Eine neu entwickelte generative Künstliche Intelligenz (KI) könnte künftig dazu beitragen, die Zahl von Tierversuchen in der präklinischen Forschung deutlich zu senken. Forschende der Goethe-Universität Frankfurt, der Philipps-Universität Marburg und des Fraunhofer-Instituts für Translationale Medizin und Pharmakologie (ITMP) haben dazu das System „genESOM“ entwickelt.
Dilemma in der präklinischen Forschung
In frühen Phasen der Arzneimittelentwicklung werden neue Wirkstoffe unter anderem in Tiermodellen getestet. Dabei besteht ein Spannungsfeld: Einerseits soll die Zahl der eingesetzten Tiere aus ethischen Gründen möglichst gering gehalten werden, andererseits sind ausreichend große Stichproben nötig, um belastbare und repräsentative Ergebnisse zu erzielen.
KI generiert realistische Versuchsdaten
Die generative KI „genESOM“ wurde darauf trainiert, die Struktur kleiner Datensätze zu erfassen und daraus zusätzliche Datenpunkte zu erzeugen. Diese simulierten Daten entsprechen laut den Forschenden in ihren Eigenschaften den tatsächlich erhobenen Versuchsdaten. Ziel ist es, den experimentellen Datensatz künstlich zu erweitern, ohne dass zusätzliche Tiere eingesetzt werden müssen.
Fehlerkontrolle als zentrale Innovation
Ein zentrales Problem generativer KI ist die mögliche Verstärkung von Zufallsrauschen, was zu falsch-positiven Ergebnissen führen kann. Die Forschenden haben daher eine integrierte Fehlerüberwachung entwickelt.
Durch die Trennung von Lern- und Synthesephase kann ein künstliches Fehlersignal in den Generierungsprozess eingespeist werden. Dieses erlaubt es, die Ausbreitung von Fehlern zu messen und die Datengenerierung rechtzeitig abzubrechen, bevor die wissenschaftliche Aussagekraft beeinträchtigt wird.
Erfolgreicher Praxistest im Tiermodell
In einem Test mit Daten aus einer präklinischen Studie zu Multipler Sklerose zeigte sich der Nutzen der Methode: Ein ursprünglich größerer Datensatz mit 26 Mäusen wurde künstlich auf 18 Tiere reduziert. In dieser kleineren Stichprobe verschwanden die nachgewiesenen Effekte zunächst vollständig.
Nachdem der reduzierte Datensatz mit genESOM ergänzt wurde, konnten die ursprünglichen Effekte wieder rekonstruiert werden – ohne zusätzliche falsch-positive Ergebnisse. Andere KI-Methoden konnten dies laut den Forschenden nicht leisten.
Potenzial und Grenzen der Methode
„Wir haben mittlerweile eine Reihe von Datensätzen ähnlich getestet und können heute sagen: Mit genESOM lässt sich die die Zahl genutzter Tiere bei explorativen Forschungsfragen um 30 bis 50 Prozent reduzieren, und die Ergebnisse bleiben wissenschaftlich valide.“
Gleichzeitig betont Jörn Lötsch die Grenzen des Ansatzes: „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.“
Sein Fazit fällt dennoch positiv aus: „Mit genESOM können wir einen wichtigen Beitrag zur Reduktion der Tierversuchszahlen in großen Bereichen der präklinischen Forschung leisten.“
Beitrag zur Reduktion von Tierversuchen
Die entwickelte Methode könnte perspektivisch dazu beitragen, den Bedarf an Versuchstieren in der Wirkstoffforschung deutlich zu senken, ohne die Aussagekraft der Studien zu beeinträchtigen. Das Projekt wurde durch die Deutsche Forschungsgemeinschaft (DFG) gefördert.
Quelle: sciencedirect
kcl
