Die wachsende Synergie von KI und Neurowissenschaften beim Entschlüsseln des menschlichen Gehirns

Künstliche Intelligenz (KI) ist in letzter Zeit das Gesprächsthema, mit Chatbots wie OpenAIs ChatGPT, Googles Bard und Elon Musks Grok, die viel Aufmerksamkeit erhalten. KI ist jedoch nicht so neu wie diese Chatbots; vielmehr entstand das Interesse an KI bereits vor Jahrzehnten im Jahr 1950, als der Wissenschaftler Alan Turing in seiner Arbeit „Computer Machinery and Intelligence“ einen Test der Maschinenintelligenz, das Imitationsspiel, vorschlug.

“Können Maschinen denken?” fragt Turing in seiner Arbeit und bietet einen “Turing-Test” an, bei dem ein menschlicher Prüfer versucht, zwischen einer Computer- und einer menschlichen Textantwort zu unterscheiden.

Seitdem haben technologische Fortschritte zu immer ausgefeilteren KI-Systemen geführt, die in verschiedenen Bereichen eingesetzt werden, einschließlich des Gesundheitswesens sowie des Verständnisses und der Behandlung des komplexesten menschlichen Organs, des Gehirns.

Klicken Sie hier, um alles über KI-Gehirnchips zu erfahren.

Der Fortschritt von KI und Neurowissenschaften

Im Großen und Ganzen reasonieren, lernen und führen KI-Systeme Aufgaben aus, die typischerweise mit menschlichen kognitiven Funktionen verbunden sind, wie das Erkennen von Mustern und das Verstehen von Sprache, indem sie massive Datenmengen verarbeiten.

KI ist im Grunde ein Bündel von Technologien, die Computern ermöglichen, eine Vielzahl fortgeschrittener Funktionen auszuführen. Das Rückgrat der Innovation im modernen Computing, KI umfasst verschiedene Disziplinen, darunter:

• Datenanalyse
• Hardware- und Software-Engineering
• Linguistik
• Neurowissenschaften
• Psychologie

Diese KI-Modelle, die kognitive Prozesse simulieren und bei komplexen kognitiven Aufgaben wie Sprachübersetzung und Bilderkennung unterstützen, basieren auf biologischen neuronalen Netzen, komplexen Systemen miteinander verbundener Neuronen, und helfen dabei, Maschinen zu „trainieren“, Sprache, Bilder und Muster zu verstehen.

Das komplexe und intelligente menschliche Gehirn stellt Wissenschaftlern eine Herausforderung dar, um Möglichkeiten zur menschlichen Erweiterung zu erschließen. Während KI jedoch bereits zur Schaffung von Systemen wie Apples Siri, Amazons Alexa und IBMs Watson genutzt wurde, wird die wirklich transformative Wirkung erst erreicht, wenn künstliche neuronale Netze durch die native menschliche Intelligenz ergänzt werden – ein Ergebnis von Jahrhunderten des Überlebens.

Obwohl Computer nach wie vor nicht die vollständige Flexibilität des Menschen erreichen können, gibt es Programme, die bestimmte Aufgaben ausführen, wobei der Anwendungsbereich von KI täglich erweitert wird. Dieser technologische Fortschritt, verbunden mit wissenschaftlichen Fortschritten, hat insbesondere zur Nutzung von KI in der medizinischen Diagnose und Behandlung geführt.

Durch die Analyse großer Mengen von Patientendaten aus verschiedenen Quellen zur Unterstützung von Gesundheitsdienstleistern hilft KI, ein vollständiges Bild des Gesundheitszustands eines Patienten zu erhalten, um genauere Vorhersagen zu treffen und fundiertere Entscheidungen in der Patientenversorgung zu treffen. Dies trägt zudem dazu bei, potenzielle Gesundheitsprobleme früher zu erkennen, bevor sie potenziell lebensbedrohlich werden. Darüber hinaus können Gesundheitsdienstleister durch den Einsatz von KI routinemäßige Aufgaben automatisieren, sodass sie sich auf komplexere Patientenversorgung konzentrieren können.

Klicken Sie hier, um zu erfahren, wie verschiedene Technologien die nächste Stufe der menschlichen Evolution ermöglichen.

Die Rolle von KI beim besseren Verständnis des menschlichen Gehirns

Bahnbrechende Forschung in der Neurowissenschaft hat zur Entwicklung fortschrittlicher Bildgebungstechniken des Gehirns geführt, darunter:

• Elektroenzephalographie (EEG)
• Funktionelle Magnetresonanztomographie (fMRT)

Gleichzeitig, da KI-Algorithmen, insbesondere im Bereich des maschinellen Lernens und Deep Learning, immer ausgefeilter werden, hat dies zu einer Schnittstelle beider Felder geführt. Diese Synchronisation ermöglicht es Wissenschaftlern, Gehirndaten in einem bislang unerreichten Ausmaß zu analysieren und zu verstehen.

