Subscribe
Share
Share
Embed
Born & Kepler is named after the mathematician and scientists Max Born and Johannes Kepler. This bilingual podcast, offered in both German and English, dives into the expansive world of Artificial Intelligence (AI), exploring its foundations, evolving technology trends, academic search, and its impact on businesses and society.
Born & Kepler will feature a diverse lineup of experts from academia, venture capital, private equity, journalism, entrepreneurship, CTOs, and policymakers. Each guest offers unique insights into how AI is reshaping their sectors and what we might expect in the future.
Our goal is to provide a deep understanding of the core principles and breakthroughs in AI, enabling you to stay updated with the latest advancements in AI technologies and how they are transforming industries. During our episodes, we will explore how AI is influencing business strategies, optimizing operations, and driving innovation. We will also explore the ethical, social, and regulatory aspects of AI in everyday life.
Roland Schwarz (00:04.757)
Andreas, sehr schön hier zu sein. Vielen Dank.
Andreas Deptolla (00:05.47)
Vielleicht steigen wir direkt ein, wir haben uns Vorgespräch auch so ein bisschen kennengelernt. Vielleicht noch mal zu deinem Hintergrund akademisch, wo du gestartet hast und die Schnittstelle jetzt zwischen der Medizin und Informatik.
Roland Schwarz (00:25.486)
Ja, gerne. Also da bin ich tatsächlich so ein bisschen zufällig reingestolpert. Ich habe ganz klassisch Informatik studiert in Würzburg im schönen Unterfranken und wollte eigentlich mehr so in die Richtung Software Engineering, also klassische Softwareentwicklung geben. Habe in ziemlich jungen Firma, man würde sagen im Start-up im Prinzip gearbeitet von Bekannten von mir und bin dann aber für meine Diplomarbeit damals noch in eine Bioinformatikfirma, Lokale gegangen und zwei Mann Unternehmen, das auch so eine Start-up Ausgründung war von der Uni.
und hab dort dann zum ersten Mal Kontakte gehabt mit Bioinformatik, mit Computational Biology, also dieser Schnittstelle zwischen der Biologie, der Medizin und der Informatik. Und fand das sehr spannend und wurde dann empfohlen, doch Promotionen zu machen, zu promovieren, gerade an dem Neugegründeten. war jetzt alles, wir reden hier von 2000, 2000er Jahre, dass ich studiert habe, genau, also ab 1998 und so in dem, dem, gerade so in der Blütephase der Bioinformatik. Und da gab's ein neues Department an der Universität in Würzburg und
Genau, da habe ich dann promoviert. Bis 2008 und bin dann 2009 für zunächst angedacht drei Jahre, aber tatsächlich waren es fast sieben Jahre, nach England gegangen und war dann an der Uni Cambridge. Zuerst am Cancer Research UK-Institut, also einem Forschungsinstitut der großen Krebsstiftung, englischen Krebsstiftung Cancer Research UK. Und dann am Europäischen Bioinformatik-Institut. Das ist das große ...
Bioinformatik-Institut des EMBLs, das Europäische Molekularbiologie-Laboratorium, was seinen Hauptsitz in Heidelberg in Deutschland hat. genau, war ich dann auch noch einige Jahre tätig. Bis 2016 war das ungefähr. Und dann bin ich als Juniorgruppenleiter, also als frischgebackener Forschungsgruppenleiter an das Max-Dell-Brück-Zentrum in Berlin gegangen, wo ich fünf Jahre knapp tätig war und bin dann seit Anfang 22 in
der Universität Köln jetzt als Professor und leite hier das Institut für Computational Cancer Biology, also auch wieder ein Institut an dieser Schnittstelle eben zwischen Medizin und Informatik.
Andreas Deptolla (02:31.23)
Das heißt, aktuelle Schwerpunkt der Forschung ist letztendlich Informatik und Krebsforschung. Kannst das für uns noch ein bisschen ergreifbarer machen? Was schaut ihr euch genau an?
