Eine Generative k\u00fcnstliche Intelligenz kann Tierversuchszahlen deutlich verringern. Zwischen 30 und 50 Prozent weniger M\u00e4use f\u00fcr pharmakologische Forschungsexperimente reichen dann aus.
\nEine neue K\u00fcnstliche Intelligenz zur Reduktion von Tierversuchen haben Forschende der Goethe-Universit\u00e4t Frankfurt und der Philipps-Universit\u00e4t Marburg in Zusammenarbeit mit dem Fraunhofer-Institut f\u00fcr Translationale Medizin und Pharmakologie ITMP entwickelt. Die KI namens „genESOM“ wurde darauf trainiert, die Struktur kleiner Datens\u00e4tze zu „lernen“. Das Gelernte nutzt die KI, um neue Datenpunkte zu generieren. Diese Datenpunkte geben die Eigenschaften der im Versuch erhobenen Daten so korrekt wieder, als ob sie ebenfalls im Laborexperiment erhoben worden w\u00e4ren. K\u00fcnftig k\u00f6nnten mittels „genESOM“ bei der Testung neuer Wirkstoffe zwischen 30 und 50 Prozent weniger Versuchstiere ben\u00f6tigt werden.
\nIn fr\u00fchen Phasen der Arzneimittelentwicklung werden neue Wirkstoffe – neben zahlreichen anderen Versuchsmethoden – auch in Tieren getestet. Dabei stehen die Forschenden vor einem Dilemma: Einerseits halten sie aus ethischen Gr\u00fcnden die Zahl der Tiere, die in einem Experiment verwendet werden, m\u00f6glichst klein. Andererseits m\u00fcssen Tierversuche genug Tiere einschlie\u00dfen, damit das Experiment zu verl\u00e4sslichen und repr\u00e4sentativen Ergebnissen f\u00fchrt, die zum Beispiel darauf schlie\u00dfen lassen, ob ein neuer Arzneimittelkandidat eine bestimmte Wirkung erzeugt oder nicht.
\nDer Datenwissenschaftler und klinische Pharmakologe Prof. J\u00f6rn L\u00f6tsch von der Goethe-Universit\u00e4t Frankfurt hat in Kooperation mit dem Informatiker Prof. Alfred Ultsch von der Philipps-Universit\u00e4t Marburg eine generative K\u00fcnstliche Intelligenz namens „genESOM“ entwickelt. „genESOM“ basiert auf einem Netzwerk Tausender k\u00fcnstlicher Neuronen, dass die innere Struktur eines Datensatzes „erlernt“. Dadurch kann sie das experimentell gewonnene Datenvolumen vergr\u00f6\u00dfern und simulieren, dass die Zahl der Tiere im Versuch gr\u00f6\u00dfer war als in Wirklichkeit.
\nZum Training der KI nutzten die Wissenschaftler, die beide selbst nicht tierexperimentell arbeiten, vorhandene Daten aus einer am Fraunhofer ITMP in M\u00e4usen durchgef\u00fchrten und bereits ver\u00f6ffentlichten Studie. Dabei gelangen dem Forschungsteam zwei entscheidende Innovationsschritte: Zum einen die KI darauf zu trainieren, neue Datenpunkte auf Grundlage der Studiendaten zu generieren, die sich so in die erlernte Datenstruktur einf\u00fcgen, als w\u00e4ren sie in echten Experimenten gewonnen worden.
\nDer zweite Innovationsschritt war die Integration einer Fehler\u00fcberwachung direkt in den Generierungsprozess der neuen Datenpunkte. Generative KI-Methoden riskieren generell, neben dem relevanten Signal auch Rauschen und Zufallsvariation zu verst\u00e4rken. Dieses Problem ist als Fehlerinflation bekannt und kann dazu f\u00fchren, dass eigentlich nicht bedeutsame Variablen f\u00e4lschlicherweise als behandlungsrelevant erscheinen (so genannte falsch-positive Variablen).
\nDurch eine gezielte Trennung der Lernphase von der Synthesephase ist es m\u00f6glich, ein k\u00fcnstliches Fehlersignal in den Prozess einzuspeisen, dessen Ausbreitung pr\u00e4zise gemessen wird. Daraus ergibt sich ein datengesteuertes Abbruchkriterium, das die Datengenerierung stoppt, bevor die wissenschaftliche Validit\u00e4t beeintr\u00e4chtigt wird.
\nEinen Praxistest bestand „genESOM“ mit Daten aus einer pr\u00e4klinischen Studie zum Multiplen Sklerose-Modell. In der Originalstudie waren 26 M\u00e4use in drei Behandlungsgruppen aufgeteilt worden, um die Effekte eines experimentellen Wirkstoffs zu untersuchen. L\u00f6tsch und Ultsch reduzierten den Datensatz auf 18 Tiere mit sechs pro Gruppe, um ein kleineres Experiment zu simulieren. Als sie diesen reduzierten Datensatz auswerteten, verschwanden alle zuvor nachgewiesenen Behandlungseffekte vollst\u00e4ndig.
