so diese Phase 2, dass es das ja höchste, was er wirklich erreicht hat, ist das normal. Ich mein Merck ist jetzt ja auch kein unbekanntes Farmaunternehmen. Nee, Merck ist absolut nicht unbekannt. Und was Gründer beschreibt, das ist tatsächlich das normale Leben. Eines Wirkstoffforscher oder einer Forscherin. Und wenn das dann klappt, dass es wirklich bis zur Marktreife kommt, da vergehen im Schnitt 12 bis 15 Jahre. Und was glaubst du, wie teuer ist sowas so ein neues Medikament herzustellen? Moment, was mir überlegen. Eine Million, zwei Millionen, sowas vielleicht? Ist deutlich mehr. Wenn man wirklich alle Versuche mit reinrechnen, die auch schief gegangen sind, da gibt es ein Studie, die geht aus von 161 Millionen, mindestens bis 4,54 Milliarden Euro. Das sind Zahlen, die ich mir überhaupt nicht vorstellen kann. Wirklich wahnsinnig teuer und aufwendig. Aber gleichzeitig ist es halt total wichtig, schnell neue Erzneimmittel zu finden. Wenn du zum Beispiel in verschiedenen Krebsarten denkst, da gibt es halt ganz vereinzelt Mal Impfungen, zum Beispiel gegen wir die Gebärmutter als Krebs auslösen. Aber wirkungsvolle und verträgliche Medikamente, die gibt es halt wirklich kaum. Deswegen greift man ja auch häufig zu so einer aggressiven Stimoterapie. Man muss natürlich auch bedenken, wir Menschen werden immer mehr. Und ist so mehr Menschen da sind, dass du eher auch das Risiko, dass es zum Beispiel neue Krankheitserreger gibt oder sie sich anders verbreiten. Oder wir sehen ja auch, dass wir Bakterien irgendwie immer Antibiotika-Resistenter werden. Und auch das ist natürlich ein riesen Problem. Ja und wir in Europa werden auch immer älter. Das heißt, diese Etterskrankheiten werden natürlich immer mehr. Und auf der anderen Seite ist es natürlich auch so, heute verstehen wir auch manche Krankheiten viel besser, als es hier sag ich mal, in den 1950ern zum Beispiel war. Also eigentlich gibt es auch die Möglichkeit, vielleicht wirklich mehr zu machen als vorher. Und deswegen braucht man wahrscheinlich so Forscher wie Daniel Kuhngrönig. Genau, der ist aber nicht nur Wirkstoffforscher, was ihr nur nicht verraten habt, der versucht die Zeit und die Kosten, diese Medikamente zu finden, bei Märk deutlich zu senken. Und zwar mit KI-Modellen. Das sind wir wieder beim Thema, okay? Genau, erleitet nämlich die Gruppe bei Märk, die sich eben um diese neuen Technologien und vor allem da um KI kümmert. Eins steht fest, KI ist besonders guterin, solche Muster zu erkennen. Also Muster auch zum Beispiel in Erkrankung oder sowas setzt Märk dann die KI genau dafür auch ein. Ja, zum Beispiel, also merkt es, dass an verschiedenen Stellen ein, etwa auch um Bilder von Tumoren bei Krebstherapien auszuwerten, aber auch um direkt zu schauen, ob eine schämische Verbindung jetzt das Sorg zu den Medikament hat. Wie geht denn das? Also wie muss ich mir das vorstellen, als jemand, der noch nie in so ein Labor war? Und es ist ja so, als Wirkstoffforscher in der hast du erstmal eine Idee, irgendein biologischen Prozess. Und da soll jetzt da ein Medikament am besten ansetzen. Wir machen mal ein einfaches Beispiel, Tumorzellen. Da gibt es bestimmte Strukturen, eben auf der Oberfläche der Zelle, die nennt man auch Rezeptoren, die es diesen Zellen eben ermöglichen, sich ganz stark zu vermehren. So ein Medikament, das soll jetzt da angreifen und soll diesem Mechanismus dann hemmen. Das musst du sie so ein bisschen wie so ein Schlüssel vorstellen, der genau in das Schloss dieses Rezeptors passen muss. Und wenn er dann passt und getreten wird, dann funktioniert der Rezeptor nicht mehr. Und den passenden Schlüssel, den sucht Märk jetzt tatsächlich mit ihren KI-Modellen. Das hat mir deine Kuh nirziert. Wenn wir ganz viele Modifühle generell im