Hat ChatGPT wirklich Krebs geheilt?

Willkommen zu einer neuen Folge des Podcasts Prompt mich mal. Wenn wir über eine medizinische Diagnose sprechen, dann erwartest du als Patient ja normalerweise klinische Präzisionen.

Absolut, da will man keine Experimente.

Richtig, du brichst hier den Arm, das Röntgenbild zeigt so eine gezackte weiße Linie und die ärztliche Fachkraft zeigt einfach darauf und sagt, da ist es.

Genau, man verlässt sich auf jahrelange menschliche Expertise und etablierte Protokolle.

Aber dann liest du plötzlich diese viralen Schlagzeilen der letzten Zeit? Da wird allen Ernstes behauptet, ein Hundebesitzer habe den unheilbaren Krebs seines Hundes quasi mit Chat-GPT geheilt.

Ja, und da betreten wir eine ziemliche Grauzone. Die Berichterstattung suggerierter schnell, ein Chatbot würde mal eben im Alleingang die Onkologie revolutionieren.

Und genau das ist das Problem. Wenn die Medien sagen, KI hat den Impfstoff entwickelt, ist das nicht so, als würde man sagen, ein Textverarbeitungsrofenram hat einen Bestseller-Roman geschrieben.

Das ist ein hervorragender Vergleich.

Oder? Das Werkzeug ist wichtig, aber wo bleibt da der Autor?

Das ist genau der Punkt. Die Diskrepanz zwischen dieser medialen Darstellung und der wissenschaftlichen Realität ist enorm.

Und das ist auch unser Ziel für die heutige Analyse. Wir wollen für dich am Ende dieser Folge genau aufschlüsseln, wo die tatsächlichen Stärken von KI in der modernen Medizin liegen und wo eben ihre absoluten Grenzen sind.

Wir trennen also den Hype von der echten Wissenschaft. Wir schauen uns an, wie KI, Bioinformatik und klassische tiermedizinische Forschung wirklich ineinandergreifen. Genau.

Bevor so ein Impfstoff aber überhaupt entstehen kann, muss man ja erst einmal wissen, womit man es zu tun hat. Die Fallstudie hier dreht sich um Rosie.

Richtig, Rosie ist ein achtjähriger Mischling aus einem Tierheim.

Und Rosie bekam eine wirklich niederschmetternde Diagnose, nämlich aggressiven Mastzellkrebs.

Das ist eine sehr aggressive Tumorart bei Hunden. Und die üblichen veterinärmedizinischen Protokolle, also Operationen und danach Chemotherapie, sind da alle gescheitert.

Die haben das Wachstum vielleicht verlangsamt, aber die Prognose lag am Ende bei nur wenigen Monaten.

Ja, maximal sechs Monate. Und an diesem Punkt enden normalerweise die medizinischen Wege.

Aber der Besitzer, Paul Cunham, hat das nicht akzeptiert. Und man muss dazu sagen, Paul ist kein Mediziner.

Nein, überhaupt nicht. Er hat aber einen Hintergrund in Datenanalyse und maschinellem Lernen. Und er hat sich dann tatsächlich an Chat-GPT gewandt.

Aber er hat nicht nach einem magischen Wundermittel gefragt, richtig? Genau.

Das zeigen die Quellen ganz deutlich. Er hat die KWI genutzt, um eine komplexe Forschungsstrategie zu entwerfen.

Er hat ChatGPT also quasi wie einen hochintelligenten Bibliothekar oder Projektmanager benutzt.

Exakt. Stell dir vor, du bist völlig fachfremd in der modernen Genomik. Da weißt du ja gar nicht erst, welche Suchbegriffe du in eine Datenbank eingeben musst.

Ja, das stimmt. Und ChatGPT riet ihm dann wohl zu einer Genomsequenzierung. Richtig.

Eine vergleichenden Genomsequenzierung. Dabei wird das gesunde Gewebe mit dem Tumorgewebe verglichen.

Und die KI hat ihm sogar ganz konkrete Maschinen empfohlen von Illumina, glaube ich. Ja.

Und auch spezifische Forschungseinrichtungen wie das Ramacciotti Center for Genomics.

Das heißt, die KI hat ihm nur den Weg durch diesen Dschungel der Genomik gezeigt?

Ganz genau. Und was danach passierte, das war wieder echte menschliche Wissenschaft. Echte Wissenschaftler sequenzierten das Genom für etwa 3000 Dollar.

3000 Dollar aus eigener Tasche. Und das Ergebnis waren dann diese massiven Datenmengen.

Richtig. Das Resultat waren 320 GB an reinen Rohdaten.

320 GB. Das klingt im Zeitalter von Streaming vielleicht nicht nach extrem viel, aber wir sprechen hier von reinem Text, oder?

