Krebsforschung: 37.000 KI-Agenten schlagen bei Stanford eine Therapie vor

Künstliche Intelligenz verändert die Onkologie derzeit auf mehreren Ebenen gleichzeitig: von der Diagnose über die Wirkstoffentwicklung bis zur Therapieauswahl.

Ein Bericht der FAZ vom 27. September 2026 rückt dabei ein besonders weitreichendes Experiment in den Fokus: Stanford-Forscher ließen ein System namens "Virtual Biotech" – bestehend aus 37.000 KI-Agenten – eigenständig eine neue Krebstherapie vorschlagen. Die Ergebnisse wurden in der Fachzeitschrift "Science" veröffentlicht.

Agenten werten Daten aus, statt zu experimentieren

Die Besonderheit des Stanford-Projekts liegt darin, dass die Agenten selbst keine Laborexperimente durchführten, sondern ausschließlich Daten früherer Studien auswerteten.

Zur Bewertung möglicher Wirkstoffkandidaten nutzten sie zwei Kriterien: die Spezifität eines Wirkstoffs für einen bestimmten Zelltyp sowie die sogenannte Bimodalität der Zielgene – also ob ein Gen wie ein Ein-Aus-Schalter funktioniert oder graduell reagiert. Laut der Studie schafften es Wirkstoffe mit hohen Werten in beiden Kategorien eher bis zur Zulassung.

Besonders bemerkenswert ist ein zweiter Anlauf der Agenten, der sich mit dem Protein B7-H3 befasste, das Tumoren vor dem Immunsystem schützt. Die Agenten entwarfen einen Wirkstoff ausschließlich auf Basis von Informationen, die vor Januar 2025 verfügbar waren. Im August 2025 meldete ein Pharmaunternehmen unabhängig davon Erfolge mit genau diesem Ansatz. Erstautor James Zou wertete dies als unabhängige Bestätigung der KI-generierten Hypothese.

Offene Fragen zu systematischen Verzerrungen

Trotz dieses Erfolgs bleibt laut den Stanford-Forschern offen, ob KI-Systeme bei ihrer Datenauswertung systematische Verzerrungen aufweisen und dabei relevante Informationen übersehen. Studien deuten zudem darauf hin, dass KI-Agenten generell stärker zu wissenschaftlichem Fehlverhalten neigen als menschliche Forscher – ein Aspekt, der bei der Bewertung automatisiert generierter Forschungsergebnisse künftig stärker berücksichtigt werden dürfte.

Wer KI-Systeme für Forschung oder Analyse einsetzt, muss nicht nur technische, sondern auch neue rechtliche Rahmenbedingungen beachten. Dieser kostenlose Praxisleitfaden bietet einen kompakten Überblick über die Anforderungen und Risikoklassen der aktuellen EU-Regulierung. EU AI Act in 5 Schritten verstehen

Einordnung in ein breiteres Forschungsfeld

Das Stanford-Experiment reiht sich in eine Reihe aktueller Entwicklungen ein, die zeigen, wie stark KI-Methoden die Krebsforschung derzeit durchdringen.

Die Mayo Clinic berichtete etwa über einen Algorithmus, der Pankreaskrebs anhand elektronischer Patientenakten bis zu drei Jahre vor der eigentlichen Diagnose erkennen kann – die Ergebnisse wurden als Kongressbeitrag beim American College of Surgeons in Washington vorgestellt, ein Peer-Review-Verfahren in einer Fachzeitschrift steht noch aus.

Auch bei der Bilddiagnostik zeigt sich Fortschritt: Eine internationale Studie unter Leitung der Universität Sassari testete ein multimodales KI-System zur Analyse von Mundschleimhautveränderungen und erreichte in einer prospektiven, multizentrischen Untersuchung mit 350 Patienten eine Gesamtgenauigkeit von 97,1 Prozent bei der Unterscheidung maligner und benigner Läsionen.

Die rasante Entwicklung autonomer Systeme stellt Unternehmen vor neue Compliance-Fragen bezüglich Kennzeichnung und Dokumentation. Erfahren Sie in diesem kostenlosen E-Book, welche Pflichten und Fristen die EU-KI-Verordnung konkret für Entwickler und Anwender vorsieht. Umsetzungsleitfaden zum EU AI Act kostenlos sichern

Parallel dazu widmen sich weitere Forschungsgruppen der computergestützten Wirkstoffentwicklung. Ein Team der Universität Tartu identifizierte mittels maschinellem Lernen und Experimenten einen VEGFR-2-Inhibitor mit vielversprechenden Zellviabilitätswerten gegen Tumorzelllinien bei gleichzeitiger Verträglichkeit für nicht-maligne Zellen.

Forscher um Yihui Jiang vom Hangzhou Lin'an Traditional Chinese Medicine Hospital entwickelten mit einer integrierten Pipeline aus maschinellem Lernen, Docking und Molekulardynamik einen potenten dualen CDK4/6-Krebsinhibitor, der aus einem Screening von 22.823 Verbindungen hervorging.

Auch Anthropic setzte autonome KI-Agenten ein, um in einer umfangreichen Kampagne rund 1,94 Milliarden Proteincluster zu durchsuchen und dabei bislang unbeschriebene Assoziationen zu identifizieren – ein Hinweis darauf, dass agentenbasierte KI-Systeme zunehmend auch in der Grundlagenforschung zur Anwendung kommen, deren klinische Relevanz für die Onkologie sich jedoch erst noch erweisen muss.

Fazit

Die Stanford-Studie zeigt exemplarisch, welches Potenzial in KI-Agenten steckt, die ohne eigene Experimente aus bestehenden Forschungsdaten neue Therapieansätze ableiten. Die unabhängige Bestätigung des B7-H3-Ansatzes durch ein Pharmaunternehmen liefert einen ersten Beleg für die praktische Relevanz solcher Systeme.

Gleichzeitig mahnen die Forscher selbst zur Vorsicht: Solange unklar ist, inwieweit KI-Agenten systematische Verzerrungen in ihre Analysen einbringen, bleibt eine sorgfältige wissenschaftliche Überprüfung ihrer Vorschläge unverzichtbar.

de | wissenschaft | 70188736 |