\nStatistische Tests signalisierten nichts Signifikantes, und maschinelle Lernverfahren konnten die Behandlungsgruppen nicht voneinander unterscheiden. Nachdem der reduzierte Datensatzes mit Hilfe von „genESOM“ weitere Datenpunkte erhalten hatte, traten alle Effekte des vollst\u00e4ndigen Experiments auf dem urspr\u00fcnglichen Signifikanzniveau wieder auf, ohne das relevante falsch positive Befunde dazu kamen. Alternative KI-Methoden bis hin zu komplexen „deep-learning“ neuronalen Netzwerken, die die Forscher testeten, versagten hier.
\n„Wir haben mittlerweile eine Reihe von Datens\u00e4tzen \u00e4hnlich getestet und k\u00f6nnen heute sagen: Mit genESOM l\u00e4sst sich die die Zahl genutzter Tiere bei explorativen Forschungsfragen um 30 bis 50 Prozent reduzieren; und die Ergebnisse bleiben wissenschaftlich valide“, erl\u00e4uterte L\u00f6tsch. Der Datenwissenschaftler wies jedoch darauf hin, dass genESOM nur aus den Daten lernen k\u00f6nne, die in realen Tierexperimenten gewonnen worden seien. Auch lasse sich die Zahl der Versuchstiere nicht beliebig reduzieren: „Wenn man zu wenige Tiere ins Experiment aufnimmt und die Anzahl dann durch generative KI einfach erg\u00e4nzt, k\u00f6nnte das Experiment wegen der Verst\u00e4rkung von Zufallsbefunden sehr schnell wissenschaftlich wertlos werden.“
\nTrotzdem ist L\u00f6tsch \u00fcberzeugt: „Mit genESOM k\u00f6nnen wir einen wichtigen Beitrag zur Reduktion der Tierversuchszahlen in gro\u00dfen Bereichen der pr\u00e4klinischen Forschung leisten.“ Das Projekt wurde durch die Deutsche Forschungsgemeinschaft (DFG) unter dem Titel „Generative artificial intelligence-based algorithm to increase the predictivity of preclinical studies while keeping sample sizes small“ gef\u00f6rdert.<\/p>\n
* pm: Philipps-Universit\u00e4t Marburg<\/p>\n","protected":false},"excerpt":{"rendered":"
Eine Generative k\u00fcnstliche Intelligenz kann Tierversuchszahlen deutlich verringern. Zwischen 30 und 50 Prozent weniger M\u00e4use f\u00fcr pharmakologische Forschungsexperimente reichen dann aus.<\/p>\n","protected":false},"author":2,"featured_media":0,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"advanced_seo_description":"","spay_email":"","jetpack_publicize_message":"","jetpack_is_tweetstorm":false,"jetpack_publicize_feature_enabled":true},"categories":[5],"tags":[7535,26,4461],"jetpack_featured_media_url":"","jetpack_publicize_connections":[],"jetpack_sharing_enabled":true,"jetpack_shortlink":"https:\/\/wp.me\/p8mhvd-5cS","jetpack-related-posts":[{"id":15461,"url":"http:\/\/marburg.news\/?p=15461","url_meta":{"origin":20018,"position":0},"title":"Vorgedacht: KI kann Entz\u00fcndungen klassifizieren","date":"22. April 2024","format":false,"excerpt":"Ein Marburger Forschungsteam testet, ob K\u00fcnstliche Intelligenz die Ursache von Infektionen herausfinden kann. KI unterscheidet dabei zwischen den Erregern von Entz\u00fcndungen. Eine neue Anwendung k\u00fcnstlicher Intelligenz (KI) unterscheidet Infektionen nach ihrer Verursachung durch Bakterien, Viren oder andere Faktoren. Die K\u00fcnstliche Intelligenz hilft bei der Diagnose: Was ist der Grund f\u00fcr\u2026","rel":"","context":"In "Bildung"","img":{"alt_text":"","src":"","width":0,"height":0},"classes":[]},{"id":10343,"url":"http:\/\/marburg.news\/?p=10343","url_meta":{"origin":20018,"position":1},"title":"Neue Kooperation: Vereinbarung zu KI in der Medizin","date":"9. August 2022","format":false,"excerpt":"\"Kooperation schafft klaren Mehrwert f\u00fcr Forschung und Praxis und somit f\u00fcr uns alle\", erkl\u00e4rte Prof. Dr. Kristina Sinemus. Die Digitalministerin hat eine Absichtserkl\u00e4rung f\u00fcr die Zusammenarbeit bei KI-basierten Anwendungen im Gesundheitswesen unterzeichnet. Die besten Forschungsergebnisse von Wissenschaftlerinnen und Wissenschaftler n\u00fctzen nichts, wenn sie nicht in der Praxis erprobt werden k\u00f6nnen.