KI SpotlightNewsKI erstellt Tumor-Digital-Twins in unter zehn Minuten
BSC-Forschende eliminieren Programmierhürden durch sprachbasierte Modellierung
Mit KI erstellt◆ Fakten auf einen Blick
- Forschende des Barcelona Supercomputing Centers haben ein KI-System eingesetzt, das die Entwicklungszeit für Tumor-Digital-Twins von Monaten auf unter zehn Minuten reduziert.
- Das System nutzt eine Middleware namens MCP-Server, die als Vermittler zwischen conversational AI agents und den Plattformen NeKo, MaBoSS und PhysiCell fungiert.
- Forschende können durch natürliche Sprachbefehle digitale Repliken von Tumorwachstum und Interaktionsmustern erzeugen, ohne Code schreiben zu müssen.
- Der AI-Agent übersetzt die Beschreibungen in ausführbare Modellkonfigurationen.
- Der Ansatz eliminiert laut Artikel die traditionelle Anforderung von Programmierkenntnissen und umfangreichem Softwaretraining.
- Die Methode ist laut Artikel in npj Systems Biology and Applications beschrieben.
KI übersetzt Sprachbefehle in Tumor-Modelle
Forschende des Barcelona Supercomputing Centers (BSC) haben ein KI-System entwickelt, das die Erstellung von Tumor-Digital-Twins von Monaten auf unter zehn Minuten verkürzt. Kernstück ist eine Middleware namens MCP-Server, die als Vermittler zwischen einem conversational AI agent und den Simulationsplattformen NeKo, MaBoSS und PhysiCell fungiert. Der Ablauf ist klar definiert: Forschende beschreiben Tumorwachstum und Interaktionsmuster in natürlicher Sprache; der AI-Agent übersetzt diese Beschreibungen in ausführbare Modellkonfigurationen; die Middleware leitet diese Konfigurationen an die jeweilige Plattform weiter. Auf diese Weise schließt das System die Lücke zwischen experimentellen Biologen und Hochleistungsrechner-Infrastruktur, ohne dass Nutzer komplexe Dokumentationen durchsuchen oder Code schreiben müssen. Die Zeitersparnis entsteht, weil die manuelle Erstellung von Code und Konfigurationen entfällt; stattdessen wird die Konfiguration im Dialog mit dem KI-System automatisiert. Die Methode ist in npj Systems Biology and Applications beschrieben.
Programmierkenntnisse nicht mehr nötig
Der Ansatz eliminiert die traditionelle Anforderung von Programmierkenntnissen und umfangreichem Softwaretraining, indem der AI-Agent die technische Übersetzung vollständig übernimmt. Historisch erforderte die Erstellung präziser Digital Twins eine spezialisierte Ausbildung in mehreren Programmiersprachen und Simulations-Frameworks – eine steile Lernkurve, die Forschungszyklen verzögerte. Stattdessen beschreiben Forschende ohne Coding-Erfahrung das gewünschte Tumormodell in natürlicher Sprache. Der AI-Agent übersetzt diese Beschreibungen automatisch in ausführbaren Code und Konfigurationen, wobei der Prozess durch iterativen KI-Dialog automatisiert wird. Dadurch wird die einst steile Lernkurve durch eine einfache, sprachbasierte Interaktion ersetzt. Die Architektur adressiert damit einen langjährigen Engpass in der computational oncology, weil experimentelle Biologen nicht mehr auf spezialisierte Programmierkenntnisse angewiesen sind, um Hochleistungsrechner-Infrastruktur zu nutzen. Die Beschreibung der Methode ist in npj Systems Biology and Applications erschienen.