Die Schnittstelle von KI und Neurowissenschaften, dem Fachgebiet, das sich auf das Nervensystem und das Gehirn konzentriert, ist besonders im Bereich der Datenanalyse deutlich sichtbar. Derzeit befähigt KI Wissenschaftler und Forscher, Gehirnregionen mit beispielloser Genauigkeit zu kartieren. Dies wurde durch technologische Fortschritte in der KI ermöglicht, die die Klassifizierung komplexer Muster von Gehirndaten und deren Korrelation erlauben. Diese Zusammenarbeit hat zudem den Forschern geholfen, neuronale Wege besser zu verstehen.

Mit Hilfe von KI könnte die medizinische Diagnostik verbessert werden, indem die Vorhersagegenauigkeit, Geschwindigkeit und Effizienz des Diagnoseprozesses gesteigert werden. KI-gestützte Studien von Gehirnbildern haben subtile Veränderungen in der Gehirnstruktur entdeckt, die bereits vor dem Auftreten klinischer Symptome sichtbar werden, was ein enormes Potenzial für die Früherkennung und Intervention bietet und möglicherweise unseren Ansatz bei neurodegenerativen Erkrankungen revolutioniert.

Zum Beispiel nutzten Forscher Ende letzten Monats KI, um spezialisierte Gehirn-MRT-Scans von Personen mit Aufmerksamkeitsdefizit-/Hyperaktivitätsstörung (ADHS) zu analysieren. ADHS ist eine häufige Störung, von der in den USA schätzungsweise 5,7 Millionen Kinder und Jugendliche im Alter von 6 bis 17 Jahren diagnostiziert wurden.

Die Störung, die aufgrund des vermehrten Smartphone-Gebrauchs immer häufiger wird, kann die Lebensqualität der Patienten stark beeinträchtigen, da Kinder mit ADHS häufig Schwierigkeiten haben, aufmerksam zu bleiben und ihre Aktivität zu regulieren. Hier sind frühe Diagnose und Intervention entscheidend, aber ADHS, wie Mitautor der Studie Justin Huynh sagte:

“Es ist äußerst schwierig zu diagnostizieren.”

Die Studie nutzte Werte der fraktionalen Anisotropie (FA) als Eingabe, um ein Deep-Learning‑KI‑Modell zu trainieren, das ADHS in einem quantitativen, objektiven Diagnoserahmen diagnostiziert.

Wie wir gesehen haben, können Algorithmen durch das Einspeisen riesiger Datenmengen zu Gehirnscans und Patientenhistorien subtile Marker unterscheiden, die für Menschen möglicherweise nicht erkennbar sind. Dies erhöht die Diagnosegenauigkeit, führt zu früheren Interventionen und besseren Patientenergebnissen.

Das Studium neuer Bildgebungstechnologien, um die Geheimnisse der Hirnforschung zu verstehen und diese dann mit KI zu verknüpfen, um das Gehirn zu simulieren, ist ebenfalls ein Weg, die Lücke zwischen KI und menschlicher Intelligenz zu schließen. Bereits gibt es zahlreiche Fortschritte bei Gehirn‑Computer‑Schnittstellen (BCI) durch Unternehmen wie Neuralink. BCI verbindet das Gehirn direkt mit externen Geräten, sodass behinderte Menschen Prothesen steuern und mit der Welt allein durch Gedanken interagieren können, was ihr Potenzial für zahlreiche wissenschaftliche und praktische Anwendungen demonstriert.

Diese Verschmelzung von menschlicher Intelligenz und KI kann letztlich „Supermenschen“ schaffen, erfordert jedoch Rechenmodelle, die visuelle und natürliche Sprachverarbeitung integrieren, so wie das menschliche Gehirn, für eine umfassende Kommunikation. In diesem Kontext können virtuelle Assistenten sowohl einfache als auch komplexe Aufgaben bewältigen, doch Maschinen müssen lernen, reichere Kontexte zu verstehen, um menschenähnliche Kommunikationsfähigkeiten zu entwickeln.

Die wachsende Rolle von KI bei der Behandlung des menschlichen Gehirns

Im Gesundheitswesen umfasst die Diagnostik die Bewertung von medizinischen Zuständen oder Krankheiten durch Analyse von Symptomen, Krankengeschichte und Testergebnissen. Ziel ist es, Tests wie Bildgebungs‑ oder Bluttests zu nutzen, um die Ursache eines medizinischen Problems zu bestimmen, eine genaue Diagnose zu stellen und eine effektive Behandlung zu ermöglichen. Darüber hinaus kann die Diagnostik verwendet werden, um den Fortschritt einer Erkrankung zu überwachen und die Wirksamkeit einer Behandlung zu beurteilen.