\u2026","rel":"","context":"In "Bildung"","img":{"alt_text":"","src":"","width":0,"height":0},"classes":[]},{"id":5634,"url":"http:\/\/marburg.news\/?p=5634","url_meta":{"origin":20018,"position":2},"title":"Zusammen stark: 13 hessische Hochschulen gr\u00fcnden KI-Zentrum","date":"1. September 2020","format":false,"excerpt":"Mit drei Professuren ist die Philipps-Universit\u00e4t am Hessischen Zentrum f\u00fcr K\u00fcnstliche Intelligenz beteiligt. Das bundesweit einzigartige Zentrum wird von 13 hessischen Hochschulen getragen. \"Exzellente Grundlagenforschung, konkreter Praxisbezug mit Antworten auf wichtige Herausforderungen unserer Zeit und der Transfer in Wirtschaft und Gesellschaft\" sind die Ziele des - vom Land Hessen gef\u00f6rderten\u2026","rel":"","context":"In "Bildung"","img":{"alt_text":"","src":"","width":0,"height":0},"classes":[]},{"id":12363,"url":"http:\/\/marburg.news\/?p=12363","url_meta":{"origin":20018,"position":3},"title":"In KI kenntnisreich: hessian.AI-Professur f\u00fcr Christin Seifert","date":"13. April 2023","format":false,"excerpt":"Die Informatikerin Christin Seifert wird \"hessian.AI\"-Professorin in Marburg. Sie will verstehen, wie Maschinen lernen. Prof. Dr. Christin Seifert ist zum 1. April 2023 auf eine neu eingerichtete Professur f\u00fcr K\u00fcnstliche Intelligenz (KI) im Fachbereich Mathematik und Informatik an der Philipps-Universit\u00e4t berufen worden. Zugleich ist das eine der ersten Professuren am\u2026","rel":"","context":"In "Bildung"","img":{"alt_text":"","src":"","width":0,"height":0},"classes":[]},{"id":17998,"url":"http:\/\/marburg.news\/?p=17998","url_meta":{"origin":20018,"position":4},"title":"Intelligente Informatik: Zwei neue KI-Professuren f\u00fcr Marburg","date":"14. Mai 2025","format":false,"excerpt":"Zwei weitere Professoren f\u00fcr \"K\u00fcnstliche Intelligenz\" starten in Marburg durch. Nach Prof. Dr. Christin Seifert verst\u00e4rken Prof. Dr. Ralph Ewerth und Prof. Dr. Martin Becker die Forschung und Lehre in der KI. Ihre Forschung und Lehre im Bereich der K\u00fcnstlichen Intelligenz (KI) baut die Philipps-Universit\u00e4t weiter aus: Zum April 2025\u2026","rel":"","context":"In "Bildung"","img":{"alt_text":"","src":"","width":0,"height":0},"classes":[]},{"id":19862,"url":"http:\/\/marburg.news\/?p=19862","url_meta":{"origin":20018,"position":5},"title":"Sprechende Technik: Studium Generale zu Bildung in Zeiten der KI","date":"13. April 2026","format":false,"excerpt":"Bildung im Zeitalter der KI ist Thema beim Studium Generale im Sommersemester 2026. Die Veranstaltungsreihe behandelt universit\u00e4res Lernen zwischen Tradition und Zukunft. Vor 500 Jahren plante Landgraf Philipp im Jahr 1526 die Gr\u00fcndung einer neuen Universit\u00e4t - mitten in einer Zeit des Umbruchs. Astronomische Entdeckungen stellten das Selbstverst\u00e4ndnis des Menschen\u2026","rel":"","context":"In "Bildung"","img":{"alt_text":"","src":"","width":0,"height":0},"classes":[]}],"_links":{"self":[{"href":"http:\/\/marburg.news\/index.php?rest_route=\/wp\/v2\/posts\/20018"}],"collection":[{"href":"http:\/\/marburg.news\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"http:\/\/marburg.news\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"http:\/\/marburg.news\/index.php?rest_route=\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"http:\/\/marburg.news\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=20018"}],"version-history":[{"count":0,"href":"http:\/\/marburg.news\/index.php?rest_route=\/wp\/v2\/posts\/20018\/revisions"}],"wp:attachment":[{"href":"http:\/\/marburg.news\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=20018"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"http:\/\/marburg.news\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=20018"},{"taxonomy":"post_tag","embeddable":true,"href":"http:\/\/marburg.news\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=20018"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}