Interview Fabian Theis und Bjoern Eskofier

Ein Interview mit Prof. Fabian Theis, Leiter des Computational Health Center, und Prof. Bjoern Eskofier, Gruppenleiter für Translational Digital Health. Die Forscher veranstalteten am 10. April 2024 das erste Münchner Health Foundation Model Symposium auf dem Helmholtz Munich Campus.
Foundation models are large-scale machine learning models that are pre-trained on large amounts of diverse data. They serve as building blocks for various AI tasks, enabling efficient transfer learning and fine-tuning for specific applications. Foundation models have revolutionized the field of AI by providing powerful, generalized representations of data, language, and knowledge. One prominent example of a foundation model is ChatGPT. Further specialized models have the potential to advance our understanding of complex diseases.

Ein Interview mit Prof. Fabian Theis, Leiter des Computational Health Center, und Prof. Bjoern Eskofier, Gruppenleiter für Translational Digital Health. Die Forscher veranstalteten am 10. April 2024 das erste Munich Health Foundation Model Symposium auf dem Helmholtz Munich Campus.
Foundation models are large-scale machine learning models that are pre-trained on large amounts of diverse data. They serve as building blocks for various AI tasks, enabling efficient transfer learning and fine-tuning for specific applications. Foundation models have revolutionized the field of AI by providing powerful, generalized representations of data, language, and knowledge. One prominent example of a foundation model is ChatGPT. Further specialized models have the potential to advance our understanding of complex diseases.

“Für mich wird der spannendste Aspekt sein zu sehen, wie man mit multimodalen und multiskaligen Daten umgeht, die in der Biomedizin so häufig sind.”

Prof. Fabian Theis

FT: Aktuell sorgt das Thema Foundation-Modelle für viel Aufregung – nicht zuletzt wegen ihrer dominanten Rolle im Bereich der natürlichen Sprachverarbeitung. Denn wenn man heutzutage einen erstklassigen Chatbot entwickeln möchte, benötigt man unbedingt ein großes Sprachmodell (d.h. ein Language Foundation Model) im Hintergrund.

Ebenso wird erwartet, dass auch in der biomedizinischen Forschung eine Repräsentation vieler Daten in einem einzigen Modell dazu beitragen könnte, bestimmte nachgelagerte Probleme enorm zu verbessern. Erste Arbeiten haben gezeigt, dass dies der Fall sein kann. Der für mich spannendste Aspekt ist es zu sehen, wie man mit den häufig vorkommenden multimodalen und multiskalen Daten in der Biomedizin umgeht.

Ob die Modelle tatsächlich eigene Erkenntnisse generieren, ist schwer zu sagen. Schließlich helfen sie „nur“ dabei, nachgelagerte Vorhersagen zu verbessern. Die ersten Arbeiten zeigen jedoch, dass sie intrinsisch nicht-triviale Fakten über die zugrunde liegende Biologie lernen können, wie z.B. die Genregulation bei Transkriptom-Datensätzen.

BE: Menschen sind Individuen, und die meisten wünschen sich ein gesundes Leben. Allerdings ist unser aktuelles Gesundheitssystem dafür nicht gut konzipiert: Es orientiert sich am Bevölkerungsdurchschnitt, ist nicht personalisiert. Außerdem ist es reaktiv anstatt präventiv. Foundation-Modelle versprechen daher im Gesundheitswesen neue Möglichkeiten, da sie individuelle Lösungen für Prävention und Gesundheit auf einer breiten Basis von genetischen, Umwelt- und Lebensstil-Daten maßschneidern können.

“Foundation-Modelle versprechen im Gesundheitswesen neue Möglichkeiten, da sie individuelle Lösungen für Prävention und Gesundheit auf einer breiten Basis von genetischen, Umwelt- und Lebensstil-Daten maßschneidern können..”

Prof. Dr. Bjoern Eskofier

Portraet, Portrait,

Foto: Kurt Fuchs

Prof. Björn Eskofier

FT: Sicherlich können sie uns bereits jetzt dabei helfen, Diagnosen zu verbessern, einfach durch die Betrachtung von mehr Daten, mehr Patienten und mehr Ansichten desselben Patienten innerhalb eines einzigen Modells. Ob sich dies jedoch in tatsächlich wirksamere Behandlungen übersetzt, ist noch nicht geklärt. Schließlich müsste man nicht nur den Zustand einer Krankheit vorhersagen, sondern auch den kausalen Effekt einer Störung. Wir und andere haben erste Ergebnisse, dass dies für zellbasierte Wirkstofftests zutreffen könnte, aber dies funktioniert noch nicht auf der Organismus-Ebene. Wir befinden uns also noch in einer frühen Phase.

BE: Foundation-Modelle können nur auf Basis einer großen Menge an individuellen Gesundheitsdaten erfolgreich trainiert werden. Dies umfasst nicht nur das, was wir derzeit als medizinische Daten betrachten (wie medizinische Bilder, Biomarker und Genetik), sondern auch Umwelt- und Lebensstilfaktoren, die die „persönlichen Gesundheitsdatenräume“ eines Menschen prägen, auch „digitale Gesundheitszwillinge“ genannt. Ich bin daher persönlich sehr an den Entwicklungen solcher persönlichen Gesundheitsdatenräume interessiert, einschließlich der aktuellen Initiative der Europäischen Union zum Europäischen Gesundheitsdatenraum (EHDS).

FT: Da die ersten Modelle dieser Art jetzt erst auf den Markt kommen, erfolgt die Implementierung hauptsächlich in der Forschung. Dies kann vom einfachen Herunterladen des Modells und dessen Ausführung auf eigenen Daten bis hin zur Nutzung eines Online-Dienstes reichen, um manchmal unerschwingliche Rechenkosten lokal zu vermeiden. Ich würde jedoch bald erwarten, dass erste Ergebnisse dieser Art ihren Weg in Kliniken finden werden – angesichts der vielversprechenden Ergebnisse sowie der Begeisterung und bereits jetzt signifikanten Investitionen von Risikokapitalgebern in Startups mit ähnlichen Missionen.