Vor einigen Monaten, nach der Heimkehr von meinem Urlaub, gab ich künstlicher Intelligenz eine echte Aufgabe. Ich hörte auf, meine Wäsche zu sortieren, setzte mich mit Claude zusammen und bat es, das volle Ausmaß meines Genoms zu untersuchen. In weniger als einer halben Stunde schloss es ab, was eine Gruppe von etwa 30 Personen im Jahr 2009 fast ein Jahr brauchte, um zu erreichen.
Dieses Ergebnis zeigt nur, wie weit die KI fortgeschritten ist – zusammen mit einer Warnung, in welche Richtung es sich bewegt. Es müssen Standards festgelegt werden, bevor Menschen diese Systeme für ihre Gesundheit nutzen.
Genom Analyse im Jahr 2009
Im Jahr 2009 war die Interpretation eines gesamten Genoms eine gewaltige Aufgabe. Es waren 30 Personen, darunter ich selbst, zusammenarbeiten, um die Sequenz eines Kollegen, Freundes und wissenschaftlichen Weggefährten namens Stephen Quake zu interpretieren. Das Team umfasste Experten aus Genetik, Informatik, Pharmakologie und klinischer Medizin.
Eine spezialisierte Engine wurde für die Genomanalyse entwickelt und dann verwendet, um Millionen von genetischen Varianten zu untersuchen und gleichzeitig die wissenschaftliche Literatur zu prüfen und zu debattieren, welche Ergebnisse für seine individuellen gesundheitlichen Umstände am wichtigsten wären. Das Ergebnis war eine Studie, die 2010 im The Lancet veröffentlicht wurde, einer der ersten Versuche, das vollständige Genom zu interpretieren und diese Analyse in personalisierte medizinische Empfehlungen umzuwandeln.
Ein Jahr später wurde mein Genom ebenfalls über einen vergleichbaren Rahmen analysiert, obwohl dieser nie offiziell gemacht und nie veröffentlicht wurde.
Was Claude in 30 Minuten tat
Diesen Monat versuchte Claude dasselbe – ohne die 30 Personen und die fast einjährige Ausgaben. Ich bat es, den gleichen Rahmen zu befolgen, den wir 2009 festgelegt hatten, in einem Prompt von 180 Wörtern. Ich sagte ihm, er solle nach seltenen Varianten Ausschau halten, die eine vererbte Störung verursachen könnten, nach genetischen Anomalien, die meine Reaktion auf verschiedene Medikamente beeinflussen könnten, und ob er genügend Daten hätte, um mein Risiko für häufige Krankheiten zu schätzen.
Die Aufgabe war alles andere als einfach. Die Genomdatei stammt über ein Jahrzehnt zurück, wurde mit einer älteren Edition des menschlichen Referenzgenoms erstellt und lässt Daten aus neueren Sequenzierungsstandards außer Acht. Solche Mängel können leicht zu einer Analyse führen, die irreführend oder ungenau ist.
Claude war in der Lage, mehrere Schlüsselerkenntnisse aus unserer ersten Untersuchung zu erkennen. Die einzelne Feststellung, die es als die bedeutendste markierte, betrifft mein Genom: Ich besitze zwei Kopien der APOE ε4 Variante, die ein erhöhtes Risiko für die Alzheimer-Krankheit birgt. Es entdeckte keine größeren Gen-störungsvarianten, die mit einer seltenen erblich bedingten Erkrankung verbunden sind, was mit dem Schluss unserer ursprünglichen Gruppe übereinstimmt. Zusätzlich notierte es Varianten in den DPYD- und CYP2C19-Genen, die beeinflussen können, wie wir auf bestimmte Medikamente reagieren.
Es warnte mich korrekt davor, dass meine Datei nicht genügend Daten enthielt, bevor es versuchte, genetische Risikobewertungen für häufige Krankheiten zu berechnen.
„Ein Genom ist kein endgültiges Protokoll.“
Der gesamte Austausch nutzte nur etwa 400.000 Token und belief sich auf etwa 5 $, wobei der Großteil der halben Stunde damit verbracht wurde, auf das Laden wissenschaftlicher Datenbanken zu warten. Eine Aufgabe, die einst fast ein Jahr und ein großes, spezialisiertes Team erforderte, kann nun zu Hause für den Preis einer Zwei-Liter-Flasche Limonade versucht werden.
Warum das Genom nicht endgültig ist
Es gibt die weitverbreitete Annahme, dass ein Genom ein für alle Mal gelesen ist und als dauerhafter Datensatz gilt, der sich niemals ändert. Die Wahrheit ist komplizierter: jede Genomanalyse wird von mehreren Faktoren geprägt, darunter das Referenzgenom, mit dem sie verglichen wird, und die Sequenzierungstechnologie, die verwendet wird, um die DNA zu lesen.
