KI für Alzheimer

Die Alzheimer-Krankheit ist eines der schwierigsten ungelösten Probleme in der Medizin – und eines der verheerendsten. Sie tötet Millionen von Menschen, bürdet Familien eine enorme Last auf und entzieht sich noch immer weitgehend den Möglichkeiten der heutigen Medizin. Bei der OpenAI Foundation wollen wir das ändern, indem wir fortschrittliche KI einsetzen, um die Wissenschaft zur Prävention und Behandlung der Krankheit zu beschleunigen.^1⁠ Als ersten Schritt arbeiten wir daran, in diesem Monat Fördermittel in Höhe von mehr als 100 Millionen USD für sechs Forschungseinrichtungen bereitzustellen, um die Alzheimer-Forschung zu unterstützen und zu beschleunigen – indem neue Daten generiert, die Entwicklung neuer Medikamente unterstützt und mögliche Behandlungswege erweitert werden.

Diese Mittel markieren lediglich den Beginn unserer Arbeit; es gibt noch viel mehr zu tun. Wir gehen davon aus, im Laufe des Jahres 2026 und darüber hinaus weitere Fördermittel für die Alzheimer-Forschung an weitere Wissenschaftler:innen sowie Forschungseinrichtungen zu vergeben, damit wir gemeinsam die Alzheimer-Krankheit endlich verhindern und behandeln können.

Warum Alzheimer im Fokus steht

Unsere Mission ist es, sicherzustellen, dass AGI der gesamten Menschheit zugutekommt. Alzheimer ist ein enormes Problem, das sich mit der Alterung der Bevölkerung weiter verschärft, und die Komplexität der Krankheit eignet sich hervorragend für den Einsatz von KI.

Alzheimer betrifft nicht nur die Millionen von Menschen, bei denen die Krankheit diagnostiziert wurde, sondern auch ihre Ehepartner, Kinder und anderen Betreuungspersonen, die sie unterstützen. Die Krankheit stellt für Familien eine immense emotionale und finanzielle Belastung dar.

Die Menschheit hat in den letzten Jahrzehnten Fortschritte im Kampf gegen drei der vier großen Todesursachen gemacht – Herzkrankheiten, Infektionskrankheiten und einige Krebsarten –, wodurch das Sterberisiko in jedem gegebenen Alter gesenkt wurde:

Die Entwicklung wirksamer Behandlungen für die vierte große Todesursache – neurodegenerative Erkrankungen wie Alzheimer – hat sich bislang jedoch trotz der Bemühungen der besten Wissenschaftler:innen der Menschheit als weitgehend unlösbar erwiesen:

Das liegt daran, dass Alzheimer offenbar nicht durch eine einzelne Ursache ausgelöst wird, sondern durch das Zusammenspiel genetischer Risikofaktoren, die Fehlfaltung von Proteinen, Entzündungen, synaptische Dysfunktion und mehr – in Wechselwirkung mit Umweltfaktoren über Jahrzehnte hinweg, wobei sich all dies im Gehirn abspielt, einem Organ, das schwer zu erforschen ist und dem sich Wirkstoffe nur schwer zuführen lassen. Herkömmliche Forschungsansätze hatten Schwierigkeiten, dies alles zu erklären.

KI ist in besonderer Weise geeignet, dieser Komplexität zu begegnen. Ihre Fähigkeit, über verschiedene Datentypen hinweg Schlussfolgerungen zu ziehen – darunter klinische Symptome von Patient:innen, biologische Krankheitsmarker, Screenings von Wirkstoffkandidaten und mehr – bietet einen grundlegend neuen Ansatz, um zu verstehen, wie diese Faktoren zusammenwirken, geeignete Wirkstoffziele zu identifizieren und klinisch relevante Risiken für Patient:innen Jahrzehnte früher zu diagnostizieren.

Unser Ziel ist es, Wissenschaftler:innen dabei zu helfen, neue Tools zu entwickeln, um Alzheimer endlich zu verhindern und zu behandeln. Da dieses Ziel bislang so schwer zu erreichen war, sehen wir darin einen klaren Prüfstein für die Fähigkeit von KI, die Möglichkeiten im Bereich der menschlichen Gesundheit zu verändern. Unser Ziel ist es, für Menschen, die von Alzheimer bedroht sind, und ihre Familien einen spürbaren Unterschied zu bewirken.

Unser ursprünglicher Ansatz

Wir sind für die Unterstützung dankbar, die wir von externen wissenschaftlichen Gutachter:innen erhalten haben und die in unsere ersten Strategien eingeflossen ist. Auch wenn wir von jedem dieser Förderbereiche außerordentlich begeistert sind, gehen wir nicht davon aus, unser Ziel der Prävention und Behandlung von Alzheimer plötzlich zu erreichen. Einige Experimente werden negative Ergebnisse liefern, und auf dem Weg wird es Rückschläge geben. Das ist das Wesen der Wissenschaft – und wir werden so schnell wie möglich dazulernen und unseren Ansatz anpassen, sobald Ergebnisse vorliegen.

