KI in der Medizin: Alle Krankheiten in 10 Jahren?

Innerhalb von zehn Jahren könnten Wissenschaftler nahezu alle Krankheiten verstehen und geeignete Wirkstoffkandidaten dafür entwickeln – davon ist Pascal Weinberger, Deputy CEO des Biotech-KI-Unternehmens Owkin, fest überzeugt. Der erfahrene KI-Unternehmer, der zuvor an Projekten bei Telefónica und dem KI-Automatisierungsstart-up Bardeen beteiligt war, sieht KI in der Medizin als die vielversprechendste Anwendung künstlicher Intelligenz überhaupt. Im Gespräch erläutert er, wie Owkins Plattform die Arzneimittelforschung beschleunigt, wo die Grenzen liegen und warum Europa dringend handeln muss.

KI als Wissenschaftler: Was Owkins Plattform K Pro leistet

Im Zentrum von Owkins Ansatz steht das KI-System K Pro, das Weinberger als „KI-Wissenschaftler” beschreibt. Die Plattform verbindet einen autonomen Coding-Agenten mit über 100 spezialisierten Werkzeugen für die pharmazeutische und medizinische Forschung. Dazu gehören die Analyse histologischer Gewebeschnitte (H&E-Slides), Kohortenprädiktion für bestimmte Medikamente und Competitive Intelligence zur Einschätzung klinischer Pipelines.

K Pro kann Forschenden konkrete wissenschaftliche Fragen beantworten, indem es auf interne Partnerdaten und öffentlich verfügbare Datensätze zugreift und eigenständig die richtigen Werkzeuge auswählt. Im autonomen Modus arbeitet das System wie ein Team von Doktoranden: Es formuliert Hypothesen, testet sie in silico und liefert am Ende einen strukturierten Bericht mit den vielversprechendsten Ergebnissen für die Nasslab-Validierung.

Owkin kooperiert dabei mit 840 Krankenhäusern weltweit, um einen umfangreichen medizinischen Datenschatz aufzubauen. Zu den Pharmapartnern zählen unter anderem Sanofi und Boehringer Ingelheim, die K Pro bereits in ihre Wirkstoffpipelines integriert haben.

Warum Medikamentenentwicklung so langsam und teuer bleibt

Die Herausforderungen in der klassischen Pharmaforschung sind enorm. Von der ersten Idee bis zur Marktzulassung vergehen oft bis zu zehn Jahre, die Kosten belaufen sich auf Hunderte Millionen bis zu einer Milliarde Dollar – und dennoch scheitern rund 90 Prozent aller Wirkstoffkandidaten, die in klinische Studien eintreten.

Weinberger betont, dass KI hier kein Allheilmittel ist. Stattdessen geht es darum, viele kleine Teilprobleme schrittweise besser zu lösen:

• Competitive Intelligence: Welche Wirkstoffe konkurrierender Unternehmen haben Erfolgsaussichten?
• Kandidatenauswahl: Welche Moleküle verdienen überhaupt den Eintritt in die klinische Prüfung?
• Studiendesign: Welche Ein- und Ausschlusskriterien maximieren die Erfolgswahrscheinlichkeit?
• Dosisfindung: Wie lassen sich Dosissteigerungen im klinischen Alltag präziser vorhersagen?
• Präklinische Phase: Wie können Biologieverständnis und Datenlage schon vor Studienbeginn verbessert werden?

Jede dieser Verbesserungen erhöhe die Erfolgsrate nur marginal, in der Summe könnten sie jedoch Zeit und Kosten erheblich senken, so Weinberger.

Zehn Jahre bis zum Durchbruch – und was danach kommt

Weinberger glaubt, dass innerhalb der nächsten zehn Jahre ein gutes Verständnis für fast alle Erkrankungen erarbeitet und passende Wirkstoffkandidaten identifiziert werden können. Treiber sind die rasant wachsenden Rechenkapazitäten, immer größere Datensätze und leistungsfähigere KI-Modelle. Zusätzlich beschleunigt rekursive KI – KI-Systeme, die bessere KI entwickeln – den Fortschritt weiter.

Allerdings unterscheidet Weinberger klar: Das Verstehen einer Krankheit und das Vorhandensein eines zugelassenen Medikaments auf dem Markt sind zwei verschiedene Dinge. Für letzteres brauche es auch regulatorische Reformen. Er begrüßt den Trend zu kleineren, personalisierten klinischen Studien, wie sie etwa bei Krebsimpfstoffen bereits erprobt werden, und sieht Zulassungsbehörden wie FDA und EMA zunehmend offen für neue Wege.

Für besonders seltene Erkrankungen, bei denen große klinische Studien wirtschaftlich kaum tragfähig sind, sieht er Ansätze wie Drug Repurposing – also die Nutzung bereits zugelassener Wirkstoffe für neue Indikationen – als vielversprechende Ergänzung.

Europas Rückstand und die Rolle der KI-Intelligenz-Revolution

Neben der medizinischen Forschung thematisiert Weinberger auch den strukturellen Rückstand Europas im globalen KI-Wettbewerb. Trotz hervorragender Talente und einer starken Erfindertradition wanderten viele der besten Köpfe in die USA ab. Als Hauptursachen nennt er:

• Risikoaversion in Gesellschaft und Finanzierung
• Deutlich geringere Verfügbarkeit von Risikokapital im Vergleich zu den USA
• Ausbaurückstand bei KI-Recheninfrastruktur und Rechenzentren
• Bildungssysteme, die kaum auf den Umgang mit KI-Tools vorbereiten

Dennoch sieht er positive Signale: Immer mehr ambitionierte Gründerinnen und Gründer kehrten bewusst nach Europa zurück, um hier Unternehmen aufzubauen. Owkin selbst investiert stark in Europa – der Großteil der Belegschaft, Krankenhauspartner und Kunden befinde sich auf dem Kontinent.

Langfristig bleibt Weinberger optimistisch: Er erwartet, dass KI die größte technologische Revolution der Menschheitsgeschichte auslöst – vergleichbar mit dem Übergang von der Agrar- zur Industriegesellschaft, aber in einem wesentlich kürzeren Zeitrahmen. Die eigentliche Herausforderung sei nicht mehr der Zugang zu Intelligenz, sondern die Agency: die Fähigkeit, die richtigen Probleme zu identifizieren und mit den verfügbaren Werkzeugen konsequent anzugehen.