Computer, die wir dann virtuell auf diesen Rezeptor werfen. Platt gesagt, ist es ja so, ich versteh das mit dem Schlüssel. Ich steck den Schlüssel rein, ich drehe den und dann habe ich zum Beispiel ein Rezeptor gehämmt. Aber das ist ja dann noch gar kein Medikament. Das ist ja jetzt erstmal eine Theorie oder so. Genau, genau. Man muss ja auch wenn wir jetzt mal so in diesem Schlüssel Schlossbild bleiben sagen, es kann ja auch sein, dass dieser Schlüssel auch an Schlösser angesunden Zellen im Körper passt und die dann tötet. Wer hat dieser Kanidat giftlich und überhaupt nicht als Medikament geeignet und solche und weitere Eigenschaften, die testet Märk auch mit ihren KI-Modellen. Kuhn hat das mit soem Zauberwürfel verglichen. Zauberwürfel falls man jetzt dieses Bild nicht mehr im Kopf haben, das sind diese vier Eckenwürfel, wo Farben drauf sind. Und man muss irgendwie das hinkriegen, dass auf jeder Seite nur eine Farbe ist. Und ich habe das noch nie hingekriegt, dass du das schon hinknst. Ich habe auch nicht Zeit. Aber uns werden die Farben dann Eigenschaft wie gut bindet, das ist nur die Kühl. An dem Rezept habe ich eine Farbe, wie gut ist es löstlich, wie gut wird es aufgenommen, wie stabil ist es im Körper, wie sicher ist es auch. Und diese Eigenschaften, die wir da optimieren, das machen wir mit Hilfe von KI und dann diesen Würfel zusammen mit der KI schneller zu lösen. Schneller lösen heißt, man braucht weniger Zeit, wenn man weniger Zeit braucht, braucht man wahrscheinlich auch weniger Geld. Aber was heißt denn jetzt weniger? Also wie viel will der Forscher da sparen an Zeit? Also ein Zeit, wir haben ja vorher von diesen 12 bis 15 Jahren gesprochen, von der ersten Idee bis zu einem fertigen Medikament. Und Kune sein Team, die arbeiten daran, dass man den ersten Teil, also bevor der Wirksstoff dann an Menschen getestet wird, dass diese Zeit dort reduzieren können, indem sie halt KI-Modelle machen, die die richtigen Kandidaten finden. Und es zeigt sich auch jetzt, dass mit Hilfe von KI, man diesen Zeitraum, der jetzt für irgendein vier Jahre gedauert hat, reduzieren kann. Das wir sagen, wir wollen jetzt ja durch 2,5 Jahre kommen. Ist es denn realistisch? Klappt das? Also es gibt eine Studie von Forschungsform Welcome und der Boston Consulting Group, die zeigt, dass man in dieser Phase im vor den klinischen Test so um 25-50 Prozent dieser Zeit einsparen kann. Also bevor man sozusagen Antieren experimentiert und bevor man an Menschen oder nur bevor man an Menschen. Menschen. Das ist auch bezieht sich. Das geht um diese Phase, wo man die Kandidaten findet. Das haben die aus Daten von Firmen berechnet, die bei der Suche nach Medikamenten nutzen. Aber das muss man sagen, es sind Daten von Firmen. Diese Untersuchung muss man mit Vorsicht betrachten, dass nicht wirklich in einem Fachjournal erschien, wo das von unabhängigen Vorschünden geprüft wurde. Klar, es macht halt Sinn, dass man mit KI Zeit sparen kann und vor allem auch Kosten. Da geht die Studie übrigens von 30-50 Prozent an Kosten aus. Ein scheint schon mal festzustehen mit KI. Wie eigentlich habe ich das Gefühl, in jedem Lebensbereich kann man Zeit sparen, wenn man neue Medikamente finden will. Aber ich meine Medikamente, das ist ja nur das eine. Das andere sind ja sowas wie Impfungen. Und das haben wir ja selber in den letzten Jahren sehr nah an uns gespürt. Wie wichtig ist es, schnell und wirksame Impfungen zu finden. Zum Beispiel eben in der Corona-Pandemie. Oder jetzt dort das auch schon mal das Beispiel gebracht. Gebermutter, Halskrebs, da sind Impfungen auch wichtig. Kann KI denn dabei den Impfungen auch helfen, vielleicht schneller zu arbeiten? Ja, kann schon. Und dafür nehme ich dich jetzt mal mit in ein Erzeneimittel Labor und zwar an der