Durchbruch in Medizin

Die KI reduziert Tierversuche um 50 Prozent

Beliebig verringern lässt sich die Zahl der Versuchstiere allerdings nicht.(Bild: Alexandr Pobeda - stock.adobe.com)

Ein neues System generativer künstlicher Intelligenz könnte eine Verringerung von Tierversuchen ermöglichen: So wollen deutsche Wissenschafter beispielsweise die Zahl der für Tests in der Entwicklung neuer Medikamente notwendigen Tiere in Mausversuchen um 30 bis 50 Prozent reduzieren.

„In frühen Phasen der Arzneimittelentwicklung werden neue Wirkstoffe – neben zahlreichen anderen Versuchsmethoden – auch an Tieren getestet. Dabei stehen die Forschenden vor einem Dilemma: Einerseits halten sie aus ethischen Gründen die Zahl der Tiere, die in einem Experiment verwendet werden, möglichst klein. Andererseits müssen Versuche genug Tiere einschließen, damit das Experiment zu verlässlichen und repräsentativen Ergebnissen führt, die zum Beispiel darauf schließen lassen, ob ein neuer Arzneimittelkandidat eine bestimmte Wirkung erzeugt oder nicht“, schrieb die Goethe-Universität in Frankfurt/Main am Montag in einer Aussendung.

Künstliche Intelligenz-Systeme könnten hier eine Verbesserung bringen. Jörn Lötsch, Datenwissenschafter und klinischer Pharmakologe an der Goethe-Universität, hat in Kooperation mit dem Informatiker Alfred Ultsch von der Philipps-Universität Marburg, die beide selbst nicht tierexperimentell arbeiten, eine generative Künstliche Intelligenz namens genESOM entwickelt. „genESOM basiert auf einem Netzwerk Tausender künstlicher Neuronen, das die innere Struktur eines Datensatzes ‘erlernt‘. Dadurch kann es das experimentell gewonnene Datenvolumen vergrößern und simulieren, dass die Zahl der Tiere im Versuch größer war als in Wirklichkeit“, so die Wissenschafter.

Generative KI muss trainiert werden
Dafür muss die generative KI aber trainiert werden. In ihrer Entwicklungsarbeit verwendeten die Experten Daten aus einer Studie mit Labormäusen zur Austestung eines experimentellen Wirkstoffes zur Behandlung von Mulitipler Sklerose, die am Fraunhofer-Institut für Translationale Medizin und Pharmakologie durchgeführt worden war.

„Der zweite Innovationsschritt war die Integration einer Fehlerüberwachung direkt in den Generierungsprozess der neuen Datenpunkte. Generative KI-Methoden riskieren generell, neben dem relevanten Signal auch Rauschen und Zufallsvariation zu verstärken. Dieses Problem ist als ,Fehlerinflation‘ bekannt und kann dazu führen, dass eigentlich nicht bedeutsame Variablen fälschlicherweise als relevant erscheinen“, schrieb die Universität. Die Wissenschafter bauten in das System deshalb ein künstliches Fehlersignal ein. Begann es zu wuchern, wird der Testlauf abgebrochen.

Von 26 zu 18 Versuchstieren
Den Praxistest bestand genESOM schließlich mit den Daten aus der präklinischen Studie zum Multiplen Sklerose-Modell. In der Originalstudie waren 26 Mäuse in drei Behandlungsgruppen aufgeteilt worden, um die Effekte eines experimentellen Wirkstoffs zu untersuchen. Lötsch und Ultsch reduzierten den Datensatz auf 18 Tiere (sechs pro Gruppe), um ein kleineres Experiment zu simulieren.

Als sie diesen reduzierten Datensatz auswerteten, verschwanden alle zuvor nachgewiesenen Behandlungseffekte vollständig: Statistische Tests signalisierten nichts Signifikantes, maschinelle Lernverfahren konnten die Behandlungsgruppen nicht voneinander unterscheiden. Nachdem aber der reduzierte Datensatzes mithilfe von genESOM weitere Datenpunkte erhalten hatte, traten alle Effekte des vollständigen Experiments auf dem ursprünglichen Signifikanzniveau mit 26 Tieren wieder auf. „Alternative KI-Methoden bis hin zu komplexen ‘deep-learning‘ neuronalen Netzwerken, welche die Forscher testeten, versagten hier“, hieß es in der Aussendung.

Lötsch erläuterte dazu: „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, die Ergebnisse bleiben wissenschaftlich valide.“

Zahl der Versuchstiere nicht beliebig zu reduzieren
Der Datenwissenschafter wies jedoch darauf hin, dass genESOM nur aus den Daten lernen könne, 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 ergänzt, könnte das Experiment wegen der Verstärkung von Zufallsbefunden sehr schnell wissenschaftlich wertlos werden.“

Trotzdem zeigte sich der Wissenschafter überzeugt: „Mit genESOM können wir einen wichtigen Beitrag zur Reduktion der Tierversuchszahlen in großen Bereichen der präklinischen Forschung leisten.“