In den letzten zwei Jahrzehnten haben die Sequenzierungstechnologien große Fortschritte gemacht. Forscher können nun Teile der DNA untersuchen, die zuvor unerreichbar waren, und genetische Variationen erkennen, die frühere Techniken möglicherweise übersehen haben. Es gibt jedoch immer noch Dinge, die diese Werkzeuge nicht können.
Die meisten heute existierenden Genome stammen von einer Methode namens „Short-Read-Sequenzierung“, die darin besteht, DNA in Millionen von Stücke zu zerlegen und dann Software zu verwenden, um diese Fragmente wieder an ihren richtigen Stellen zusammenzusetzen. Während dieser Prozess im größten Teil des Genoms effektiv funktioniert, ist er in Bereichen, in denen Sequenzen überlappen, ähnlich aussehen oder umfangreiche strukturelle Verschiebungen aufweisen, tendenziell weniger zuverlässig.
Diese Bereiche sind nicht ohne Bedeutung. Schädliche genetische Veränderungen können an Stellen auftreten, an denen eine Standardsequenzierung sie nur schwer erkennen lässt. Eine Schlussfolgerung könnte besagen, dass keine besorgniserregende Variante gefunden wurde, und dabei versäumen zu erklären, dass das betreffende Gen nicht vollständig untersucht wurde.
Die Standard-DNA-Sequenz, die für die meisten Vergleiche verwendet wird, stellt ebenfalls eine Barriere dar. Sie wurde auf der Grundlage einer begrenzten Anzahl von Individuen erstellt und erfasst nicht die volle Bandbreite und Tiefe menschlicher Genome. Diese Unzulänglichkeit erschwert die Erkennung bestimmter genetischer Variationen, insbesondere bei Gruppen, die in genomischen Datensätzen weiterhin unterrepräsentiert sind.
Die neueren Referenzen zeigen viele verschiedene Versionen des menschlichen Genoms durch verzweigte Pfade, anstatt die DNA von jedem auf eine Vorlage zu zwingen. Dieser Ansatz kann die Varianten-Erkennung verbessern, insbesondere in komplexen Regionen und über vielfältige Populationen hinweg. Aber Labore, Datenbanken und klinische Systeme haben diese neueren Referenzen nicht einheitlich übernommen.
Die Kosten des öffentlichen Zugangs
Was einst undenkbar war, ist jetzt durch die Zugänglichkeit möglich und öffnet Türen für die breite Öffentlichkeit. Wenn diese Türen weit geöffnet werden, trägt die wissenschaftliche Gemeinschaft die Pflicht, klare Standards dafür festzulegen, was eine medizinisch zuverlässige Genom darstellt.
Der Vergleich ist eindeutig:
| Aufgabe | Ansatz aus dem Jahr 2009 | Claude’s Ansatz |
|---|---|---|
| Zeit | Fast ein Jahr | Eine halbe Stunde |
| Kosten ( | Ein großes, spezialisiertes Team ( | ~$5 |
| Menschen ( | Mehr als 30 Experten ( | Eine KI-Sitzung ( |
| Ergebnis ( | Veröffentlicht in The Lancet ( | Personalisierte Ergebnisse ( |
Der Kontrast zeigt, wie sehr sich die Dinge verändert haben. Ein Projekt, das einst von Fachleuten durchgeführt wurde, ist zu etwas geworden, das fast jeder zu Hause ausprobieren kann, und das fast nichts kostet. (
Standards sind jetzt nötig (
Die Öffentlichkeit hat jetzt einfachen Zugang zu KI-Tools, die Genome interpretieren können, und diese Interpretationen könnten die Richtung des Lebens und der Gesundheitsentscheidungen von jemandem in Zukunft bestimmen. Aus diesem Grund gibt es keinen dringlicheren Zeitpunkt, um Standards für das zu etablieren, was als eine hochwertige medizinische Genominterpretation gilt. (
Einfache genetische Veränderungen werden von aktuellen Qualitätsprüfungen gut erkannt. Ein veränderter DNA-Buchstabe oder ein kleines Stück DNA, das weggenommen oder eingefügt wird, ist ohne große Mühe zu erkennen. Aber medizinisch wichtige Veränderungen können schwieriger zu finden sein. Diese Ähnlichkeit gilt auch für die Überprüfung eines Buches: Einen Rechtschreibfehler zu entdecken ist einfach genug, während das Auffinden eines Satzes oder Absatzes, der fehl am Platz zu sein scheint, mehr Sorgfalt erfordert. (
Die Zuverlässigkeit eines medizinisch genutzten Genomtests hängt von seiner Fähigkeit ab, jede genetische Veränderung zu identifizieren, die die Gesundheit einer Person beeinflussen könnte. Die Referenzgenome, die Sequenzierungstechnologie und die demografische Zusammensetzung der Daten müssen bei der Beurteilung des Tests berücksichtigt werden.