Uniglinik Leipzig. Da ist in der zweiten Etage ein gut 80 Meter langer Flur. Und hinter den ganzen Türen auf der rechten Seite gibt's ziemlich viele moderne Laborer. Das ist das Institut für Wirkstoffforschung. Oft ist es so, man entwickelt nur Metoden und den entwickeln man die nächste Methode. Aber wir wollen das jetzt machen, dass wir wirklich versuchen neue Medikamente zu machen. Das hat mir klarer Schöder erzählt, die ist Unionprofessoren dort und leidet die Arbeitsgruppe. Also eine Rechte-Jungenformer-Zäuten ist das, die sich eben auf KI-Metoden spezialisiert hat. Und zwar, um etwa neue Impfstoffe mit KI zu entwickeln. Aber bevor wir zur KI kommen, wingen wir jetzt erstmal auf diesem lang Flur in eine der Türen ab, nämlich in einster Labor und anders als bei Märkarbeiten, die Forschenden hier vor allem an Proteinen, also den Baustein unserer Zelle unseres Lebens. Das klingt aber sehr proäter. Warum nehmen die sich dann diese Proteinen vor? Na ja, weil Proteine letztendlich der Schlüssel zu Impfstoffen sind, wenn wir jetzt mal an die Corona-Panemie zurückdenken, da war ja immer das Spike-Proteinen in den Medien und von dem, weil immer die Rede, weil eben, was die Impfstoffe gemacht haben, ist entweder dieses Proteinen in den Körper zu bringen oder bei M.R.N.A. im Stoffen, dass unser Körper dieses Proteinen so ein bisschen selbst bildet, damit eben unser Immunsystem das kennenlernt und uns dann bei einer echten Corona-Infektion besser schützen kann. Und genauso helfen Proteinen in unserem Immunsystem, dabei auch Krebszellen, besser ins Visier zu nehmen. Daforschmann aktuell an sogenannten Zelltherapien und da liegt auch gerade total viel Hoffnung drin, um irgendwie den Krebs zu besiegen. Jetzt Jetzt lasse mich mal raten. Natürlich kann hier wieder irgendwie ein KI-Modell helfen, vorher zu berechnen, ob ein Protein funktionieren könnte, ob das vielleicht ein Medikamenten-Kandidat sein könnte. Genau, das ist der Schritt, wo du halt wirklich diese Zeit sparsst. Damit kannst du eben viel schneller und zielgerichteter im Labor testen. Und dafür gehen wir jetzt mal ins Herz dieser Arbeitsgruppe. Das ist am Ende von diesem langen Flur mit den ganzen Laboren an der rechten Seite. Und da ist dann so ein großes Zimmer, das ich sag mal so ein bisschen wie einem Start-up aussieht. Also da gibt es einen Kickertisch, eine Couch, Star Wars-Blakarte, Martin Flaschen stehen da ganz viel rum. Und in der Mitte sind dann eben mehrere hochmodernen Computer an denen junge Vorschände sitzen. Die unter anderem eine Datenbank aufbauen wollen, die bestimmte Proteinstrukturen von Krankheitserregern und passende Proteine für die Impfstoffe quasi beinhaltet. Das sagt Arbeitsgruppenleiterin Schöder. Wir wissen alle, dass die Breitstellung schnell von Vaccinen vielleicht mal wieder notwendig sein könnte. Und die Frage ist, ob der Computer uns helfen könnte, auch auf Vorrat, so zu sagen, Sequenzen abzulegen, die wir dann aus der Schublade ziehen können und das Vaccinen machen können. Also magst an dieser Stelle, ich bin dir unendlich dankbar, dass du da bist, denn ich habe das Gefühl, ich habe jetzt schon megafie gelernt und ich habe vor allem Sachen erfahren, die ich vorher noch nicht sowas da. Aber jetzt kommt's. Ich habe mich auch einen versuchten ganz kleines bisschen Schlau zu machen. Und da bin ich auf etwas gestoßen, was sich Alpha-Fold nennt. Und das ist so ein KI-Modell. Das wurde von Deep Mind entwickelt. Das ist ja so ein Google, kann man sagen, bin auf. Ja, kann man so sagen. Unternehmen, was sich aus Google rausgegründet hat. Und das kann ja auch dieses KI-Modell so Proteinstrukturen verhersagen. Also ist das so was ähnliches, was sie da versuchen irgendwie? Ja, so ist es erstmal ganz wichtig, dieses Alpha-Fold-Modell, weil