Auf einen Blick: Stanford Medicine hat eine „virtuelle Biotech-Firma“ zu einem Multi-Agenten-Team gemacht – mit einem CSO zur Koordination, wobei Wissenschaftler-Agenten aus verschiedenen Fachbereichen parallel arbeiten. Das System hat rund 56.000 klinische Studien durchgelesen und Merkmals-„Targets“ herausgearbeitet, die mit Erfolg oder Scheitern der Studien zusammenhängen.
Nach dem Stanford-Medicine-Release (2026-09-17) und dem an demselben Tag in „Science“ veröffentlichten Paper (DOI 10.1126/science.aeg6779; Preprint bei bioRxiv: 10.64898/2026.02.23.707551) wird das System von einem Chief Science Officer (CSO)-Agenten orchestriert. Die Aufgaben werden an spezialisierte Agenten verteilt – u. a. aus der Genetik, der Single-Cell-Forschung, der Pfad-/Pathway-Analyse, der Chemie-Informationswissenschaft und der Klinik. Dabei haben über 37.000 „Klinikstudienleiter“-Agenten strukturierte Annotationen für etwa 55.984 Studienendpunkte erstellt und diese mit Multi-Omics-Anmerkungen verknüpft. Die Agenten fanden: Gene, die gezielter auf bestimmte Zelltypen wirken, verbessern die Wahrscheinlichkeit des Fortschritts von Phase I zu II um etwa 40%, erhöhen die Wahrscheinlichkeit des Erreichens einer abschließenden Zulassung (Phase IV) um etwa 48% und senken die Rate unerwünschter Ereignisse um etwa 32%. Zudem wird am Beispiel des Lungenkrebs-Targets B7-H3 gezeigt, wie das Team unter Einbezug genetischer/Single-Cell-/räumlicher und klinischer Evidenz eine Strategie für Antikörper-Wirkstoff-Konjugate (ADC) vorschlägt. Laut dem Release gingen nachfolgend Pharmaunternehmen eigenständig zu ähnlichen Ansätzen über und erhielten eine FDA-„Breakthrough Therapy“-Anerkennung. Die Autoren betonen, dass die Schlussfolgerungen weiterhin echte Labor-Validierung erfordern – „man bleibt im Loop“, also der Mensch ist beteiligt.
Abbildung: bioRxiv Fig.1 schematische Darstellung der Multi-Agenten-Architektur (Original aus dem Paper als Letterbox, nicht durch KI)
Datenstand: Science / Stanford Medicine 2026-09-17; bioRxiv-Preprint Bildlegenden
#科学 #AI
Nach dem Stanford-Medicine-Release (2026-09-17) und dem an demselben Tag in „Science“ veröffentlichten Paper (DOI 10.1126/science.aeg6779; Preprint bei bioRxiv: 10.64898/2026.02.23.707551) wird das System von einem Chief Science Officer (CSO)-Agenten orchestriert. Die Aufgaben werden an spezialisierte Agenten verteilt – u. a. aus der Genetik, der Single-Cell-Forschung, der Pfad-/Pathway-Analyse, der Chemie-Informationswissenschaft und der Klinik. Dabei haben über 37.000 „Klinikstudienleiter“-Agenten strukturierte Annotationen für etwa 55.984 Studienendpunkte erstellt und diese mit Multi-Omics-Anmerkungen verknüpft. Die Agenten fanden: Gene, die gezielter auf bestimmte Zelltypen wirken, verbessern die Wahrscheinlichkeit des Fortschritts von Phase I zu II um etwa 40%, erhöhen die Wahrscheinlichkeit des Erreichens einer abschließenden Zulassung (Phase IV) um etwa 48% und senken die Rate unerwünschter Ereignisse um etwa 32%. Zudem wird am Beispiel des Lungenkrebs-Targets B7-H3 gezeigt, wie das Team unter Einbezug genetischer/Single-Cell-/räumlicher und klinischer Evidenz eine Strategie für Antikörper-Wirkstoff-Konjugate (ADC) vorschlägt. Laut dem Release gingen nachfolgend Pharmaunternehmen eigenständig zu ähnlichen Ansätzen über und erhielten eine FDA-„Breakthrough Therapy“-Anerkennung. Die Autoren betonen, dass die Schlussfolgerungen weiterhin echte Labor-Validierung erfordern – „man bleibt im Loop“, also der Mensch ist beteiligt.
Abbildung: bioRxiv Fig.1 schematische Darstellung der Multi-Agenten-Architektur (Original aus dem Paper als Letterbox, nicht durch KI)
Datenstand: Science / Stanford Medicine 2026-09-17; bioRxiv-Preprint Bildlegenden
#科学 #AI
