Human Longevity Inc gründet KI-Ableger zur Vorhersage von Krankheiten und Entschlüsselung der Alterungsbiologie

Human Longevity, Inc., ein Pionier im Bereich genomikgestützter Gesundheitsdaten, hat eine eigenständige KI-Einheit namens Human Life Foundation Models, Inc. (HLFM) ausgegründet – mit einer klar definierten Mission: die umfassendsten KI-Modelle aufzubauen, die jemals mit menschlichen Gesundheits- und Alterungsdaten trainiert wurden. Dies ist bedeutsam, weil Foundation Models – dieselbe Technologieklasse, die großen Sprachmodellen zugrunde liegt – Muster über enorme, vielfältige Datensätze hinweg synthetisieren können, wie es herkömmliche Forschungsmethoden nicht vermögen, und dabei möglicherweise neue Erkenntnisse darüber erschließen, warum wir altern und wie sich dieser Prozess beeinflussen lässt.

Die Ankündigung des Starts von HLFM dreht sich um eine Flaggschiff-Kooperation mit Insilico Medicine, einem Unternehmen, das für den Einsatz generativer KI zur Entdeckung neuer Wirkstoffe bekannt ist. Die Partnerschaft ist auf mehrere Jahre und mehrere Millionen Dollar angelegt und verbindet Human Longevitys umfangreiches Repository multi-omischer Daten (Genomik, Proteomik, Metabolomik), medizinischer Bildgebung, klinischer Aufzeichnungen und longitudinaler Gesundheitsverfolgung mit Insilicos KI-Architektur und Trainingsinfrastruktur.

Die erklärten Ziele sind ehrgeizig: individuelle Krankheitsrisiken früher und präziser vorherzusagen, die molekularen und biologischen Mechanismen des Alterns zu entschlüsseln, die Entdeckung sowohl präventiver Strategien als auch therapeutischer Interventionen zu beschleunigen und letztlich eine wirklich personalisierte Langlebigkeitsversorgung zu ermöglichen. Dies sind genau jene Probleme, an denen die konventionelle Forschung aufgrund fragmentierter Daten und analytischer Einschränkungen bislang gescheitert ist.

Ein bemerkenswertes Gestaltungsmerkmal ist die datenschutzwahrende Architektur. Rohdaten auf Patientenebene verbleiben bei ihren ursprünglichen Verwahrern und werden weder zentralisiert noch an Insilico übermittelt. Das Modelltraining findet in sicheren, dezentralisierten Umgebungen statt. Dieser Ansatz adressiert eine wesentliche Hürde bei Gesundheits-KI – die Spannung zwischen Datennutzen und Datenschutz.

Einschränkungen sind der Erwähnung wert. Es handelt sich um eine Unternehmensankündigung, keine peer-reviewte Forschung. Bislang wurden weder Modelloutputs noch klinische Validierungsdaten veröffentlicht. Die genannten Marktgrößen (UBS prognostiziert Ausgaben im Bereich Langlebigkeit von 8 Billionen US-Dollar bis 2030) spiegeln eine kommerzielle Rahmung wider. Die reale Wirkung hängt davon ab, ob die resultierenden Modelle eine validierte Vorhersagegenauigkeit nachweisen und sich in handhabbare klinische Werkzeuge übersetzen lassen.