Roland Schwarz (02:47.558)
Genau, wir machen sehr viel Genomforschung. Das heißt, wir sequenzieren Krebsgenome, also die DNA, die Basenpaare der DNA des Tumors und des Patienten und versuchen zu verstehen, der Tumor, wie der Krebs im Patienten sich entwickelt, wie es zur Krebsentstehung kommen konnte, aber auch wie es zum Beispiel zu Resistenzentwicklungen und Ähnlichem kommt.
Andreas Deptolla (03:10.27)
Gibt es Unterschiede, was die verschiedenen Krebsarten angeht? es irgendwie Lungenkrebs ist oder wie man das als Laie verstehen
Roland Schwarz (03:22.142)
Genau, also grundsätzlich gibt es große Unterschiede, aber vom Prinzip her ist es alles relativ ähnlich. Krebs ist sozusagen eine sehr spezielle Krankheit, nicht wie viele andere, dass wir uns infizieren, sondern sie entsteht eben in unserem eigenen Körper durch natürliche Auftretende oder durch Exogene, also von außen verursachte Mutationen, also Veränderungen in unserer DNA-Sequenz. Wir haben in jeder unserer Zellen drei Milliarden dieser DNA-Basenpaare, der bekannten ACs, GS und TS.
Und durch den normalen Alterungsprozess können diese mutieren. Aber eben auch durch Schadstoffe von außen, durch UV-Licht, durch Rauchen, ist bekannt dafür, dass es DNA verändert, viele andere Chemikalien. Und die meisten dieser Mutationen sind harmlos. Aber die Mutationen werden jedes Mal, wenn eine Zelle sich teilt, und Zellteilung ist ein ganz normaler Prozess für Regeneration, für Wundheilung, für viele normale Prozesse im Körper, jedes Mal, wenn die Zelle sich teilt, werden diese Mutationen an die Tochterzellen weitergegeben.
Und jedes Mal kann unter Umständen auch eine neue hinzukommen. Manche werden auch korrigiert, aber die meisten bleiben dann eben doch erhalten. so entsteht am Ende eine kritische Kombination oder kann eine kritische Kombination von solchen Mutationen entstehen, die dann bestimmte Funktionen der Zelle außer Bahn geraten lassen, sag ich mal. Und dazu führen können, dass die Zellen sich zum Beispiel unkontrolliert teilen. Und dann haben wir einen wachsenden Tumor, dass diese Zellen, diese frischen Krebszellen dann ...
die nicht mehr dem Immunsystem unterliegen, also sogenannte Immunevasion-Unternehmen. Ähnliches, genannt durch Hallmarks, bestimmte Charakteristika, die Krebszellen haben. Metastasierung, dass sie in andere Gewebereien wachsen können. Sie verhalten sich nicht mehr so wie die normalen Zellen. Damit ist der Krebs eine interne Erkrankung unserer eigenen Zellen. Und entsprechend sehr viel schwieriger zu behandeln als viele klassische Infektionen.
Andreas Deptolla (05:18.878)
Kann man eure Zielsetzungen ein bisschen eingrenzen? Versucht jetzt zu verstehen, wie kann ich Krebs früher erkennen oder behandeln? Was sind so die Schwerpunkte von dir und deinem Team?
