KI SpotlightNewsStanford stellt virtuelles Pharmaunternehmen vor
Virtual Biotech automatisiert Wirkstoffentwicklung mit Multi-Agenten-System und wurde in Science publiziert
Mit KI erstellt◆ Fakten auf einen Blick
- Virtual Biotech wurde von einem Stanford-Team unter James Zou und Harrison Zhang entwickelt.
- Das System nutzt bis zu 37.000 spezialisierte KI-Agenten.
- Die Arbeit wurde in der Fachzeitschrift Science publiziert.
- Die Architektur orientiert sich an einem echten Biotech-Unternehmen mit einem virtuellen Chief Scientific Officer, der spezialisierte Abteilungen koordiniert.
- Die Agenten basieren derzeit auf Anthropic-Modellen (Claude).
- Virtual Biotech wurde eingesetzt, um eine große Zahl historischer klinischer Studien zu analysieren; die genaue Zahl ist umstritten.
Stanford stellt virtuelles Pharmaunternehmen vor
Ein Stanford-Team um James Zou und Harrison Zhang hat mit Virtual Biotech ein virtuelles Pharmaunternehmen vorgestellt, das die Wirkstoffentwicklung von der Target-Identifikation bis zur klinischen Studienanalyse automatisiert. Das System baut auf dem früheren Virtual Lab auf und bildet eine komplette Unternehmensstruktur mit virtuellem Chief Scientific Officer ab, der spezialisierte Abteilungen koordiniert. Die Agenten arbeiten arbeitsteilig: Jeder Agent ist auf eine Domäne spezialisiert, unabhängige Reviewer-Agenten validieren Ergebnisse, und die Abteilungen greifen auf biomedizinische Datenbanken wie Open Targets, ClinicalTrials.gov und ChEMBL zu. Die Architektur ist modellagnostisch, derzeit mit Anthropic-Modellen betrieben, aber für andere LLMs offen.
000 KI-Agenten und Science-Publikation
Das System skaliert auf bis zu 37.000 spezialisierte KI-Agenten und wurde in Science publiziert. Zur Demonstration der Skalierbarkeit analysierte Virtual Biotech über 37.000 historische klinische Studien: Einzelne Agenten wurden einzelnen Studien zugewiesen, extrahierten Sicherheits- und Wirksamkeitsdaten und analysierten molekulare Daten. Durch massive Parallelverarbeitung dauerte die Analyse unter sechs Stunden statt Monate. Die Zahl der analysierten Studien variiert je nach Quelle zwischen 37.000, 50.000 und 55.000, da unterschiedliche Einschlusskriterien oder Berichtsstände verwendet wurden. Die Agenten identifizierten Korrelationen zwischen zellulärer Expression von Zielproteinen und klinischem Erfolg.
