An der MedUni Wien wurde ein Simulator entwickelt, der dieselbe Künstliche Intelligenz wie „ChatGPT“ nutzt. Er bringt gute Ergebnisse in der Krebsforschung.
Ein Forschungsteam des Instituts für Künstliche Intelligenz der MedUni Wien und des CeMM Forschungszentrums für Molekulare Medizin hat einen Simulator entwickelt, der auf demselben KI-Modell wie „ChatGPT“ (GPT-4) basiert. Der Simulator „SimulateGPT“ zeigte beeindruckende Fähigkeiten in der biomedizinischen Forschung und kann laut den Forschenden vielseitig für Simulationen eingesetzt werden – beispielsweise in der Krebsforschung, wo er im Zuge der Untersuchungen eine erhöhte Genauigkeit bei der Klassifikation der Wichtigkeit von Genen in Krebszellen sowie bei der Prognose von Krebspatient:innen zeigte.
Sprachmodelle wie GPT-4 werden durch Texteingaben, so genannte „Prompts“, gesteuert, um bestimmte Aufgaben zu erledigen oder Probleme zu lösen. Moderne Modelle wie ChatGPT/GPT-4 antworten direkt auf einfache Fragen, haben aber Schwierigkeiten, komplexere Szenarien zu lösen, wie sie in der Biomedizin häufig vorkommen. In der Studie konfigurierten die Wissenschaftler:innen unter der Leitung von Matthias Samwald und Christoph Bock GPT-4 mit strukturierten Eingaben und gezielten Anweisungen so, dass es vorgegebene Szenarien detailliert mit Text simulierte. Das Forschungsteam hat die Methode in verschiedenen Szenarien wie Mausexperimenten, Unterstützung bei der Behandlung von Sepsis, Vorhersage von essentiellen Genen in Krebszellen und progressionsfreiem Überleben von Krebspatient:innen getestet: Es zeigte sich, dass biomedizinische Expert:innen die Vorhersagen von „SimulateGPT“ gegenüber direkten GPT-4-Antworten bevorzugten. Zudem verbesserte „SimulateGPT“ die Genauigkeit sowohl bei der Bestimmung essentieller Gene in Krebszellen als auch bei der Vorhersage der progressionsfreien Überlebenszeit von Krebspatient:innen im Vergleich zu herkömmlichen GPT-4-Antworten.
„Diese Studie zeigt, dass große Sprachmodelle (Large Language Models, LLMs) wie GPT-4 eine neue Klasse von biomedizinischen Simulatoren ermöglichen könnten“, erklärte Samwald. „Textbasierte Simulationen sind besonders geeignet, um lebende Systeme zu modellieren und zu verstehen, da Text und Sprache die Flexibilität und Interpretierbarkeit mitbringen, die notwendig sind, um die Komplexität der Biologie zu beschreiben. Für die Weiterentwicklung von LLM-basierten biomedizinischen Simulatoren schlagen wir mehrere Richtungen vor, darunter die Integration biologischer Datenbanken und mathematischer Modellierung, sowie das Training neuer KI-Modelle mit experimentellen Daten.“ Die Methode ist für die Grundlagenforschung konzipiert und nicht für den klinischen Einsatz vorgesehen. Die Ergebnisse der Studie wurden im „Journal Computers in Biology and Medicine“ veröffentlicht.
SERVICE: Publikation