aus welchem Baustein sage ich mal Proteine aufgebaut sind. Das kannst du in unserer DNA auslesen und die Infos dazu, dass du gibt es halt viele Datenbanken. Aber das sagt erstmal nur, welche Bausteine gibt es für diese Proteine und wir hängen die jetzt so in der Kette zusammen. Was Alpha-Fold jetzt aber daraus berechnen kann, ist, hey, wie sieht das Proteinen denn jetzt drei-dimensional tatsächlich aus? Runtergebrochen heißt es eigentlich nur, dass sie mit Alpha-Fold jetzt viel schneller sich dieses Protein drei-Dimensional angucken können und dann halt vielmehr Informationen sehr viel schneller gewinnen können. Genau, es ist halt wieder eine Zeit ersparen. Es ist eine diese drei-dimensionale Struktur, ist total wichtig, um zu verstehen, wie sich das Proteinen in bestimmten Umgebungen verhält. Also zum Beispiel bei Impfstoffen kann es wichtig sein, aber auch bei diesen Zeltherapien, die wir vorhin schon erwähnt hatten, die gegen Krebs helfen sollen. Ähnlich wie KI an sich ist das schon ganz schön nach Hype, oder? Dass es so KI-Medikamente geben soll, also Medikamente, die mit KI gefunden wurden und jetzt eben auch so große Probleme der Menschheit angehen. Ja, es ist auf jeden Fall ein Hype. Es gibt tatsächlich ein Programmierer, der heißt Alex Savorankoff, der auch etwas zum Stritten ist, der spielt schon länger mit KI rum. Und der sagt jetzt von sich selbst, dass seine Farmerfirme des erste echte KI-Medikament entwickelt hätte, das gegen eine chronische Lungerkrankung helfen soll. Ähm, erstes echtes KI-Medikament, was heißt das jetzt genau? Nein, ja, also er sagt, die KI hat eben nicht nur geholfen, zu finden, wo jetzt dieser Wirkstoff im Körper quasi ansetzt, sondern auch die chemische Struktur des Medikaments hätte das mitgeplant. Also, so eine Art Gesampaket? Ja, so eine Art Gesampaket. Und das Tächio ist das jetzt in einer klinischen Phase 2-Studie schon angekommen. Aber es gibt halt auch Kritiker in dieser Aussage, weil es andere Fachleute sagen, "Hei, auch schon mehr anderen Medikamenten war die KI im Spiel und ist das als erstes echtes KI-Medikament zu beschreiben, das stimmt irgendwie so nicht." Weil es gibt halt wirklich auch noch andere Beispiele von Medikamenten, die von KI mit gefunden wurden, oder von Medikamenten, Kandidaten muss man sagen. Es gibt noch keinen zugelassenes Medikament, wo KI eine entscheidende Rolle gespielt hat. Und diese klinischen Phasen, wo die Kratrin sind einige Kandidaten, die von KI mit erfunden wurden oder mit gefunden wurden, das ist halt die Phase, wo richtig viele Medikamente einfach nochmal floppen. Und ob diese KI-Medikamente jetzt wirklich besser abschneiden, diesen Phasen, also ob sie uns wirklich neue Wundermittel bringen, das muss ich halt echt noch zeigen. Also da ist wirklich einiges im Bewegung. Und Carl Lauterbach, der hat ja auch schon ein eigenes Institut angekündigt, dass mit Big Data und KI gegen Volkserkrankungen helfen soll. Da geht es aber eher so um Gesundheitsprävention, also um die Auswertung und Erhebung zum Gesundheitsstand der Bevölkerung, wie es vom Bundesgesundheitsministerium heißt. Und klar, da gibt es natürlich auch Kritik, eben weil die Modelle da auf Gesundheitsdaten zurückgreifen müssen, um eben trainiert zu werden. Aber das hat mich sowieso interessiert, ehrlich gesagt, weil alles, was man da tut, also wenn man versucht, irgendwelche Impfstoffe zu finden, Medikamente zu finden, sonst irgendwas, du brauchst ja immer, waren sie nicht viele Daten und wo kommen die denn eigentlich her? Was sind das für Daten und ist das nicht auch schwierig? Ja, das sind häufig Labor-Daten, so Daten von einem Protein oder von der schämischen Verbindung in deinem Körper, oder auch von einem Rezeptor, die sagen jetzt erst mal nicht so viel