Zunächst haben wir erste Hypothesen dazu, wie wir das Forschungsökosystem in einer Weise unterstützen können, die bestehende Bemühungen ergänzt und sich das zunutze macht, was mit KI heute möglich ist. Zusammen ergibt sich daraus ein „fünfstufiger Aufbau“ von Aktivitäten an führenden Forschungseinrichtungen:

1. Mithilfe von KI eine „kausale Karte“ von Alzheimer erstellen, um Ansatzpunkte für Interventionen zu validieren. Inzwischen scheint klar zu sein, dass es viele Ursachen für Alzheimer gibt, nicht nur eine. Das bedeutet, dass wir das gesamte Netzwerk kausaler Faktoren erfassen sollten, um die wirksamsten Ansatzpunkte für therapeutische Interventionen bei unterschiedlichen Personen zu identifizieren. In Zusammenarbeit mit Forschenden an vorderster Front der KI in der Biologie wie dem Arc Institute⁠ wollen wir verstehen, wie Modell-Gehirn-„Organoide“ auf verschiedene Kombinationen genetischer und umweltbedingter Risikofaktoren reagieren. Solche groß angelegten experimentellen Daten können zum Trainieren von KI-Modellen verwendet werden, die in zukünftige Experimente einfließen. Mit diesem hybriden Ansatz können Forschende ihre Erkenntnisse im Verlauf teilen, damit andere darauf aufbauen können, und mechanistisch informierte Wirkstoffziele für weitere Tests benennen.

Alzheimer hat sich bislang unter anderem deshalb einer Behandlung widersetzt, weil es der Inbegriff einer komplexen Krankheit ist. Es ist das Ergebnis des Zusammenspiels von Hunderten genetischer und umweltbedingter Risikofaktoren, die über Zelltypen und Jahrzehnte hinweg interagieren. Bei Arc entwickeln wir experimentelle und rechnerische Technologien, um diese Interaktionen in großem Maßstab zu kartieren.

– Patrick Hsu, PhD, Mitgründer und Core Investigator des Arc Institute

Wir möchten Störungen finden, die eine Zelle aus einem erkrankten Zustand zurück in einen gesunden Zustand versetzen können. Dazu durchlaufen wir einen aktiven Lernzyklus: Wir stören menschliche Gewebemodelle systematisch, geleitet von Patientendaten, messen die Auswirkungen und nutzen die Ergebnisse, um unsere KI-Modelle für Alzheimer iterativ zu verbessern. Jeder Zyklus vermittelt uns ein klareres kausales Bild davon, wo Krankheitsverläufe zusammenlaufen und wo wir eingreifen können.

– Silvana Konermann, PhD, Mitgründerin und Executive Director des Arc Institute

2. Neue Medikamente mithilfe von KI entwickeln und im Labor testen – mit Partnern wie dem Institute for Protein Design⁠, gemeinsam mit führenden Neurolog:innen und Neurowissenschaftler:innen am Mass General Hospital. Über 100 Alzheimer-Medikamente wurden seit 2000 in klinischen Studien getestet, aber fast alle erwiesen sich als unwirksam oder hatten unerwünschte Nebenwirkungen. Wir sind überzeugt, dass Moleküle, die mithilfe von KI-Biologie-Tools entwickelt wurden, langfristig eine höhere Erfolgswahrscheinlichkeit haben werden. Um festzustellen, ob das zutrifft, müssen Forschende aber zunächst in der Lage sein, ihre digitalen Schöpfungen in Zellen, Geweben und Tieren zu validieren.

Am Institute for Protein Design setzen wir uns dafür ein, kollaborative Pipelines aufzubauen, die darauf abzielen, den größtmöglichen positiven Einfluss auf das globale Wohlergehen zu haben. Mithilfe unserer neuesten KI-gestützten Modelle für das Proteindesign haben wir erfolgreich Moleküle entwickelt, die Zielstrukturen binden, modifizieren und abbauen, welche für das Fortschreiten der Alzheimer-Krankheit entscheidend sind. Die Erweiterung, Verfeinerung und Weitergabe dieses Toolkits an Neurowissenschaftler:innen, die unsere maßgeschneiderten Proteine einsetzen können, um Neurodegeneration vorherzusagen und zu bekämpfen, ist eine unserer höchsten Prioritäten.

– David Baker, PhD, Nobelpreisträger und Direktor des Institute for Protein Design an der University of Washington

3. Offene Datensätze unterstützen, um die Wirkstoffaktivität vorherzusagen und den Krankheitsverlauf mit und ohne Intervention abzubilden. Dazu gehört auch die Erstellung neuer offener Datensätze mit Bezug zu Alzheimer gemeinsam mit gemeinnützigen Organisationen wie der Focused Research Organisation EvE Bio⁠. Es beinhaltet ebenfalls die Unterstützung des Ausbaus bestehender longitudinaler und epidemiologischer Datensätze sowie Möglichkeiten, von Biotech-Unternehmen erhobene bestehende Datensätze verantwortungsvoll zu öffnen, die allen Forschenden zugutekommen könnten.

