KI in der Translation von Forschungsergebnissen aus Tiermodellen Aus Hamster werde Mensch

Anbieter zum Thema

FRITSCH GmbH

Shimadzu Deutschland GmbH

SPT Labtech

Was wäre, wenn wir die Reaktion von Patienten auf ein Medikament bereits aus Tierversuchen präzise vorhersagen könnten? Bisher ist die Übertragbarkeit biologischer Daten aus Tiermodellen auf den Menschen noch immer eine der großen Herausforderungen in der präklinischen Forschung. Neue KI-Modelle könnten nun ein Teil der Lösung werden.

Die Arbeit in Tiermodellen ist für für viele Bereiche beispielsweise der biomedizinischen oder Wirkstoffforschung nach wie vor nahezu unerlässlich. Doch nicht alle Ergebnisse lassen sich ohne weiteres auf den Menschen übertragen. Der so genannte „translational gap“ („translationale Lücke“) zwischen Spezies verhindert in vielen Fällen eine erfolgreiche klinische Anwendung präklinischer Studien, sodass vielversprechende Ergebnisse aus Tiermodellen (z. B. bei Medikamententests) nicht zwangsläufig mit einer hohen Wirksamkeit und Sicherheit beim Menschen einhergehen. Für den „translational gap“ sind einerseits biologische, genetische und physiologische Unterschiede zwischen Mensch und Tier verantwortlich.

Andererseits mangelt es an rechnerischen Methoden, diese Unterschiede effektiv auszugleichen. So können Mensch und Tier auf molekularer Ebene zwar ähnlich auf einen Stimulus reagieren, doch spezies-spezifische Signale überlagern diese Ähnlichkeit und beschränken die Analyse. An dieser Stelle kann künstliche Intelligenz (KI) entscheidend unterstützen. Moderne KI-Techniken können Muster in hochdimensionalen biologischen Daten erkennen und kompakte Repräsentationen dieser Daten ableiten, die es ermöglichen, spezies-spezifische Signale strukturiert und reproduzierbar zu eliminieren. Anders gesprochen: KI kann maßgeblich dabei unterstützen, biologische Daten aus Tiermodellen zu „humanisieren“.