Das Potenzial von KI in der Behandlung ist äußerst überzeugend. Künstliche Intelligenz kann eine Analyse der Gehirncharakteristika einer Person sowie ihrer Krankengeschichte, Genetik, Lebensstil‑Daten und anderer Faktoren bereitstellen, basierend darauf personalisierte Medizin anbieten. Auf diese Weise verspricht KI maßgeschneiderte Behandlungspläne, die die einzigartigen Feinheiten jedes Patienten‑Gehirns berücksichtigen.

Durch die Identifizierung einzigartiger, unvoreingenommener Muster in Daten kann KI potenziell neue Biomarker oder Interventionsmethoden entdecken. KI‑basierte Systeme sind schneller und effizienter als manuelle Prozesse und reduzieren menschliche Fehler erheblich.

Ein Forscherteam hat kürzlich KI eingesetzt, um vorherzusagen die optimale Methode zur Synthese von Wirkstoffmolekülen. Diese Methode, laut dem leitenden Autor des Papiers David Nippa, hat das Potenzial, die erforderliche Anzahl von Laborexperimenten „signifikant“ zu reduzieren, wodurch „die Effizienz und Nachhaltigkeit der chemischen Synthese“ gesteigert wird.

Das KI‑Modell wurde mit Daten aus vertrauenswürdigen wissenschaftlichen Arbeiten und Experimenten aus einem automatisierten Labor trainiert und kann erfolgreich die Position der Borylierung für jedes Molekül vorhersagen sowie die optimalen Bedingungen für die chemische Transformation bereitstellen. Es wird bereits genutzt, um Positionen in bestehenden Wirkstoffen zu identifizieren, an denen zusätzliche aktive Gruppen eingeführt werden können; dieses Modell wird dabei helfen, neue und wirksamere Varianten bekannter Wirkstoff‑Aktivkomponenten schneller zu entwickeln.

Top‑Pharmaunternehmen, die KI integrieren

Werfen wir nun einen Blick auf einige der börsennotierten Unternehmen im Medizinsektor, die die Technologie nutzen.

1. Novartis (NVS) 

Dieser Pharmariese hat in KI für die Analyse biomedizinischer Daten sowie für die Medikamentenforschung und -entwicklung investiert. Mit einer Marktkapitalisierung von 223,48 Mrd. $ werden die Novartis‑Aktien derzeit zu 98,27 $ gehandelt, ein Anstieg von 8,17 % in diesem Jahr. Der Umsatz des Unternehmens für die letzten zwölf Monate (TTM) betrug 47,88 Mrd. $, bei einem EPS (TTM) von 3,59, einem KGV (TTM) von 27,30 und einer Eigenkapitalrendite (ROE) (TTM) von 14,94 %. Gleichzeitig beträgt die Dividendenrendite 3,57 %.

Das Unternehmen integriert KI in seine gesamten Geschäftsbereiche, einschließlich der Analyse umfangreicher Datensätze aus öffentlichen Gesundheitsakten, Verschreibungsdaten, internen Daten und Krankenversicherungsansprüchen, um potenzielle Studienteilnehmer zu identifizieren und das Design klinischer Studien zu optimieren. Der Einsatz des KI‑Tools habe die Einschreibung von Patienten in Studien schneller, kostengünstiger und effizienter gemacht, so Novartis.

2. Pfizer (PFE)

Dieses forschungsbasierte biopharmazeutische Unternehmen hat eine Marktkapitalisierung von 163,238 Mrd. $ und seine Aktien werden derzeit zu 28,97 $ gehandelt, ein Rückgang von 43,58 % in diesem Jahr. Der Umsatz des Unternehmens für die letzten zwölf Monate (TTM) betrug 68,53 Mrd. $, bei einem EPS (TTM) von 1,82, einem KGV (TTM) von 15,88 und einer Eigenkapitalrendite (ROE) (TTM) von 11,05 %. Gleichzeitig beträgt die Dividendenrendite 5,67 %.

Pfizer (PFE ) zeigt großes Interesse daran, KI zur Verbesserung seiner Medikamentenforschungsbemühungen zu nutzen. Das Unternehmen hat mit vielen KI‑Firmen zusammengearbeitet, darunter CytoReason, Tempus, Gero und Truveta. Zudem hat Pfizer, um seine onkologischen klinischen Studien zu verbessern, eine Daten‑Sharing‑Vereinbarung mit dem onkologischen KI‑Unternehmen Vysioneer unterzeichnet, das ebenfalls eine von der FDA zugelassene KI‑gestützte Auto‑Konturierungslösung für Hirntumore namens VBrain anbietet.

