Künstliche Intelligenz im Zeitalter der Adisziplinarität

Enkelejda Miho setzt verschiedene Bereiche in Bewegung, um neue Medikamente und Diagnostika zu entwickeln und ein besseres Verständnis von Gesundheit und Krankheit zu erlangen

Frau Prof. Dr. Miho, es gibt viele Möglichkeiten, KI in der Forschung der Life Sciences einzusetzen. Worauf konzentriert sich Ihr Team an der FHNW School of Life Sciences?

Eines unserer angewandten Projekte für Therapeutika ist die Entwicklung von breit neutralisierenden Antikörpern gegen das Dengue-Virus. Derzeit gibt es kein Medikament zur Behandlung des Virus - die bestehenden Therapien konzentrieren sich auf die Linderung der Symptome, während die derzeitigen Impfstoffe nur gegen einige Serotypen schützen.

Um eine antikörperbasierte Behandlung zu entwickeln, haben wir die B-Zell-Immunantwort auf Dengue-Virus-Antigene bei Mäusen und Menschen untersucht. Insbesondere untersuchten wir die B-Zellen im Knochenmark der Maus, wo das Langzeit-Immungedächtnis angesiedelt ist. Mit Hilfe der Einzelzellsequenzierung im Hochdurchsatzverfahren erhielten wir 47,8 Millionen Rohdaten von B-Zellen und die Antikörpersequenzen, die sie nach der Exposition gegenüber Dengue-Antigenen unterschiedlicher Komplexität produzierten.

Dann mussten wir aus diesen umfangreichen Daten einen Sinn machen. Wir wendeten maschinelles Lernen an, um Muster in den Antikörperrepertoires und -sequenzen gegen Dengue-Fieber zu erkennen. Aber lassen sich diese Erkenntnisse auch auf den Menschen übertragen? Um dies herauszufinden, untersuchten wir die B-Gedächtniszellen (MBC) von menschlichen Patienten, die am akuten Dengue-Virus 2 erkrankt waren.

Wir kamen zu dem Schluss, dass die Exposition gegenüber Dengue-Viren sowohl bei Mäusen als auch bei Menschen zu langen CDR3s und Y-reichen Motiven im Antikörperrepertoire führt. Unsere Hypothese ist, dass diese Merkmale für die schnelle Aktivierung von Gedächtnis-B-Zellen und die Bildung breit neutralisierender Antikörper verantwortlich sein könnten, die an das E-Protein auf der Oberfläche von Dengue-Viren binden.

Wir haben nicht nur vielversprechende Antikörpersequenzen zur Neutralisierung von Infektionen identifiziert, sondern auch neue Erkenntnisse über die Antigene gewonnen. Das Dengue-Antigen E-2-Komplex erzeugt die vielfältigste Antikörperreaktion und könnte sich daher für die Entwicklung neuer Impfstoffe gegen das Virus eignen.

Der nächste Schritt dieses Projekts besteht darin, die von uns in Mäusen isolierten Antikörpersequenzen zu humanisieren, so dass sie als potenzielle Therapeutika für Dengue-Infektionen und zur Vorbeugung schwerer Erkrankungen eingesetzt werden können.

Was ist mit Dr. AI? Sehen Sie eine große Rolle für die KI-gestützte Diagnose?

Ich sehe ein zunehmendes Potenzial für den Einsatz von KI zur Unterstützung einer präzisen Diagnose bei Krankheiten, die aufgrund ihrer sich überschneidenden und unspezifischen Symptome schwer zu erkennen sind, z. B. Autoimmunerkrankungen und seltene Krankheiten. Dazu muss man herausfinden, welche Daten für die Diagnose welcher Krankheiten am nützlichsten sind, und Wege finden, diese Daten zu kombinieren und zu standardisieren. Mein Team integriert klinische Daten aus elektronischen Gesundheitsakten, Laborwerten und Multi-omics-Daten. Wir haben neue Integrationsmethoden entwickelt, mit denen dies möglich ist.