Roland Schwarz (05:36.169)
Genau, also ich glaube, wir arbeiten genau auf diesen beiden von den angesprochenen Ebenen. Also auf der einen Seite ist, weil Krebs ebenso schwierig ist zu behandeln, ist Früherkennung unglaublich wichtig. Das wissen wir alle aus den Früherkennungsprogrammen. Wenn wir Männer sind, gehen wir irgendwann zum Urologen, die Frauen gehen zum Brustkrebsscreening. Das ist ganz entscheidend, denn je früher der Krebs erkannt werden kann, insbesondere bevor er metastasiert ist, also bevor er gestreut ist im Körper, umso besser können wir mit den Therapien, die wir haben, damit umgehen. Das ist die eine Seite der Medaillen. Auf der anderen Seite
ist es aber eben so, dass nicht alle Tumore immer rechtzeitig erkannt werden können. wenn das Kind einmal in den Brunnen gefallen ist, dann versuchen wir natürlich mit unserer Forschung das große Problem der Resistenzentwicklung versuchen wir anzugehen. Uns besser, erst mal momentan noch besser zu verstehen, wie kommt es eigentlich zur Resistenzentwicklung? Warum sprechen manche Tumore auf bestimmte Behandlungen an und andere dann erst mal oder auch später nicht mehr?
Und genau, das ist so ein Kernbestandteil unserer Forschung. Also auf diesen beiden Ebenen tatsächlich arbeiten wir. Früherkennung und Resistenzentwicklung.
Andreas Deptolla (06:35.294)
vielleicht noch mal so ein Doppelklick machen auf die Früherkennung. Wie kann ich mir das plastisch vorstellen? das dann Bilder, die hochgeladen werden, Bilderkennung darüber werden dann oder sind es Daten, Blutwerte, was genau benutzt ihr, um letztendlich die Sachen auszuwerten?
Roland Schwarz (06:56.106)
Genau, da hatten wir jetzt eine ziemlich spannende Studie zusammen, auch mit der Uni Cambridge. Das war noch so eine alte Zusammenarbeit, aus meiner England-Zeit kam und ich mit nach Berlin oder nach Köln genommen habe. Da ging es Früherkennung von Lungenkrebs. Das ist ja so bisschen die alte, bekannte Geschichte. Jeder kennt den Opa, der 70 Jahre lang geraucht hat und nie Lungenkrebs hatte. Und andere bekommen aber sehr früh einen sehr aggressiven Lungenkrebs durchrauchen oder auch nicht und sterben sehr früh daran.
Die Vermutung ist, dass es vielleicht eine gewisse Prädisposition gibt in der Bevölkerung, also dass manche Menschen grundsätzlich eher resistent sind oder eher weniger geneigt sind, Tumore zu entwickeln als andere. Und das ist diese persönliche Antwort auf bestimmte, jetzt in dem Fall exogene Faktoren, also Rauchen zum Beispiel als klassischer Risikofaktor, wie der einzelne Patient damit umgeht. Das ist so bisschen die Frage, ob man das frühzeitig bestimmen kann, dann zu sagen, hier hör mal zu,
Sagen wir mal, bei dir sieht das jetzt schon gefährlich aus. Lasst dich mal richtig screenen, geh mal zum Arzt und lass dich mal scannen. Vielleicht mit einem CT-Scan, einem niedrig dosierten CT-Scan oder einem MRT, schon mal ein erstes Verdachtsfall auszuschließen. Es geht gar nicht so sehr darum, unbedingt den Tumor zu erkennen, sondern in der breiten Bevölkerung die Personen zu identifizieren, die besonders risikobehaftet sind. Ja, und dadurch haben wir, in dieser Studie, wir jetzt, das kann man natürlich nicht invasiv machen, da haben wir Nasenabstriche, kennt jeder von ...
aus der Corona-Pandemie Nasenabstriche als einfach verfügbares Gewebe haben wir benutzt und dann in diesen Nasenabstrichen die RNA, das nächste Level nach der DNA, die exprimierten Gene ausgelesen und anhand dieser sogenannten Transkriptionsmessungen Risikofaktoren erstellt bzw. ausgewertet und inferiert, eben für jeden Patienten in unserer Kohorte sagen zu können, das ist ja
Verdächtiger Fall, nicht so Verdächtiger Fall, ist jemand, der hat wahrscheinlich ein erhöhtes Risiko. Da sollte man eben nochmal genauer nachsehen. Also Früherkennung, ja.
