Computermodelle und KI sind zentrale Werkzeuge der datengetriebenen Gesundheitsforschung. Sie stehen für innovative Wege in der Medizin und neue Möglichkeiten für die Versorgung. Ein Dossier über In silico-Forschung in der Medizin.
Computermodelle eröffnen Chancen, medizinische Forschung und Versorgung entscheidend zu verbessern.
Gorodenkoff/ Adobe Stock
In der Klimaforschung, der Luft- und Raumfahrt oder der Automobilindustrie gehören sie längst zum Alltag: Computermodelle – virtuelle Abbilder der realen Welt –, an denen Prozesse unter verschiedensten Bedingungen am Rechner simuliert werden. Ob es um die Vorhersage von Wetterereignissen geht oder um das Verhalten eines Autos bei einem Zusammenstoß: Computerbasierte Simulationen sparen Zeit, Kosten und Ressourcen.
Die Verfügbarkeit riesiger Datenmengen und Hochleistungsrechner sowie die rasanten Fortschritte bei Künstlicher Intelligenz (KI) haben auch in der Medizin eine neue Ära eingeläutet: die der In silico-Forschung. Dieses Dossier beleuchtet, welche Anwendungsfelder sie für die Medizin der Zukunft eröffnet und wie das Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR) diesen wichtigen Forschungsansatz stärkt.
Medizin trifft Bit – Was ist In silico-Forschung?
In silico nennt man Vorgänge, die im Computer ablaufen. Der Begriff leitet sich vom chemischen Element Silizium ab – dem Stoff, aus dem Computerchips gemacht sind. In silico-Forschung ist also computergestützte Forschung. Sie stellt eine entscheidende Ergänzung zur Forschung am lebenden Organismus (in vivo) und zu klassischen Laborversuchen (in vitro – abgeleitet von Reagenzglas) dar und wird die Medizin der Zukunft zunehmend prägen.
Von mathematischen Modellen und Simulationen
Das Fundament dieser computergestützten Gesundheitsforschung bilden mathematische Modelle. Man kann sie sich als theoretische Beschreibungen komplexer (biologischer) Systeme und Prozesse in der Formelsprache der Mathematik vorstellen. Hier werden die einzelnen Elemente (wie Zellen, Gene oder Proteine) und deren komplexe Wechselwirkungen digital abgebildet.
Algorithmen sind die präzisen Rechenschritte, die der Computer ausführt. Sie ermöglichen es, mit dem mathematischen Modell zu experimentieren, und bilden damit die Grundlage für Simulationen. Hierbei wird am Computer getestet, wie sich ein biologisches System unter dem Einfluss bestimmter Faktoren – etwa eines neuen Medikaments – über die Zeit entwickelt. Computergestützte Forschung hilft zudem, biologische und pharmakologische Prozesse zu visualisieren und Vorhersagen über deren Verhalten zu treffen.
KI als Turbo für die Datenanalyse
Die Aussagekraft einer Simulation hängt neben der Qualität des Modells vor allem auch von den zugrundeliegenden Daten ab. Je verlässlicher und umfassender die vorhandenen Informationen sind, desto genauer können die Vorhersagen sein.
In silico-Forschung nutzt die gesamte Breite an Datensätzen der Medizin, darunter molekularbiologische Daten, hochauflösende Aufnahmen aus bildgebenden Verfahren, klinische Daten oder Echtzeit-Daten, die Smartwatches, Fitnessarmbänder und Sensoren liefern. In Deutschland hat unter anderem die vom BMFTR geförderte Medizininformatik-Initiative die Grundlagen dafür gelegt, dass diese Gesundheitsdaten überhaupt erst erschlossen und für die Forschung genutzt werden können. Unter dem Dach des ebenfalls BMFTR-geförderten Netzwerks Universitätsmedizin (NUM) entsteht eine leistungsfähige nationale Forschungsdateninfrastruktur – die die Gesundheitsdatennutzung für die Zukunft ausrichtet.
Künstliche Intelligenz hat die In silico-Forschung revolutioniert: Anders als klassische Programme, deren Regeln vollständig vorgegeben werden, lernen KI-Modelle aus großen Datenmengen selbst, welche Muster und Zusammenhänge für eine Aufgabe entscheidend sind. So können sie riesige Datenmengen erschließen und verarbeiten, Zusammenhänge erkennen, Vorhersagen treffen und neue Erkenntnisse ableiten. Sie können dadurch sowohl die Modellbildung optimieren als auch Simulationen erheblich beschleunigen und so immer komplexere und realistischere Modelle ermöglichen. Hier eröffnen sich neue Chancen, um Diagnostik, Therapieplanung und medizinische Forschung entscheidend zu verbessern.
Innovative In silico-Ansätze in der Medizin
Computermodelle können in allen Stufen der biomedizinischen Forschung zum Einsatz kommen – von der Grundlagenforschung über die Medikamentenentwicklung bis zur Anwendung im klinischen Alltag. Das Potenzial ausgewählter Ansätze wird hier kompakt erläutert:
In silico-Verfahren machen die Erforschung neuer Wirkstoffe zur effizienten digitalen Schatzsuche. KI-Plattformen durchforsten riesige Datenbanken mit Millionen von Molekülen und testen sie virtuell auf ihre Wirksamkeit oder mögliche Nebenwirkungen. Was früher Jahre dauerte, gelingt heute oft in wenigen Monaten. In silico-Modellierungen helfen nicht nur dabei, Tierversuche zu reduzieren. Sie können durch passgenauere, zielgerichtetere klinische Studien die Prozesse in der Entwicklung effizienter gestalten. Zusätzlich ermöglicht computergestützte Forschung auch durch das sogenannte Drug Repurposing eine wertvolle Abkürzung: KI-basierte Systeme erkennen dabei, ob bereits zugelassene Medikamente auch gegen völlig andere Krankheiten helfen könnten. Auf diese Weise haben Forschende im EU-Projekt CureMILS beispielsweise potenzielle Medikamente für die seltene Mitochondrien-Erkrankung Leigh-Syndrom aufgespürt. Bei den Wirkstoff-Screenings mit dreidimensionalen Zellmodellen, sogenannten Hirnorganoiden, hat den Forschenden auch ein KI-Algorithmus geholfen.