über deine Person aus, was wirklich verwertbar wäre. So einen klarer Schöder, die hat gesagt, dass die Datengrundlage tatsächlich, um ihre Modelle zu trainieren, dass die ganz gut sei, weil es für Proteine eben eine riesige Protein-Datenbank gibt. Und das muss man tatsächlich sagen, dass das so zentralisiert abgelegt worden ist oder für jeden verfügbar ist, also jeder kann auf die Protein-Datenbank gehen, das ist ein ganz großer Erfurt. Und das ist dann zusammen mit der Optimierung von den Grafikarten und der gründischen Optimierung in diesem reichen möglich geworden, das muss etwas wie einfach voll zusammenbaut. Und deine Kuhn vermerkt, der mir erzählt, dass sie eben auf Daten zurückgreifen würden, die sie bei Märk in Laboren und benntesten Familien, die eben gesammelt hätten. Ne und teilweise aber auch so ein Konsortium aus Universitäten und anderen Pharma-Firmen haben, die solche Daten zusammenführen und dann öffentlich bereitstellen. Aber natürlich kann auch ein anderes Problem bei den Daten auftreten, wenn wir über Medikamente reden, die jetzt KI-Modelle entworfen haben. Ein Idee was? In den Dänermedizin ist ja immer noch in manchen Köpfen der Revolution, dass man nämlich überlegt hat, vielleicht ist es gar nicht so klug, alle Medikamente immer an Männern zu testen. Also kann ich mir vorstellen, wahrscheinlich haben die auch so ein Beiß in den Daten? Ja, genau. Also das wird zumindest angenommen, befürchtet, wenn man medizinische Datensätze hat, ja, man hat zum großen Teil von weißen Männern. Und das jetzt die Frage, wenn die eine Medikamente rausentwickeln, wirkt das auch zum Beispiel bei Frauen oder bei People of Color und Ähnlichem. Genau. Daher verlangt auch die europäische Anzenehmittel-Agentur, dass erstelle von KI-Medikamenten mindestens dokumentieren sollen, ob ihre Daten repräsentativ für die Bevölkerung sein und ob daraus ja aus einem unaufsaglichen Datensatz, sage ich mal, potenzielle Risiken oder diskriminierende Ergebnisse entstehen könnten. Du weißt ja, na, ich bin totaler Fan von Richtlinien, gerade irgendwie im Bereich von KI. Gibt's da eigentlich schon was, was so ein bisschen reguliert, wie so KI unter stützende oder mit KI gefundenen Medikamente sein müssen, was für Anforderungen die haben müssen oder wie man KI da benutzen darf? Nee, nicht so wirklich. Also die europäische Anzenehmittel-Agentur und die OS-A-Makane schluss von DORN, die FDA, die haben ihr halt so ja schon eine Art Richtlinien rausgegeben, an was sich hersteller halten sollen, aber das ist halt bisschen. dass ihr nicht richtig bindend. * Musik * Max, lass uns mal zu der großen Frage kommen. Da bin ich der Frage dieser Folge. Glaubst du, dass KI-Methoden uns helfen können, die Wundermittel zu finden, die uns helfen, Krankheiten für immer loszuwerden, vielleicht sogar auszurotten? Ja, ich sag mal das lässt es. Ich hör da noch keine Euphorie. Nee, nee, es lässt sich auch total schwer sagen. Ich habe auch noch einen Alldemstek ganz, ganz viel Hoffnung drin. Und das merkst du mit allen Forschenden, den du darüber redest, dass sie glauben, dass es jetzt ein Weg, wie wir unsere Medizin revolutionieren können. Und wenn wir jetzt noch mal auf das Feld Protein hier sein, schauen, dass er klarer Schöner in ihrer Arbeitsgruppe macht, da sind die bei Weiten noch nicht so weit, dass jetzt ihr KI-Modell auf Knopfdruck lossticken können, um neue Impfstoffe zu designen, die dann auch noch funktionieren. Weil Alperford, was ja schon gut funktioniert, dass es eben gar nicht dafür geeignet, für Impfstoffe oder Zelterapie wirklich zu designen, da braucht man eben andere Modelle, die gerade erforscht werden. Ich habe jetzt mal eine Idee. Vielleicht kann ich das Problem ja einfach jetzt hier an dieser Stelle lösen. Schwald. Ich habe