Andreas Deptolla (08:59.102)
Wie würdest du den Erfolg beurteilen letztendlich, so für die letzten zehn Jahre, wenn man sich ein bisschen überlegt, okay, wo standen wir da? Und heute kann man das sagen, dass man sagt, ja, es gibt bestimmte Krebsarten, wo ich jetzt wirklich vielleicht keinen Durchbruch habe, aber das ich das viel genauer früher erkennen kann.
Roland Schwarz (09:21.664)
Bei der Früherkennung jetzt im Speziellen. Ich glaube schon, dass ich da vieles getan habe. Vieles davon ist natürlich auch erst mal Bildung und die Bevölkerung aufzuklären über bestimmte Risikofaktoren und dass man eben die Screening-Maßnahmen, die es bereits gibt, wahrnimmt. Das ist der eine Teil. Und der andere ist eben genau solche Projekte, wie ich sie gerade gesagt habe. Da gibt es, glaube ich, schon einige auch klinische Studien zu, die auch gerade was so niedrig dosierte CT-Screening und ähnlich angeht, gezeigt haben, dass es durchaus ein Benefit hat. Das muss man natürlich immer mit den Kosten abwägen.
Andreas Deptolla (09:26.078)
Hm.
Roland Schwarz (09:50.901)
Also ich sag mal Durchbruch, dass man jetzt, also man erkennt Krebstumore grundsätzlich jetzt schon sehr viel früher als noch vor 30, 40 Jahren auf jeden Fall. Genau da einen wirklichen Durchbruch zu erzielen wird wahrscheinlich auch hier wieder mit einem technologischen Fortschritt passieren. Also das sind so zum Beispiel Liquid Biopsies, also quasi kann man aus Blut, direkt aus Blut, aus einer Blutprobe frühzeitig Tumore erkennen, sind dann ein sehr interessantes, spannendes Forschungsfeld.
Andreas Deptolla (10:17.782)
Was ist der moment der Constraint? In der Technologie ist es Computing Power, das Modell oder was würde dir und deiner Mannschaft am meisten weiterhelfen?
Roland Schwarz (10:36.59)
Okay, das sind, glaube ich, zwei unterschiedliche Fragen. Ich denke, das Feld insgesamt in den letzten Jahren hat viel profitiert von technologischen Fortschritten und nicht notwendigerweise von neuen bahnbrechenden Erkenntnissen, ich mal. Wir hatten keine neue Relativitätstheorie, die uns das bestimmte Ding einfach erklärt hat, sondern die Fortschritte, gemacht wurden wie so etwas wie KT-Zelltherapie, also Immuntherapien, waren ein technologischer Fortschritt. Ich glaube, das waren die großen Durchbrüche, gerade im Bereich der Krebsbehandlung in den letzten Jahren.
Ich glaube, was uns als Datenwissenschaftler und als Forscher im Bereich der KI in der Krebsforschung wirklich fehlt, wäre eine deutsche oder idealerweise europäische Dateninitiative, Datenlandschaft, ein gemeinschaftlicher Datenraum, der diese Datensilos, die wir leider immer noch haben, an Universitäten, an einzelnen Institutionen mit aufbricht.
Andreas Deptolla (11:28.414)
Ich gehe mal davon aus, dass Wichtigkeit der Daten sind, damit ihr auswerten könnt und viel bessere Resultate habt. Woran liegt das denn? Ist das ein deutsches Problem hier im Phänomen? Du sagst ja, du warst ja in Cambridge. Hast du das England auch gesehen?
Roland Schwarz (11:51.715)
Ich glaube schon, dass die Engländer im Umgang mit ihren Daten etwas pragmatischer aufgestellt sind als jetzt in Deutschland. Neben dem Datenschutz natürlich in Deutschland, auch gerade in Europa schon sehr, sehr genau. Das ist zum Schutze sicherlich der Bürger, aber manchmal eben auch sehr hinderlich für die Wissenschaft in dem Fall. Ich glaube, da müsste auch regulatorisch noch bisschen was passieren, das zu erleichtern.
