Ein Wendepunkt für die digitale Biologie
In einer richtungsweisenden Ankündigung auf dem Weltwirtschaftsforum in Davos im Januar dieses Jahres bestätigte Demis Hassabis, CEO von Google DeepMind und Isomorphic Labs, dass das erste KI (AI)-entwickelte Krebsmedikament Anfang 2026 in die klinischen Studien der Phase 1 eintreten soll. Dieser Meilenstein markiert einen bedeutenden Übergang für die pharmazeutische Industrie, weg von theoretischen KI-Modellen hin zu greifbaren, lebensrettenden Anwendungen. Vor einem Publikum aus weltweit führenden Köpfen und Branchenexperten beschrieb Hassabis die gegenwärtige Ära als den Beginn eines „Goldenen Zeitalters der wissenschaftlichen Entdeckung“, in dem Künstliche Intelligenz (Artificial Intelligence) nicht nur die Forschung beschleunigt, sondern die Wirtschaftlichkeit und den Zeitplan medizinischer Durchbrüche grundlegend verändert.
Die Ankündigung konzentriert sich auf den Fortschritt von Isomorphic Labs, der kommerziellen Ausgründung von DeepMind, die damit beauftragt ist, die revolutionäre AlphaFold-Technologie des Unternehmens auf die Wirkstoffforschung in der realen Welt anzuwenden. Während das spezifische molekulare Ziel des Krebsmedikaments aufgrund kommerzieller Vertraulichkeit noch nicht bekannt gegeben wurde, deutet der Zeitplan darauf hin, dass die strengen präklinischen Sicherheitstests – oft das „Tal des Todes“ für neue Verbindungen – mithilfe von KI-gestützten Vorhersagemodellen erfolgreich durchlaufen wurden. Diese Entwicklung bestätigt die lang gehegte Hypothese, dass „Silizium-basierte“ Biologie die Zeit, die benötigt wird, um neuartige Therapeutika zu den Patienten zu bringen, drastisch verkürzen kann.
Isomorphic Labs und die Pipeline mit 17 Projekten
Während sich die Schlagzeilen auf die bevorstehende Krebsstudie konzentrieren, enthüllte Hassabis den breiteren Umfang der Ambitionen von Isomorphic Labs. Das Unternehmen verwaltet derzeit eine Pipeline von 17 aktiven Programmen zur Wirkstoffentwicklung. Diese Projekte decken mehrere kritische Therapiebereiche ab, darunter Onkologie, Immunologie und Herz-Kreislauf-Erkrankungen. Dieses diversifizierte Portfolio legt nahe, dass der KI-Ansatz keine Nischenlösung für spezifische Proteinstrukturen ist, sondern eine verallgemeinerbare Maschine für das Wirkstoffdesign.
Entscheidend ist, dass Isomorphic Labs nicht isoliert agiert. Das Unternehmen hat strategische Partnerschaften mit den Pharmariesen Eli Lilly und Novartis geschlossen. Diese Kooperationen kombinieren die rechnerische Kompetenz von Isomorphic mit den massiven biologischen Datensätzen und der klinischen Studieninfrastruktur etablierter Pharmaführer. Der Deal mit Eli Lilly und Novartis, der mit potenziellen Meilensteinzahlungen in Höhe von fast 3 Milliarden US-Dollar bewertet wird, unterstreicht das Vertrauen der Branche in den Ansatz von DeepMind. Durch die frühzeitige Integration von KI in der Entdeckungsphase zielen diese Partnerschaften darauf ab, lebensfähige Wirkstoffkandidaten mit höherer Präzision herauszufiltern, was potenziell Milliarden von US-Dollar bei gescheiterten Studien in späten Phasen einsparen könnte.
Von AlphaFold zu Heilmitteln in der realen Welt
Das technologische Rückgrat dieses Fortschritts ist AlphaFold, das KI-System von DeepMind, das das 50 Jahre alte „Proteinfaltungsproblem“ gelöst hat. Durch die Vorhersage der 3D-Struktur fast aller bekannten Proteine lieferte AlphaFold die Karte; Isomorphic Labs baut nun die Fahrzeuge, um darauf zu navigieren. Der Übergang von AlphaFold 2 zum fortgeschritteneren AlphaFold 3 hat die Fähigkeit weiter verbessert, Interaktionen nicht nur zwischen Proteinen, sondern auch zwischen Proteinen und kleinen Molekülen (Wirkstoffen), DNA und RNA zu modellieren.