Das ist vergleichbar mit 700.000 doppelseitig bedruckten Seiten. Und die bestehen nur aus den Buchstaben A, T, C und G.

Wahnsinn. Die KI hat also im Grunde nur die Tür geöffnet, aber die Datenflut war real und komplett menschlich generiert.

Richtig. Und da standen sie vor dem nächsten Problem. Wie findet man in diesem Datenberg von 700.000 Seiten die eine Mutation, die den Krebs antreibt?

Ja, wie findet man diese eine Nadel im Heuhaufen?

Da kommt die Bioinformatik ins Spiel. Paul nutzte da bioinformatische Pipelines, also spezielle Algorithmen, um die Daten zu filtern.

Er hat also die rohe Rechenleistung genutzt, um das Rauschen herauszufiltern.

Genau, und dabei konnte er ein bestimmtes Protein isolieren. Das Protein nennt sich CKIT.

Und das ist bekannt dafür, bei solchen Mastzelltumoren eine Rolle zu spielen, ne? Exakt.

Aber nur zu wissen, welches Protein mutiert ist, reicht nicht. Man muss wissen, wie dieses mutierte Protein aussieht.

Weil Protebine ja so dreidimensionale Strukturen.

Richtig. Und um das herauszufinden, nutzte er dann Alpha Fold, das ist eine KI zur Vorhersage von dreidimensionalen Proteinstrukturen.

Warte mal, hier muss ich kurz einhaken. In den Quellen stand doch, dass AlphaFold für dieses spezifische Protein von Rosie einen extrem niedrigen Konfidenzwert ausgegeben hat.

Ja, der lag bei nur 54,55.

Das ist doch fast wie raten. Ich meine, wenn mir eine KI sagt, ein Flugzeug fliegt zu 54 Prozent, dann steige ich da nicht ein.

Das ist ein sehr berechtigter Einwand, und hier muss man den Hype wirklich dämpfen. Solche KI-Modelle können sich irren, sie können halluzinieren.

Aber warum nutzt man das dann überhaupt?

Naja, weil es in der frühen Forschung extrem wertvoll sein kann. Es ersetzt nicht die Validierung im echten Labor, aber es gibt einen ersten Hinweis.

Also ist das Ergebnis von Alpha Fold eher wie so ein unscharfes Satellitenbild?

Das ist eine super Analogie.

Es gibt dir eine fantastische erste Idee, wo das gegnerische Versteck liegt. Aber du musst am Ende trotzdem noch echte Forscher auf den Boden schicken.

Genau, du musst prüfen, ob die Tür wirklich da ist, wo die Karte es behauptet.

Okay, verstehe. Sie hatten also jetzt dieses Ziel identifiziert, dieses Kit-Protein. Wie ging es dann weiter?

Zuerst haben sie versucht, ein existierendes Medikament von Pharmaunternehmen zu bekommen.

Was aber vermutlich gescheitert ist, oder?

Ja, für einen Hundefall haben sie da keine Freigabe bekommen. Also mussten sie eine eigene Waffe bauen.

Einen personalisierten mRNA-Impfstoff.

Genau. Und hier müssen wir kurz erklären, was mRNA eigentlich ist.

Gerne, mach mal.

Stell dir das wie ein Steckbrief für das Immunsystem vor. Den Zellen wird eine Anleitung gegeben, um harmlose Teile des Tumorproteins nachzubauen.

Damit die Körperabwehr, also das Immunsystem, den Krebs überhaupt als Feind erkennt, das kennen wir ja alle grob aus der Corona-Zeit.

Exakt das gleiche Prinzip. Und um den Code für dieses endgültige Impfstoffkonstrukt zu schreiben, halfen ihm dann wieder KI-Modelle.

Gruz und Gemini, glaub ich, ne?

Ja, die haben ihm massiv dabei geholfen, diesen genetischen Code zu optimieren.

Und das ist für mich der Kern dieser ganzen Geschichte. Den Code auf einem Bildschirm zu haben, ist die eine Sache. Die physische Herstellung ist doch was völlig anderes.

Absolut. Und hier greifen die Schlagzeilen wie: Chat-GPT hat den Krebs geheilt, wirklich viel zu kurz.

Weil sie die gigantische handwerkliche Arbeit der echten Forscher unterschlagen.

Genau. Die physische Herstellung dieses mRNA-Impfstoffs fand durch Professor Pulli Thorderson und sein Team in einem echten Universitätsinstitut statt.

Die mussten diesen Code ja erst in eine physische Flüssigkeit verwandeln.

Und das ist hochkomplex. Nackte RNA würde im Körper sofort zerstört werden. Sie muss in winzige Fettbläschen, sogenannte Lipid-Nanopartikel, verpackt werden.

Das macht keine KI. Das machen Menschen in Laboren.