Definitiv würde ich, also mein Eindruck war schon, dass das in England etwas einfacher gefallen ist. Da gibt es große Initiativen wie die UK Biobank zum Beispiel, eine große Initiative, wo Genomdaten mit anderen Gesundheitsparameter zusammengebracht werden und die vielen vielen Forschern eine großartige Datengrundlage war, auch international. Und sowas in Deutschland aufzustellen, es gibt ähnliche Initiativen bei uns, nationale Kohorte und andere, aber das ist, genau, hat sich nicht so durchgesetzt.
Andreas Deptolla (12:42.108)
Wir hatten im Vorgespräch auch gesprochen über andere Wege, also Daten zu simulieren.
mostly AI war ja ein Thema im kommissionellen Bereich. Sind das Wege für euch, wenn ihr sagt, wir schaffen es in Deutschland nicht den Durchbruch auf einer Gesetzesebene zu schaffen?
Roland Schwarz (13:09.226)
Ja, also simulierte Daten spielen bei uns eine große Rolle natürlich auch schon dann deswegen, weil selbst wenn wir jetzt der Datenaustausch perfekt klappen würde in Deutschland, die großen KI-Modelle natürlich extrem große Datenmengen brauchen und die kann man in unserem Bereich natürlich fast nur durch auch durch eine Kombination aus echten Daten und Simulationen erreichen. Und ein typisches Beispiel wäre jetzt, wir versuchen hier im Bereich der Krebsevolution, versuchen wir aus vielen Krebsgenomen
mittels KI bestimmte Ähnlichkeitsmaße zu berechnen, also wie evolutionär verwandt sind Genome oder sind diese Tumorzellen. Und dafür kann man natürlich Zellen sequenzieren, also die DNA-Sequenz auslesen. Das ist dafür sehr hilfreich. Aber so viele Zellen können wir nicht sequenzieren. wäre gar nicht das Budget da, auch insgesamt nicht. Also selbst wenn wir jetzt Zugriff auf alle Zellen hätten. Deswegen müssen wir natürlich mit cleveren Algorithmen selber Daten simulieren, mit denen wir dann unsere KI-Algorithmen so...
semi-supervised oder self-supervised eben trainieren können. Ja, spielt eine ganz große Rolle.
Andreas Deptolla (14:10.014)
Thema Agentic AI in dem Feld. Vielleicht kannst du das nochmal definieren und auch so Chancen und Risiken so ein bisschen für uns skizzieren.
Roland Schwarz (14:23.786)
Ja, genau, das ist bisschen so eine Begrifflichkeit. KI natürlich, künstliche Intelligenz ist jetzt in aller Munde, aber tatsächlich gibt es das Feld ja schon sehr, lange. Also dieses Konzept der neuronalen Netze kommt aus den 60ern. Auch ich habe jetzt seit meiner Doktorarbeit mit dem gearbeitet, was ich immer als Machine Learning bezeichnet hätte, also maschinelles Lernen. Heutzutage wird das als KI bezeichnet. Im Volksmund allerdings hat künstliche Intelligenz eher, denkt man dann eher an Chat-GPT, also an diese autonomen
Chatbots, die selbstständig agieren können, vielleicht idealerweise eigene Bewusstsein haben und dann Dinge tun. also, Agents AI sind eben künstliche Intelligenz-Agenten eher. Also, chatbots oder Dinge, die zumindest semi-autonom arbeiten können, einen Auftrag bekommen und dann selbstständig Aktionen ausführen. Das sind aber nur ein ganz kleiner Teil des eigentlichen KI-Feldes. Zum Beispiel in jedem MRT-Gerät, das in Krankenhäusern im Einsatz ist, sind AI-KI-Tools
kommen zur Anwendung, die direkt die Bilder, die aufgenommen werden, scannen und bestimmte Bereiche, Highlighten für den Radiologen. Aber nicht autonom Entscheidungen treffen, das ist der wichtige Unterschied, glaube ich. Also, Agentic AI würde da anfangen, wo da kein Radiologe mehr sitzt, sondern die KI selber entscheidet, das ist jetzt ein Tumor oder nicht, oder da ist was besonders daran, was dann in den Arztbericht kommt.