„Neustart“ für den Energiestoffwechsel – Hoffnung für Menschen mit seltenen Erkrankungen
Accelerating Leigh syndrome drug discovery through deep learning screening in brain organoids | Nature Communications
Ein technologischer Meilenstein sind die Programme AlphaFold2 und RoseTTAFold, deren Entwickler 2024 mit dem Chemie-Nobelpreis ausgezeichnet wurden. Sie haben das jahrzehntealte Rätsel der Proteinfaltung gelöst und die 3D-Strukturen von rund 200 Millionen Proteinen berechenbar gemacht. Diese digitalen Baupläne ermöglichen es Forschenden, neue Wirkstoffe am Computer so zu entwerfen, dass sie wie ein Schlüssel in das „Schloss“ einer Zielstruktur im Körper passen. Forschende simulieren nicht mehr nur existierende Proteine, sondern lassen generative KI völlig neue Biomoleküle entwerfen, die in der Natur nie existiert haben, um sie im Labor zu testen.
Alphafold Proteinstruktur-Datenbank bei EMBL-EBI (englisch)
In silico-Verfahren läuten einen grundlegenden Wandel ein: Weg von einer Medizin, die erst reagiert, wenn man bereits krank ist, hin zu einer vorausschauenden Vorsorge. Anstatt nur einzelne Symptome zu betrachten, blicken Computermodelle systemisch auf das „große Ganze“ – das komplexe Zusammenspiel aller Prozesse im Körper. KI-Modelle lernen aus Millionen medizinischer Datensätze wie MRT-Scans, Fotos oder genetischen Informationen, welche Muster auf bestimmte Krankheiten hindeuten, und können dieses Wissen auf neue Patientinnen und Patienten übertragen. So erkennen sie Zusammenhänge, die für das menschliche Auge unsichtbar sind. Wie leistungsfähig diese Früherkennung bereits ist, zeigt die KI Delphi-2M, an der das Deutsche Krebsforschungszentrum (DKFZ) in Heidelberg mitgearbeitet hat. Trainiert mit den Daten von 400.000 Freiwilligen aus Großbritannien, kann sie das persönliche Risiko für über eintausend verschiedene Krankheiten berechnen – und das bis zu zehn Jahre im Voraus. Diese Form der Analyse ermöglicht eine neue Qualität der Vorsorge und hilft dabei, Krankheiten zu verhindern, bevor sie überhaupt entstehen. KI ermöglicht Vorhersagen nicht nur für langfristige Krankheitsrisiken, sondern auch für akute medizinische Situationen. Im BMFTR geförderten Forschungsprojekt AIx-NEO-guard werden Methoden der Künstlichen Intelligenz entwickelt, um Komplikationen bei Früh- und Neugeborenen möglichst früh zu erkennen. Ergänzt wird dies durch ein physiologisches Lungenmodell, mit dem sich unterschiedliche Therapieoptionen bereits vor ihrem Einsatz simulieren lassen. Die entwickelten KI-Verfahren sollen das medizinische Personal künftig dabei unterstützen, Komplikationen früher zu erkennen und die bestmögliche Behandlung auszuwählen.
Pressemitteilung des DKFZ zu Delphi-2M
Wie Künstliche Intelligenz Frühgeborene schützen kann
Computermodelle können für einige Organsysteme bereits komplexe Funktionen von Organen präzise abbilden. Solche virtuellen Modelle gibt es zum Beispiel für Herz, Leber und Lunge und für Teilfunktionen des Gehirns. Im EU-Projekt MICROCARD haben Forschende ein Modell eines Herzens entwickelt, mit dem sich auf einem Supercomputer das Verhalten einzelner Zellen und deren elektrochemische Kommunikation untereinander simulieren lässt – etwa um Herzrhythmusstörungen zu verstehen.
Das Ziel sind digitale Zwillinge, um Behandlungen virtuell zu erproben und so die sicherste und beste Therapie für jeden Einzelnen zu finden. Auch wenn der Weg zum digitalen Zwilling noch weit ist: KI-Modelle unterstützen dabei, Krankheitsverläufe individuell vorherzusagen und Ärztinnen und Ärzten wertvolle Entscheidungshilfen zu geben. Gleichzeitig revolutionieren virtuelle Patientengruppen die klinische Forschung. Hier ersetzen digitale Abbilder reale Probanden in Kontrollgruppen, was Studien insbesondere bei seltenen Krankheiten beschleunigt und ethisch vorteilhaft ist, da weniger schwerkranke Menschen ein wirkungsloses Placebo erhalten müssen.
Auch für die Leber treiben Forschende die Entwicklung virtueller Modelle seit Jahren voran: Im Projekt SMART-NAFLD im BMFTR geförderten Netzwerk LiSyM-Krebs entwickeln Forschende aktuell KI-gestützte Modelle, die den Verlauf einer stoffwechselbedingten Fettlebererkrankung (MASLD) prognostizieren und das individuelle Risiko für Leberkrebs vorhersagen können. Ziel ist es, Krankheitsverläufe besser zu verstehen und Prävention sowie Therapien gezielter auf einzelne Patientinnen und Patienten abzustimmen.
Projektsteckbrief MICROCARD
Video: Damit Leberkrebs erst gar nicht entsteht