Richtig. Und dazu kommt noch, der Impfstoff allein hätte gar nicht funktioniert.

Ach echt? Warum nicht?

Weil Tumore sich wehren können. Sie schalten die angreifenden Immunzellen einfach ab. Deshalb musste der Impfstoff zwingend mit einem weiteren, echten Medikament kombiniert werden, einem sogenannten Checkpoint-Inhibitor.

Okay, also wir haben jetzt diesen experimentellen KI-gestützten Impfstoff. der ist im Labor gemischt, aber man kann ja nicht einfach einem Lebewesen so eine Flüssigkeit spritzen.

Nein, die reale Welt hatte extrem strenge Regeln.

Gott sei Dank!

Ja, die ethische Zulassung war wohl schwieriger als die eigentliche Entwicklung des Impfstoffs.

Das glaube ich sofort. Wie lange hat das gedauert?

Es dauerte drei Monate und erforderte ein hundertseitiges Dokument.

Ein hundertseitiger Antrag für die Behandlung eines Hundes.

Ja, die Behandlung musste extrem streng tiermedizinisch überwacht werden. Das war keine Garagenoperation.

Und wie waren dann am Ende die Ergebnisse für Rosie? Hat es funktioniert?

Der große Tumor an ihrem Bein schrumpfte signifikant und ihre Energie kehrte zurück.

Das ist doch fantastisch.

Ist es auch. Aber man muss klar sagen, es ist keine hundertprozentige Heilung.

Weil es noch andere Tumore gab. Genau.

Andere Tumore im Körper haben auf diesen speziellen Impfstoff nicht reagiert. Ein zweiter Impfstoff ist aber in Arbeit.

Es hat dir also Lebensqualität und vor allem Zeit geschenkt.

Richtig. Und diese strenge menschliche Aufsicht, die war hier absolut entscheidend.

KI in der Medizin hatte ja nicht immer diesen Erfolg, oder? Da gab es doch diese Rückschläge.

Ja, absolut. Wir müssen uns dann nur an das Projekt Watson for Oncology erinnern.

Ah, das sagt mir was. Das war doch von IBM, ne? Genau.

Das Projekt hat damals 62 Millionen Dollar gekostet.

Und wurde dann komplett eingestellt.

Richtig, weil die KI teilweise extrem unsichere und sogar falsche Behandlungsempfehlungen gegeben hat.

Das zeigt halt wieder, KI ist ein mächtiges Hilfsmittel, aber eben kein Arzt.

Exakt. Sie versteht den Kontext von echten Patientenakten einfach nicht so, wie ein erfahrener Onkole das tut.

Okay, lass uns das Ganze mal zusammenfassen. Was sind so die zentralen Kernaussagen aus unserer heutigen Analyse?

Also sachlich betrachtet? KI-Modelle wie Chat-GPT, AlphaFold oder Grog sind revolutionäre Werkzeuge.

Weil sie einem helfen, Fachliteratur zu durchkennen.

Genau, und um riesige Datensätze zu filtern oder molekulare Baupläne zu entwerfen.

Aber und das ist das große Aber.

Aber die Genomsequenzierung, die komplexe Synthese der mRNA im Labor und die klinische Aufsicht, all das liegt weiterhin fest in menschlicher Hand.

Es ist also ein Zusammenspiel. Die KI liefert die Karte, aber den Weg gehen müssen die Forschung.

Perfekt zusammengefasst. Die menschliche Expertise ist und bleibt unersetzlich.

Das bringt mich zu einem wirklich provokanten Schlussgedanken, den ich dir heute mit auf den Weg geben möchte.

Da bin ich gespannt.

Nö, überlegt mal, wenn ein einzelner Mensch mit guten Datenkenntnissen und frei zugänglichen KI-Tools den Anstoß für so einen personalisierten Krebsimpfstoff geben kann. Wie wird das die Rolle von Patienten in der Zukunft verändern?

Das ist eine sehr gute Frage.

Stehen wir da vielleicht vor einer echten Demokratisierung der Medizin? Werden wir in Zukunft alle zu Mitforschern unserer eigenen Krankheiten?

Das könnte das Gesundheitssystem komplett auf den Kopf stellen.

Absolut. Vielleicht basteln irgendwann Bio-Hackern in ihren Garagen an eigenen Therapien, weil ihnen die Behörden zu langsam sind. Das ist echt ein faszinierender, aber auch unheimlicher Gedanke.

Auf jeden Fall. Ein Thema, das uns noch lange beschäftigen wird.

Damit sind wir für heute am Ende unserer Folge angekommen. Ich verabschiede mich ganz herzlich bei dir und hoffe, du konntest einige spannende Erkenntnisse mitnehmen. Bleib neugierig, hinterfrage die Schlagzeilen und hör auch bei der nächsten Folge.