Google DeepMind und Yale stellen 27B-Parameter-KI-Modell vor, das neue Wege zur Krebstherapie identifiziert
Krebs bleibt eine der größten Herausforderungen der öffentlichen Gesundheit. Herkömmliche Behandlungsformen wie Operation, Chemotherapie und Bestrahlung stoßen oft an ihre Grenzen. In den letzten Jahren hat die Immuntherapie große Aufmerksamkeit erlangt, doch sogenannte „kalte Tumoren“ reagieren aufgrund fehlender Immunerkennungssignale nur schwach auf diese Therapien.
Das von Google DeepMind in Zusammenarbeit mit der Yale University entwickelte KI-Modell Cell2Sentence-Scale 27B (C2S-Scale 27B) bringt hier neue Hoffnung: Es konnte Wirkstoffe vorhersagen und bestätigen, die das Immunsystem dabei unterstützen, Tumore besser zu erkennen und zu bekämpfen – ein entscheidender Durchbruch für die Überwindung der „kalten Tumor“-Herausforderung.
Überblick über das Modell Cell2Sentence-Scale 27B
C2S-Scale 27B verfügt über 27 Milliarden Parameter und basiert auf der Gemma-Open-Source-Architektur von Google. Das System ist speziell auf die Analyse einzelner Zellen zugeschnitten.
Seine Hauptkompetenz liegt darin, die „Sprache“ zwischen Zellen zu verstehen – insbesondere die komplexe Kommunikation zwischen Krebszellen und dem Immunsystem in der Tumorumgebung.
Das Modell reproduziert nicht nur bekannte biologische Prinzipien, sondern generiert auch neue wissenschaftliche Hypothesen, die anschließend durch Laborexperimente an lebenden Zellen validiert wurden – ein Beweis für seine wissenschaftliche Präzision.
| Modellname | Parameterzahl | Hauptfunktion | Forschungspartner |
|---|---|---|---|
| Cell2Sentence-Scale 27B | 27 Milliarden | Verständnis der Zellkommunikation und der Interaktionen im Tumormikromilieu | Google DeepMind, Yale University |
Die Herausforderung der Immuntherapie: Kalte Tumoren
In der Krebsimmuntherapie bezeichnet man als „kalte Tumoren“ jene Tumoren, die kaum Immunerkennungssignale besitzen und sich somit der Abwehr durch das Immunsystem entziehen.
Der Übergang von kalten zu „heißen Tumoren“ – also Tumoren, die vom Immunsystem erkannt und angegriffen werden – gilt als zentrales Forschungsziel.
Das C2S-Scale 27B-Modell analysiert umfangreiche Zell- und Wirkstoffdaten, um neue Strategien zu entwickeln, die Immunaktivität gezielt zu erhöhen.
| Tumortyp | Immunerkennungssignal | Therapieansprechrate |
|---|---|---|
| Kalter Tumor | Niedrig | Gering |
| Heißer Tumor | Hoch | Hoch |
KI-gestützte Wirkstoffentdeckung: Silmitasertib (CX-4945)
Durch die Auswertung von über 4000 potenziellen Wirkstoffen und Daten von Patiententumorproben identifizierte das DeepMind-Team den CK2-Kinase-Inhibitor Silmitasertib (CX-4945) als vielversprechenden Kandidaten.
In immunologisch aktiven Umgebungen fördert Silmitasertib die Antigenpräsentation – den entscheidenden Schritt, mit dem das Immunsystem Tumorzellen erkennt. Dadurch wird die „Hitze“ des Tumors erhöht und die Immuntherapie deutlich effektiver.
Obwohl das Medikament bereits in Forschung war, verlieh die KI-gestützte Analyse seiner klinischen Entwicklung nun starke wissenschaftliche Unterstützung.
| Wirkstoffname | Funktion | Wirkmechanismus | Abhängigkeit von der Immunumgebung |
|---|---|---|---|
| Silmitasertib (CX-4945) | Fördert die Antigenpräsentation | Hemmt Kinase CK2, verstärkt Immunantwort | Nur wirksam in immunaktiven Umgebungen |
Forschungstechnik: Dual-Context Virtual Screening
Zur Identifizierung neuer Medikamentenkandidaten nutzte das Team die Methode des Dual-Context Virtual Screening, bei der sowohl Patiententumorproben als auch isolierte Einzelzell-Daten kombiniert werden.
Dieses Verfahren ermöglicht eine präzise Bewertung der Wirkung von Substanzen in unterschiedlichen biologischen Kontexten.
Dabei wurden nicht nur bekannte Medikamente erkannt, sondern auch 10–30 % neue Kandidaten identifiziert – potenzielle Wirkstoffe, die zuvor nicht mit der Krebsimmuntherapie in Verbindung gebracht wurden.
Revolutionäre Bedeutung der KI für die Krebsforschung
Laut Google-CEO Sundar Pichai demonstriert dieses Projekt, dass KI die Effizienz biomedizinischer Forschung enorm steigern und neue wissenschaftliche Hypothesen ermöglichen kann.
Das Modell zeigt, dass großskalige KI-Systeme nicht nur bestehendes Wissen reproduzieren, sondern auch neue, überprüfbare wissenschaftliche Erkenntnisse schaffen.
Mit fortschreitenden präklinischen und klinischen Studien dürfte diese KI-basierte Forschung einen Wendepunkt in der Krebsbehandlung markieren.
Fazit: Neue Hoffnung für die Krebsmedizin
Das von Google DeepMind und der Yale University entwickelte KI-Modell Cell2Sentence-Scale 27B mit seinen 27 Milliarden Parametern stellt einen wichtigen Fortschritt in der Verbindung von künstlicher Intelligenz und Biomedizin dar.
Durch die Entschlüsselung der „Sprache“ von Krebszellen gelang es, den Wirkstoff Silmitasertib (CX-4945) als Schlüsselfaktor zu identifizieren, der kalte Tumoren in „heiße“ umwandeln kann – ein großer Schritt für die Immuntherapie.
Diese Forschung überwindet zentrale Hürden der Krebsbehandlung und eröffnet dank innovativer Screening-Technologien neue Wege in der Medikamentenentwicklung.
Mit der Fortführung klinischer Studien könnte KI-gestützte Präzisionsonkologie bald Realität werden – mit erheblichen Vorteilen für Überlebenschancen und Lebensqualität von Patientinnen und Patienten weltweit.
Quellen:
-
Google DeepMind Official Blog, Oktober 2025 – Veröffentlichung und experimentelle Validierung des Modells Cell2Sentence-Scale 27B
-
Global Tech News, Bericht über die KI-Krebsforschung von DeepMind & Yale, Oktober 2025
-
BH Biotech News – Klinisches Potenzial des Medikaments CX-4945 und KI-Verifikation, Oktober 2025
-
Stellungnahme von Google-CEO Sundar Pichai zur wissenschaftlichen Bedeutung von KI, Oktober 2025