4. Neue Biomarker für Krankheiten etablieren, die Diagnostik verbessern und die Durchführung klinischer Studien optimieren, mit Partnern wie UCSF. Die Zulassung des ersten Alzheimer-Bluttests im letzten Jahr⁠ gibt Fachärzt:innen mehr Möglichkeiten, den Zustand von Patient:innen weniger invasiv zu beurteilen. Blut und andere Biomarker geben Forschenden außerdem die Möglichkeit, in klinischen Studien zu messen, welche Auswirkungen Medikamente auf den Krankheitsverlauf haben können, auch als sekundäre Messgrößen in Studien, die in erster Linie auf eine andere Krankheit abzielen (wie in dieser aktuellen Studie⁠ zu Herz-Kreislauf-Erkrankungen gezeigt). Da KI mittlerweile in der Lage ist, komplexere biologische Signale zu interpretieren, bieten sich nun mehr Möglichkeiten, mit moderner Proteomik und anderen Patientenproben noch weiter voranzukommen.

Alzheimer bleibt eine der dringendsten Herausforderungen in der Medizin, und Fortschritt hängt davon ab, wissenschaftliche Durchbrüche mit der Versorgung unserer Patient:innen zu verbinden. Diese Zusammenarbeit ermöglicht es uns, weltweit führende Bemühungen – von Fortschritten im Proteindesign bis hin zu fundierten klinischen und biologischen Erkenntnissen hier an der UCSF – zu verknüpfen, um die Krankheit besser zu verstehen und neue Behandlungswege zu identifizieren. Da KI uns dabei hilft, diese Erkenntnisse zu integrieren und enorme Komplexität zu verstehen, haben wir die Möglichkeit, Entdeckungen zu beschleunigen, die das Leben von Patient:innen spürbar verändern könnten.

– S. Andrew Josephson, MD, Professor und Leiter der Neurologie an der UCSF und dem UCSF Weill Institute for Neurosciences

5. Patentfreie Behandlungen testen und KI nutzen, um anonymisierte Patientendaten und online berichtete Erfahrungen bestmöglich auszuwerten. Es gibt eine Reihe von Interventionen, bei denen es Hinweise auf eine Wirkung gibt – zum Beispiel Lithiumorotat⁠ und der nicht mehr patentgeschützte Gürtelrose-Impfstoff⁠–, bei denen jedoch weitere hochwertige Evidenz erforderlich ist und für den privaten Sektor kein Anreiz besteht, für klinische Studien zu zahlen.

Ich hoffe, dass sich die Fähigkeit einer physiologischen Dosis Lithiumorotat, in Mausmodellen der Alzheimer-Krankheit die Pathologie umzukehren und das Gedächtnis wiederherzustellen, auf die alternde menschliche Bevölkerung übertragen lässt. Lithium ist es, was unsere Smartphones, Laptops und Elektrofahrzeuge antreibt. Ich vermute, dass das Gehirn seine einzigartige Elektrochemie schon vor uns genutzt haben könnte.

– Bruce Yankner, MD, PhD, Professor für Genetik und Neurologie an der Harvard Medical School und Co-Direktor des Harvard Glenn Center for Biology of Aging Research

Iteratives Lernen

Wir werden an allen fünf dieser Fronten gleichzeitig arbeiten, um andere Bemühungen im Forschungsökosystem zu ergänzen. Wir gehen davon aus, unsere bestehenden Ansätze weiterzuentwickeln, während wir weiteres Feedback aus der Forschungsgemeinschaft erhalten, sodass wir gemeinsam herausfinden können, wie sich Alzheimer verhindern und behandeln lässt.

Indem wir Alzheimer direkt angehen, wollen wir nicht nur dazu beitragen, den Verlauf dieser Krankheit zu verändern, sondern auch Tools und Wissen aufzubauen, die den Fortschritt im Kampf gegen viele andere beschleunigen können.

* * *

Wenn du Interesse hast, Updates von der OpenAI Foundation zu erhalten, abonniere diese bitte hier⁠. Wenn du unser Team für Biowissenschaften und Heilung von Krankheiten kontaktieren möchtest, kannst du uns unter [email protected]⁠ erreichen.

Neben wissenschaftlichen Artikeln lesen wir auch mit Dankbarkeit Berichte, ausführliche Artikel und Blogbeiträge über KI und Wissenschaft. Auch wenn wir nicht allen Aussagen in diesen Texten zustimmen, gehören dazu dieser Bericht der National Academies⁠, dieser Übersichtsartikel zur Alzheimer-Medikamentenpipeline⁠, allgemein gehaltene Zusammenfassungen medizinischer Fortschritte wie dieser Beitrag über Sterberaten bei Herz-Kreislauf-Erkrankungen⁠, dieser Science-Blogbeitrag⁠ über Schwierigkeiten für KI, Fortschritte in der Medizin zu erzielen, und diese Idee zu klinischen Daten von IFP⁠.

Wir möchten dich dazu ermutigen, deine Analysen öffentlich zu veröffentlichen und uns einen Link per E-Mail zu schicken, wenn du der Meinung bist, dass wir von dieser Sichtweise profitieren könnten.