ja schon ein bisschen was gelernt, wenn es um so was wie so eine Art, woher sage Technik von KI geht. Und zwar, wenn wir jetzt an diese Chatbots denken, oder die einfache Vervollständigung im Texten oder so was, da kommt ja immer ein Vorschlag. Auf das eine Wort kommt das nächste Wort. Wenn wir das jetzt mal so ganz abstrakt auf so was wie Medikamentenforschung machen, dann könnt man ja sagen, man gibt diesen Lard-Language-Models irgendwie so eine Art Informationen, die in ihrer Sprache auslesbar sind. Und dann kann man sie quasi Vervollständigen lassen. So was wie, "Hey, ich habe hier diese Proteinstruktur", sagt mir doch mal, welche Bausteine wahrscheinlich sind, welche ich vielleicht dafür brauchen könnte. Ist das die Lösung? Hab ich jetzt alles sozusagen revolutioniert? Ja, nein, also was nicht alles revolutioniert, aber du hast einen Teil der Lösung angesprochen. Das machen tatsächlich Lard-Language-Modelle, genau das, was du gesagt hast. Aber das ist eben auch das, was Clara Schöder gesagt hat, das ist eben eine von mehreren Methoden. Und man ist wirklich, also sie und auch ihre Kollegin im Weltweit, sind da gerade wirklich dabei zu testen, was funktioniert am besten? Wie kann so eine Pipeline an Methoden aussehen, die dann wirklich schnell im Stoffe oder Proteine für Zeltirapien designen können? Und ich glaube halt auch schon, dass sie irgendwann in Zukunft diese Medikamente finden könnten, die uns von Krebs, Alzheimer, Parkinson und anderen Krankheiten eben teilen. Und weil Automatisierung ja so viel Dollespaß macht, braucht sie ja quasi nicht nur die KI, die die Medikamente findet, sondern warum nicht gleich auch irgendwie so automatisierte Labore, die einfach die Medikamente gleich auch schon herstellen. Das ist voll gut, dass du das ansprichst, weil ich hatte ja noch versprochen, was über KI und Ibuprofen zu erzählen. Ah, jetzt kommen wir zum Anfang zurück, der Folge, alles klar? Also was auf. Es gibt tatsächlich ein KI-Labore, das so fast komplett selbstständig Ibuprofen und andere Verbindungen herstellen kann. Und zwar wird das an der Universität Pittsburgh entwickelt. Und dieses System plant eben die Experimente selbst, such selbstständig nach Literatur, kann die Experimente auch selbst durchführen und ist sogar an der Lage, das Experimente-Design dann noch weiterzuoptimieren. Und das fand ich halt total abgefahren. Okay, aber gehen wir zum Schluss dieser Folge vielleicht noch mal mit einem positiven Gedanken raus. Ich muss da an Schlagzeiten denken, wo darüber berichtet wird, wie teuer Medikamente für so seltene Erkrankungen zum Beispiel sind. Eben, was man die nicht in so einer Masse, Stück Zeit produzieren kann und weil eben auch die Entwicklung für seltene Krankheiten sehr, sehr viel schwieriger ist. Oder denken wir jetzt eben an Länder, wo nicht so viel Geld da ist und die vielleicht auch nicht finanziell so unterstützt werden in der Medikamentensuche. Es gibt ja auch Krankheiten, die in bestimmten Ländern vorkommen. Aber da sagt man sich, dass es so reduziert auf einen Land, warum sollen wir da Geld reinstecken, um Medikamente für diese Menschen zu finden. Oder so trocken Krankheiten, die im globalen Süden vorkommen, wo nicht so viel Geld da ist. Exakt genau. Jetzt überlegen wir mal, wenn KI vielleicht alles besser machen könnte, ist das heizversprechende. Also Medikamente schneller finden, günstiger finden. Vielleicht könnte hier ja auch KI helfen und vielleicht könnte man in Zukunft Menschen auch helfen, eben die seltene Krankheiten haben oder die vielleicht in Gebieten leben, wo es eben nicht so viel Geld für die Medikamentenherstellung gibt. Ja, das sind total spannend. Da gedacht ich finde, ich tatsächlich. Und da würde ja so ein bisschen die Frage mit Reinspielen, zu welchen