Andreas Deptolla (15:41.566)
Jetzt habe ich gelesen, da können wir auch gerne noch mal in die Showns rein. Da gab es irgendwie eine Untersuchung in USA, Microsoft das beauftragt. Da ist natürlich vielleicht eine gewisse Sichtweise drauf. Aber ich glaube, irgendwie sich angeschaut, GROG, OpenAI, Gemini und habe quasi einen Agenten darüber gebaut und habe dann gesagt, gib mir mal irgendwelche komplizierten medizinischen Fälle.
Dieses Modell hat es zu 80 % gelöst und haben sie die gleichen Fälle in den normalen Arzt gegeben. war 20%. Überrascht dich das?
Roland Schwarz (16:21.038)
Ich kenne sie in genauem Fall nicht, kann das nicht sagen, was das für Fälle waren. Muss man immer ziemlich differenziert hinschauen. Aber grundsätzlich mal ist natürlich, wenn man davon ausgeht, dass die Fälle, die präsentiert wurden, Fälle sind, häufig sind, einfach nur weil die Wahrscheinlichkeit, dass es ein solcher Fall ist, sehr hoch ist, und die KI sehr viele häufige Fälle schon gesehen hat, dann ist die Möglichkeit dazu für Allgemeine relativ hoch.
Das ist der eine Punkt. Ich glaube mal, grundsätzlich gerade diese Standardfälle mit guter Genauigkeit von einer KI bearbeitet werden könnten. Ob die Ärzte da wirklich nur bei 20 Prozent sind, möchte ich keinen Kommentar abgeben. das ist vielleicht auch gar nicht die entscheidende Frage. Die entscheidende Frage wäre natürlich, was würde denn die KI sagen, einem Fall, wo sie es nicht weiß? Sagt sie dann, das ist ein Husten oder ein Schnupfen? Das ist harmlos? Oder gibt sie zu, sie weiß es nicht und fordert dann noch weitere Untersuchungen an?
Das ist ja eines der Probleme, wenn man heute mit einem Chatbot spricht. Der sagt ja eigentlich fast nie, das weiß ich nicht, sondern der sagt immer irgendwas und meistens irgendeinen Blödsinn. Ja, sehr bestimmt, sehr confident in den Quatsch. Genau. Das ist die eine Frage. Und dann natürlich die ganze Frage nach der ethischen Verantwortung. wenn der Arzt einen falschen Befund erstellt, dann trägt er eine gewisse Verantwortung dafür. Wer hat denn die Verantwortung, wenn ein autonomer KI-Agent denen eine Fehldiagnose durchführt? Ist das dann die Firma oder der
Andreas Deptolla (17:20.971)
sehr bestimmt.
Roland Schwarz (17:46.251)
Das Krankenhaus, das den eingesetzt hat oder der KI-Agent selber wohl kaum. Ich glaube, sind einfach noch viele die gleiche Frage beim Autofahren, autonomen Fahren. Da sind viele moralische, ethische, auch rechtliche Fragen noch gar nicht geklärt. Deswegen gilt in Deutschland, und da muss auch keine Angst vorhaben, gilt in Deutschland immer noch, dass letztlich die finale Unterschrift unter der Diagnose kommt immer von einem Arzt. Das wird hier immer unter menschlicher Überwachung.
Andreas Deptolla (18:09.758)
Wenn man jetzt so sieht, sage ich mal gerade in Krankenhäusern, wo siehst du denn, ich mal, in der Forschung oder was ihr gerade macht, so wirklich die Anwendung, die am meisten den Ärzten Mehrwert bringt, ist es im Bereich von Analyse von Bildern, die man wirklich sagt, okay, oder sind es irgendwelche anderen Anwendungen, wo siehst du heute schon, ja, ich sage mal, im Alltag
Mehrwert.