In einem zweiten Schritt werden die Modelle des maschinellen Lernens miteinander verglichen, um festzustellen, wie gut ein bestimmtes Modell Krankheiten erkennen kann und welches Modell am genauesten ist. Wir haben unsere Erkenntnisse von realen Patienten mit virtuellen Patienten erweitert - wie ein digitaler Zwilling eines Patienten. Wir haben mit europäischen Krankenhäusern und medizinischen Fachleuten aus Deutschland und Frankreich zusammengearbeitet und hoffen, die Ergebnisse für die Durchführung digitaler klinischer Studien nutzen zu können, um nicht nur die Diagnosen, sondern auch die Ergebnisse von Therapien zu verbessern.

Um Software als Diagnosegerät in die Spitäler und auf den Markt zu bringen, pflegen wir eine enge Zusammenarbeit mit Swissmedic und dem Schweizer Netzwerk für digitale Medizinregulierung.

Bei beiden von Ihnen genannten Beispielen scheint das Verständnis der Reaktion des Immunsystems auf eine Krankheit der Schlüssel zu sein. Welche Forschungsrichtung werden Sie in Zukunft einschlagen?

Oft verrät das Immunsystem, was los ist, bevor die Krankheit ausbricht. Wir möchten den immunologischen Abdruck von Krankheiten kartieren - eine kolossale Aufgabe. Ich bin daran interessiert, die Beziehungen zwischen Infektionen, Krebs und Immunkrankheiten zu erforschen und aufzudecken.

Zu diesem Zweck untersucht mein Team die Molekulardynamik. Dabei handelt es sich um riesige Netzwerke mit großen Eingabedaten, für deren Verarbeitung sich die KI gut eignet, aber auch um komplexe kombinatorische Zwischenszenarien, bei denen Quantenkonzepte und Quantencomputer helfen könnten. Ich gehe davon aus, dass wir mit einem hybriden Ansatz die Geheimnisse des Zusammenhangs zwischen Infektions-, Krebs- und Immunkrankheiten lüften werden.

KI und Biowissenschaften wachsen zusammen. Betrachten Sie sich selbst als interdisziplinären Forscherin?

Ich denke, es ist sinnvoll, das Konzept der Adisziplinarität anstelle der Interdisziplinarität zu verwenden. Mehrere Disziplinen entwickeln sich parallel zueinander. Einige Bereiche verschmelzen, während sich andere abspalten (z. B. die entstehende Biochemie zwischen Biologie und Chemie). Mein Team und meine Studenten verwenden Konzepte aus den Biowissenschaften, der Informatik und der Wirtschaft, um Probleme zu lösen, indem sie Prinzipien aus verschiedenen und neuen Disziplinen anwenden.

Das gilt nicht nur für Forschungsprojekte, sondern auch für die Lehre, zum Beispiel im Studiengang Digital Transformation in Healthcare oder auch im HackLife-Hackathon, den wir seit 2022 mit Prof. Javerzac an der Hochschule für Life Sciences FHNW organisieren. Wir bitten Organisationen, ihre branchenrelevanten Herausforderungen zu präsentieren, und wir verwenden eine Vielzahl von Ansätzen wie KI, ML und Quantencomputing, um Lösungen zu entwickeln, die in einem Geschäftskontext praktisch umsetzbar sein sollten.

Und noch ein letztes Wort zum Thema „Hacken“: Früher bedeutete es, das Programmieren zu lernen, heute bedeutet es, das Prompten zu lernen. Große Sprachmodelle haben die Spielregeln verändert. Das bekannteste ist ChatGPT, aber es gibt noch viele andere. Die Verwendung von Sprache zur Formulierung von Aufforderungen ist die neueste Entwicklung, die nicht nur komplexe wissenschaftliche Disziplinen, sondern auch den Arbeits- und Lebensalltag revolutionieren könnte.

Eckdaten
Partner:	Universitätsspitäler Straßburg, Mainz, Freiburg; Universitäten von Pavia, Pamplona, Utrecht, Heidelberg und Oslo; Institut Pasteur.
Finanzierung:	SNSF EUREKA 32ER30-213721, Wellcome Trust Innovator’s Award