Krankheiten wir in die Modelle jetzt trainiert. Und da ist dann vielleicht eher nicht so was wie in eine trocken Krankheit dabei, die nur den globalen Süden betrifft. Und auch wer halt die Modelle letztendlich entwickelt, das kostet ja auch Zeit und Geld. Und wenn da weiterhin eben, dass die großen Firmen oder auch die großen Farma-Firmen machen, dann bringt das vielleicht in dem Fall nicht so viel. Super Max, du bist echt noch rund hier. Aber ich wollte gerade Aversagen. Und dass ich mir auch immer wieder diese Open Source-Gedanke, der ist gerade bei diesem medizinischen Forschungskais groß vertreten. Also ein System von Merck, das können zum Beispiel auch andere Herstellern nutzen, das ist frei verfügbar, um ihre Medikamentenkandidaten dazutesten. Und die Protein-Daten-Banken, die haben ja schon angesprochen, die sind für alle frei zugänglich und auch Alper-Fot. Da hat die man den Code rausgegeben, damit es eben weiterentwickelt werden kann. Also vielleicht gibt es ja da doch Hoffnung, dass KI in der Erzneimittel-Forschung auch dazu führen kann, dass eben nicht nur die Krankheiten untersucht werden, die jetzt reiche Europäer innen und du estamerikaner inbetreffen. Aber auch da muss man, glaube ich, abfordern, was da kommt. Maximilian Brose war das mit einem ganz klein bisschen Optimismus am Ende. Vielen Dank für die teuen Informationen. Vielen Dank. Für das alles, was du mir erklärt hast, ich habe super viel mitgenommen. Das war wahnsinnig spannend. Mich würde jetzt noch interessieren, was denkt ihr denn? Also wo könnte KI vielleicht gerade, wenn es um Medikamente geht, irgendwie helfen, vielleicht bei der Herstellung, Entdeckung? Was könnte KI besser machen oder welche Krankheiten könnte KI als nächstes angehen? Was mich auch interessieren würde, gibt es vielleicht ein anderes Thema, was euch irgendwie untergekommen ist und wo ihr sagt, Mensch, dieses KI verstehen Team, das müsste sich darum unbedingt mal kümmern. Zum Beispiel haben wir hier schon ein paar Vorschläge von tollen Hörern bekommen, wie Jürgen. Der findet das, wenn es mal um KI und Raumfahrt kümmern sollten. Ich finde es super. Also das wär mir im Team auf jeden Fall besprechen. Oder auch vom 17. Jullian, der totaler Fans hat uns geschrieben, das hat mich sehr gerührt. Und der meinte, können wir nicht mal auf sowas wie KI und Wahrscheinlichkeiten gucken. Also ihr seht uns, gehen die Themen nicht aus, aber es ist natürlich total schön, von euch zu hören und ganz viel von euch auch mitzunehmen. Also schreibt uns doch einfach ein E-Mail an [email protected] Oder eine Sprachnachricht per Signal oder WhatsApp an 0152-5952-9753. Natürlich gibt sie Infos auch in den Show-Nodes und auch alle möglichen Infos zu den spannenden Dingen, die Maxi erzählt hat. Wie findet ihr auch in den Show-Nodes? Außerdem möchten wir euch motivieren, nämlich uns zu zeigen, wie gut ihr uns findet. Und zwar indem ihr abstimmt beim Podcast-Preis. Da sind wir nominiert im Publikums-Woting für die Kategorie "Information". Da könnt ihr einfach auf www.deutscher-podcast-preis.de gehen für uns stimmen und wir würden uns wahnsinnig freuen. So, jetzt gibt es noch eine kleine Ansage. Nächste Woche macht KI-Verstehen frei. Da haben wir einen kleinen Podcast-Tip für euch. Aber in zwei Wochen, also am 23.05. da geht's hier weiter und zwar mit Reif Grauta.de.s.d. Das ist eine Premiere Solo unterwegs gewesen. Und zwar hat der Volker Grum getroffen, den Aufsichtsratsvorsitzenden des IT-Dienstleisters Adesso und alle Alfa Gründer Jonas Andrules. Und die haben dann über den KI-Standort "Deutschland" gesprochen. Mal sehen, was dabei rausgekommen ist. Das können wir uns in zwei Wochen anhören. Wir freuen uns natürlich, wenn ihr wieder dabei seid. Vielen Dank fürs Zuhören. Bis bald.