Euan Ashley, Leiter der Abteilung für Innere Medizin an der Stanford University, hat ein Sprachmodell sein eigenes Genom analysieren lassen. Die Aufgabe dauerte etwa 30 Minuten, verbrauchte rund 400.000 Tokens und kostete etwa 5 US-Dollar. Sein Fazit: Der Zugang ist da, verbindliche Qualitätsstandards fehlen. (Zusammenfassung eines englischsprachigen Meinungsbeitrags, übersetzt.)
Vom Forschungsprojekt zum Nachmittagsexperiment
Als Vergleich dient eine Studie von 2009: Damals interpretierte ein Team von 30 Personen aus Genetik, Informatik, Pharmakologie und Klinik das gesamte Genom des Forschers Stephen Quake, brauchte dafür nahezu ein Jahr und baute eigens eine Analysemaschine. Die Arbeit erschien 2010 in „The Lancet“ und gilt als eine der ersten vollständigen Genominterpretationen mit individuellen medizinischen Empfehlungen.
Ashley gab dem Modell nun einen Prompt von 180 Wörtern, der dem Vorgehen von damals folgte: seltene Varianten für Erbkrankheiten finden, Wirkung auf Medikamente prüfen und beurteilen, ob die Daten für Risikoschätzungen bei Volkskrankheiten reichen. Seine Datei ist über zehn Jahre alt und beruht auf einer früheren Version des menschlichen Referenzgenoms. Dennoch fand das Modell zentrale Befunde wieder, darunter zwei Kopien der Variante APOE ε4, die mit erhöhtem Alzheimer-Risiko verbunden ist. Es meldete keine Variante für eine seltene Erbkrankheit und markierte Varianten in den Genen DPYD und CYP2C19, die die Verträglichkeit bestimmter Arzneimittel beeinflussen können. Polygene Risikoscores verweigerte es mit dem Hinweis auf unzureichende Daten.
Die Lücke: Was ist ein belastbares Genom?
Ashley warnt, ein Genom sei kein endgültiges Dokument. Die meisten Genome entstanden per Short-Read-Sequenzierung, bei der DNA in Millionen Fragmente zerlegt und rechnerisch zusammengesetzt wird. In repetitiven oder strukturell veränderten Regionen ist das fehleranfällig. Ein „Befund unauffällig“ kann daher bedeuten, dass das relevante Gen nicht vollständig untersucht wurde. Hinzu kommt das Referenzgenom, das auf wenigen Personen beruht und Vielfalt unzureichend abbildet; neuere Pangenom-Referenzen werden in Laboren, Datenbanken und Klinik-IT uneinheitlich genutzt.
Seine Forderungen: gut charakterisierte Referenzgenome, die beide Chromosomensätze und die globale Diversität abbilden; ein gemeinsam gepflegter Katalog medizinisch relevanter, schwer sequenzierbarer Gene; Mindestschwellen für Nachweisgrenzen je nach Anwendung, etwa Erbgut gegenüber zirkulierender Tumor-DNA. Labore und KI-Anbieter sollen offenlegen, was ihre Systeme zuverlässig erkennen. Gesundheitssysteme brauchen Wege, Patientinnen und Patienten mit KI-generierten Ergebnissen aufzufangen, von Bestätigungstests bis zur genetischen Beratung.
Einordnung
Für Health-Tech-Gründer ist der Beitrag ein Hinweis auf die kommende Regulierungslücke: Wer Genomdaten per KI deuten lässt, wird sich an transparenten Qualitätsmaßstäben messen lassen müssen. Der einzelne Versuch belegt keine klinische Eignung; er zeigt, dass die Interpretation billig geworden ist, die Verlässlichkeit aber nicht. Ob Fachgesellschaften schneller Standards setzen als Verbraucher Daten hochladen, ist offen.
Dr. med. Alvar Mollik
Medizin
Dr. med. Alvar Mollik ist HNO-Facharzt, Gründer von Mindful Doctor und Herausgeber des Buches „Mindful Doctor“. Bei MIDO Health schreibt er über Medizin, Versorgung und die Frage, wie Ärztinnen und Ärzte in einem sich wandelnden System gesund führen können.