Die Technologie ist bereit. Die Standards sind es nicht.
Die Warnung aus dem Experiment
Diese Geschichte hat den Autor verblüfft, was sie beschreibt. Ein zehn Jahre altes Genom wurde von einer KI in 30 Minuten für 5 US-Dollar analysiert, und das Ergebnis stimmte mit jahrelanger Expertenarbeit überein. Der Autor ist der Ansicht, dass der öffentliche Zugang nun klare Standards für die Zuverlässigkeit erfordert.
Es kommt darauf an, ob die wissenschaftliche Gemeinschaft mit der Technologie Schritt halten kann. Diese ist bereits weit fortgeschritten, und die Öffentlichkeit macht bereits davon Gebrauch. Standards, soweit sie existieren, sind über Laboratorien, Datenbanken und klinische Systeme verstreut, die sie nicht einheitlich übernommen haben.
Es bleibt keine Zeit zu verlieren. Die Türen stehen offen, und die KI wartet im Inneren. Aber bevor Maßnahmen ergriffen werden können, muss die wissenschaftliche Welt sich auf einen gemeinsamen Standard einigen, was als eine vertrauenswürdige Auswertung eines Genoms gilt.
Es ist unerlässlich, anzuerkennen, dass das Genom nicht als endgültige Instanz dient. Es fungiert stattdessen als Arbeit in Fortgang, die kontinuierlich von den Instrumenten geformt wird, die zur Untersuchung eingesetzt werden, und diese Instrumente sind noch unvollständig.
Bevor irgendetwas weitergehen kann, muss es einen gemeinsamen Satz von Regeln geben, was als eine vertrauenswürdige Auswertung des Genoms einer Person zählt. Die Übereinkunft aller über diese Regeln wird die Zusammenführung von Sequenzierungslaboren, Referenzgenomprojekten und klinischen Systemen in eine einzige, koordinierte Anstrengung erfordern – eine schwierige Aufgabe, aber eine, die bewältigt werden kann.
Transparenz steht im Kern des dritten Schritts. Jede genomische Interpretation muss das Referenzgenom angeben, auf das sie angewiesen ist, die eingesetzte Sequenzierungstechnologie und die demografische Zusammensetzung der Daten dahinter. Vertrauen aufzubauen ist das, was Transparenz erreicht, und Vertrauen ist das Fundament, auf dem jede medizinische Entscheidung beruht.
Kontinuierliche Verbesserung ist der vierte Schritt. Da die Sequenzierungstechnologien immer besser werden und neue Referenzen die Abdeckung immer weiter ausweiten, müssen die Standards mit ihnen weiterentwickelt werden.
In der fünften Phase erreichen wir Demut. Die KI duplizierte die Ergebnisse unserer anfänglichen Gruppe innerhalb einer halben Stunde, nahm aber nicht unseren Platz ein. Sie erledigte die mühsamen Aufgaben, aber eine Person war weiterhin erforderlich, um die Ausgabe zu überprüfen und mich auf die Grenzen meines Dokuments hinzuweisen.
Das Fazit
Die KI benötigte nur 30 Minuten, um mein Genom für 5 Dollar zu analysieren und unsere ursprünglichen Ergebnisse zu reproduzieren. Der Bericht wies die APOE ε4-Variante aus, markierte die DPYD- und CYP2C19-Varianten und vermerkte die Grenzen meiner Datei. All das wurde mit einem Bruchteil der Ressourcen produziert, die wir 2009 investiert hatten.
Die Leistung liegt darin, was die Maschine eigenständig hervorbringen kann: sie kann die Ausgabe von 30 Personen in einer halben Stunde reproduzieren. Doch die Ergebnisse der Maschine bleiben ohne menschliches Urteil unvollständig, das einspringen muss, um zu erklären, wo die Daten unzureichend sind und was die Grenzen der Informationen wirklich sind.
Die Leute kommen an. Die künstliche Intelligenz ist vorbereitet. Die Regeln haben jedoch noch nicht aufgeholt.
Bevor medizinische Richtlinien für das festgelegt werden können, was als medizinisch zuverlässiges Genom gilt, muss die wissenschaftliche Gemeinschaft klare Standards für seine Definition festlegen. Es bleibt keine Zeit zu warten.
Quellenmaterial: „Meinung: Claude analysierte mein Genom in 30 Minuten. Nun brauchen wir Standards für die Ergebnisse“, STAT.
Das Notizbuch abonnieren.
Die besten Geschichten des Tages und jedes neue Urteil, in klarem Deutsch, um sieben im Postfach. Eine Mail am Tag, nicht mehr.