Zusätzlich zur Einrichtung eines ML‑Forschungszentrums zur Entwicklung neuer prädiktiver Modelle und Werkzeuge hat Pfizer zudem eine Partnerschaft mit einem der größten Cloud‑Anbieter, Amazon Web Services, für den Einsatz von Cloud‑Computing in der Medikamentenforschung und -herstellung geschlossen. Diese Partnerschaft war besonders wertvoll „während der COVID‑19‑Pandemie… in verschiedenen Aspekten der Impfstoffentwicklung, von der Herstellung bis zu klinischen Studien“.

3. AstraZeneca (AZN)

Dieses biopharmazeutische Unternehmen hat eine Marktkapitalisierung von 200,8 Mrd. $ und seine Aktien werden derzeit zu 64,86 $ gehandelt, ein Rückgang von 4,44 % in diesem Jahr. Der Umsatz des Unternehmens für die letzten zwölf Monate (TTM) lag bei fast 45 Mrd. $, bei einem EPS (TTM) von 1,89, einem KGV (TTM) von 34,29 und einer Eigenkapitalrendite (ROE) (TTM) von 16,30 %. Gleichzeitig beträgt die Dividendenrendite 2,22 %.

Der anglo‑schwedische Pharmakonzern investiert in KI, um komplexe biologische Daten für die Medikamentenforschung zu analysieren, und arbeitet mit KI‑Unternehmen zusammen, um ihre Forschungskapazitäten zu erweitern. Kürzlich hat AstraZeneca (AZN ) einen Deal im Wert von bis zu 247 Mio. $ mit dem KI‑basierten Biologika‑Entwicklungsunternehmen Absci unterzeichnet, um ein Antikörper zur Bekämpfung von Krebs zu designen. Das Biologika‑Unternehmen nutzt generative KI, um optimale Wirkstoffkandidaten basierend auf Merkmalen wie Affinität, Herstellbarkeit und Sicherheit zu erhalten.

Im vergangenen Monat gründete AstraZeneca die Gesundheitstechnologie‑Einheit Evinova, um Innovation zu beschleunigen und KI in klinische Studien zu bringen. Das Unternehmen hat zudem frühen Zugang zu KI‑gesteuerten „digitalen Zwillingen“ erhalten und ein KI‑basiertes Medikamentenforschungsabkommen mit Verge Genomics über seine Sparte für seltene Krankheiten geschlossen, Alexion.

4. BenevolentAI SA (BAI.AS)

Dieses KI‑gestützte Unternehmen für Medikamentenforschung und -entwicklung hat eine Marktkapitalisierung von 86,45 Mrd. $ und seine Aktien werden derzeit zu 0,545 $ gehandelt, ein Rückgang von 84,43 % in diesem Jahr. Das EPS (TTM) des Unternehmens beträgt 0,75 und das KGV (TTM) 0,72.

BenevolentAI ist ein klinisch fortgeschrittenes Unternehmen, das die Behandlung von atopischer Dermatitis sowie potenzielle Therapien für chronische Krankheiten und Krebs anstrebt. Es nutzt prädiktive KI‑Algorithmen, um aus verfügbaren Daten und wissenschaftlicher Literatur die benötigten Erkenntnisse zu extrahieren. Im Mai dieses Jahres teilte das Unternehmen im Rahmen eines strategischen Plans, sich für eine neue Ära der KI zu positionieren, mit, dass es Ausgaben reduzieren und Netto‑Cash freisetzen werde, um seine finanzielle Flexibilität zu erhöhen.

Das Unternehmen hat etablierte Partnerschaften mit anderen großen Pharmaunternehmen wie GSK und Novartis, während die Zusammenarbeit mit AstraZeneca darauf abzielt, Medikamente für Fibrose und chronische Nierenerkrankungen zu entwickeln. Vor einigen Monaten ging BenevolentAI zudem eine Partnerschaft mit Merck KGaA (MRK.DE ) ein, um dessen Expertise in Onkologie und Neuroinflammation zu nutzen und die KI‑gesteuerten Medikamentenforschungspläne des Unternehmens zu unterstützen, indem der Fokus auf die Findung tragfähiger kleiner Molekülkandidaten gelegt wird.

Abschließende Gedanken

Wie wir gesehen haben, besitzt KI ein enormes Potenzial, die Diagnose und Behandlung von Hirnerkrankungen zu verbessern. Sie kann sogar dabei helfen, Hirnerkrankungen anhand kleiner Abweichungen von der normalen Hirnaktivität vorherzusagen, was zu verbesserten Patientenergebnissen und einem effizienteren und effektiveren Gesundheitssystem führt. Allerdings muss beachtet werden, dass diese Schnittstelle von KI und dem menschlichen Gehirn nicht ohne ethische Bedenken ist und daher strenge Datenschutz‑Schutzmaßnahmen erfordert.