Ein australischer KI-Berater, ein erkrankter Hund und begeisterte Tech-Unternehmer: Was wie eine Erfolgsstory klingt, entpuppt sich bei näherer Betrachtung als symptomatisches Beispiel für die Kluft zwischen KI-Hype und wissenschaftlicher Realität – mit weitreichenden Konsequenzen für die Branche.
KI-gestützter Krebsbehandlungsansatz für Hunde: Zwischen Forschungsansatz und ungerechtfertigtem Hype
Die virale Geschichte
Ein australischer KI-Berater nutzte ChatGPT, AlphaFold und Grok, um einen möglichen Behandlungsansatz für den unheilbaren Krebs seiner Hündin zu entwickeln – und löste damit eine Welle der Begeisterung unter führenden KI-Unternehmern aus. Fachleute warnen hingegen vor voreiligen Schlüssen: Klinische Belege für die Wirksamkeit des entwickelten Wirkstoffs fehlen bislang vollständig.
Virale Geschichte ohne wissenschaftliche Grundlage
Der Ausgangspunkt ist eine persönliche Geschichte: Der Berater setzte mehrere Large Language Models sowie das Proteinfaltungs-Tool AlphaFold von DeepMind ein, um einen potenziellen Wirkstoff gegen den Krebs seiner Hündin Rosie zu identifizieren. Die Geschichte verbreitete sich in sozialen Netzwerken schnell, nachdem hochrangige Akteure der KI-Branche – darunter Führungspersönlichkeiten aus dem OpenAI-Umfeld – den Fall öffentlich als Beleg für das medizinische Potenzial moderner KI-Systeme teilten.
Das Problem liegt auf der Hand:
- Keine veröffentlichten klinischen Studien
- Keine Peer-Review-Ergebnisse
- Keine Daten zur tatsächlichen Wirksamkeit beim betroffenen Tier
Die Behandlung wurde zwar begonnen – ein Nachweis über ihren Nutzen steht jedoch aus.
Forscher kritisieren das Narrativ
Wissenschaftler, die sich öffentlich zu dem Fall geäußert haben, bemängeln weniger die technische Herangehensweise als vielmehr die Interpretation durch die KI-Industrie.
„Die Geschichte wird als Beweis für eine neue Ära der KI-gestützten Medizin verkauft, obwohl sie bestenfalls ein ungesichertes Fallbeispiel darstellt.”
Tatsächlich ist die Verwendung von KI-Tools zur Hypothesengenerierung in der Grundlagenforschung kein neues Phänomen. AlphaFold hat die Strukturbiologie nachweislich verändert, und Large Language Models können bei der Literaturrecherche nützlich sein. Was jedoch fehlt, ist der entscheidende Schritt: der empirische Nachweis, dass der identifizierte Ansatz auch tatsächlich funktioniert.
Zwischen der Modellierung eines potenziellen Wirkstoffs und einem wirksamen Medikament liegen Jahre aufwendiger klinischer Prüfungen.
Muster der KI-Kommunikation
Der Fall steht exemplarisch für ein wiederkehrendes Muster in der öffentlichen Kommunikation der KI-Branche: Unfertige Ergebnisse, Prototypen oder persönliche Berichte werden regelmäßig als Durchbrüche präsentiert, noch bevor eine wissenschaftliche Überprüfung stattgefunden hat.
Im Bereich der medizinischen KI ist dieses Vorgehen besonders heikel. Die European Medicines Agency und nationale Behörden wie das Bundesinstitut für Arzneimittel und Medizinprodukte verlangen klinische Evidenz – unabhängig davon, welche KI-Systeme bei der Entwicklung beteiligt waren. Öffentliche Aufmerksamkeit kann regulatorische Standards nicht ersetzen.
Einordnung für deutsche Unternehmen
Für Unternehmen und Entscheider in Deutschland, die KI-Investitionen prüfen oder Technologien im Gesundheitsbereich einsetzen, gilt:
- KI-Tools bieten echten Mehrwert – etwa bei der Beschleunigung von Hypothesenfindung oder der Auswertung großer Datensätze
- Medizinische Wirksamkeit lässt sich nicht durch den Einsatz bekannter Markennamen wie ChatGPT oder Grok ersetzen
- Pressemitteilungen und Social-Media-Berichte müssen klar von peer-reviewten Studien und regulatorisch anerkannten Nachweisen getrennt werden
Wer Entscheidungen über KI-Investitionen oder Kooperationen im Gesundheitsbereich trifft, sollte den Unterschied zwischen einer guten Geschichte und einem wissenschaftlichen Nachweis kennen – und kommunizieren.
Quelle: The Decoder