Hassabis betonte, dass die traditionelle „Nasslabor“-Methode der Wirkstoffforschung mit Ineffizienz behaftet ist. Wissenschaftler verbringen oft Jahre damit, Verbindungen zu synthetisieren und zu testen, die letztendlich scheitern. Im Gegensatz dazu simuliert der Ansatz von Isomorphic effektiv die Interaktion zwischen einem Wirkstoff und einem Krankheitsziel in einer digitalen Umgebung. Dies ermöglicht es Forschern, Millionen potenzieller Moleküle zu screenen und ihre chemischen Eigenschaften – wie Löslichkeit und Toxizität – zu optimieren, bevor überhaupt eine physische Probe synthetisiert wird.
Vergleich von traditioneller und KI-gestützter Entdeckung
Die folgende Tabelle veranschaulicht den strukturellen Wandel, den KI in den pharmazeutischen F&E-Prozess einbringt:
| Merkmal | Traditionelle Wirkstoffforschung | KI-gestützter Ansatz (Isomorphic Labs) |
|---|---|---|
| Zeitplan der Entdeckung | 4–6 Jahre bis zu klinischen Studien | 1–2 Jahre bis zu klinischen Studien |
| Kosten pro Medikament | 2,6 Milliarden US-Dollar (Durchschnitt) | Deutlich reduziert (prognostizierte Ersparnis >50 %) |
| Erfolgsrate | ~10 % erreichen Phase 1 | Höhere Wahrscheinlichkeit durch prädiktive Filterung |
| Methodik | Iteratives „Trial-and-Error“ in Nasslaboren | Prädiktive Modellierung und digitale Simulation |
| Datennutzung | Begrenzt auf experimentelle Datensätze | Integriert globale biologische Datenbanken (AlphaFold) |
Jenseits der Biologie: Der Aufstieg der physischen Intelligenz
Während der unmittelbare Fokus in Davos auf dem Gesundheitswesen lag, nutzte Hassabis die Plattform auch, um die nächste große Grenze für DeepMind zu prognostizieren: physische Intelligenz. Er sagte voraus, dass das Feld innerhalb der nächsten 18 Monate einen Durchbruch bei der Robotik erleben wird, der mit dem „ChatGPT-Moment“ für große Sprachmodelle vergleichbar ist.
„Physische Intelligenz“ bezieht sich auf die Fähigkeit einer KI, die physische Welt zu verstehen und mit ihr zu interagieren, indem sie über die Text- und Bilderzeugung hinausgeht und komplexe kinetische Aufgaben bewältigt. Hassabis merkte an, dass dieselben Lernarchitekturen, die Gemini und AlphaFold antreiben, nun für die Robotersteuerung angepasst werden. Dies deutet auf eine Zukunft hin, in der Roboter Aufgaben durch Beobachtung und Simulation lernen können, anstatt durch starre, zeilenweise Programmierung. Für den Gesundheitssektor könnte dies letztendlich eine KI-gesteuerte Laborautomatisierung bedeuten, bei der Roboter die physischen Experimente durchführen, die zur Validierung der von Isomorphic Labs generierten digitalen Entwürfe erforderlich sind, wodurch ein geschlossenes Entdeckungssystem entsteht.
Navigieren in der Geopolitik der KI
Die Diskussionen in Davos berührten auch die regulatorische und geopolitische Landschaft rund um diese leistungsstarken Technologien. In einem Panel mit dem Titel „The Day After AGI“ tauschte sich Hassabis mit anderen Branchenführern über die Notwendigkeit internationaler Zusammenarbeit in Bezug auf KI-Sicherheit aus. Er räumte die Spannungen zwischen der Innovationsgeschwindigkeit – getrieben durch den intensiven Wettbewerb zwischen den USA und China – und der Notwendigkeit strenger Sicherheitsvorkehrungen ein.
Trotz dieser Herausforderungen blieb Hassabis in seinem Optimismus standhaft. Er argumentierte, dass die Vorteile der KI in Bereichen wie dem Gesundheitswesen und der Materialwissenschaft zu tiefgreifend seien, um sie aufzuschieben. Der Beginn klinischer Studien Anfang 2026 dient als greifbarer Beweis dafür, dass die Technologie von einer experimentellen Kuriosität zu einem Treiber für die menschliche Langlebigkeit reift. Während Isomorphic Labs sich darauf vorbereitet, dem ersten Patienten die Dosis zu verabreichen, wartet die Welt nicht nur auf ein neues Krebsmedikament, sondern auf die Bestätigung eines neuen Paradigmas dafür, wie die Menschheit ihre komplexesten biologischen Probleme löst.