Roland Schwarz (18:42.286)
Ich glaube tatsächlich, das eine, was ich angesprochen habe, ist die Bildverarbeitung. in der Radiologie, in den MRT-Scannern, dass da KI unterstützend dem Radiologen, dem Arzt hilft, Befunde zu erstellen, ist, glaube ich, ganz wichtig. Ich glaube, eine der entscheidendsten Bereiche, wo KI helfen wird, ist die Krankenhausdigitalisierung tatsächlich. Und das ist auch das, wo gerade sehr viel geforscht wird. Da kriegt der Patient vielleicht gar nicht so viel mit, aber das
Andreas Deptolla (18:45.566)
Mhm.
Roland Schwarz (19:09.312)
Man muss sich vorstellen, Arztbriefe werden tatsächlich Prosa erstellt, dann ausgedruckt, oft danach wieder eingescannt und dann liegen sie einfach nur in Textform vor. Das ist für einen Computer natürlich nicht verarbeitbar. Jetzt mit diesen Large-Language-Models, den großen Sprachmodellen, sind wir in der Lage, diese Arztbriefe wieder zu digitalisieren und tatsächlich Befunde daraus zu ziehen, oftmals gar nicht in, die nur in dieser Prosa-Form vorliegen sozusagen. Also da passiert gerade auf dem Bereich der Krankenhaus-Digitalisierung
Auch mit lokalen Modellen, da muss sich keiner vorstellen, dass derartige Briefe dann bei ChetGPT in die Cloud geladen werden, sondern das sind lokal installierte auf Servern, die im Krankenhaus in der Universität stehen. Dort werden eben diese Sprachmodelle eingesetzt, diese Arztbriefe zum Beispiel wieder zu digitalisieren und Daten zusammenzuführen an Krankenhäusern. Und davon werden Patienten sehr indirekt, glaube ich, große Vorteile davon haben.
Andreas Deptolla (19:58.462)
Das wäre auch spannend für den Patienten, wenn das letztendlich zentral für den Patienten gespeichert wird und ich kann zum Arzt gehen und der Arzt kriegt sofort irgendwie eine Zusammenfassung von den letzten 20 Jahren. Kurz zusammengefasst, weil die meisten Ärzte haben ja auch nicht viel Zeit. Entscheidungen werden dann in 20 Sekunden gefällt und dass man da einfach mehr Daten hat, die, sag ich mal,
sehr präzise aufgearbeitet werden. Das ist ja schon ein riesen Mehrwert.
Roland Schwarz (20:33.14)
Ja, auf jeden Fall. ich glaube, da gehört immer eine technologische Weiterentwicklung dazu, aber auch eine kulturelle, gerade in Deutschland. Und wir sehen ja an dem Widerstand der digitalen Patientenakte, dass es nicht immer so einfach ist, wie man sich das manchmal vorstellt. Aber grundsätzlich stimme ich dir dazu.
Andreas Deptolla (20:37.95)
Mhm.
Andreas Deptolla (20:48.99)
Sind das eher Grenzen, wir uns im Kopf setzen oder sind das Gefahren, die da sind, wo man es so hat?
Roland Schwarz (21:07.214)
Das hängt, ich, vom Einzelfall ab. Ich glaube schon, dass es da kulturell in Deutschland eher so eine Zögerlichkeit gibt, neue Technologien mit Bar direkt. Die Deutschen sind ungern Early Adopters, würde ich mal sagen. ist manchmal einfach so. ist man so ein bisschen mehr so eine Zögerlichkeitshaltung dahinter. Auf der anderen Seite glaube ich, dass es da regulatorisch eben auch noch einiges an Arbeit gibt.
Grundsätzlich technologisch sind da keine großen Hürden. Das könnte man alles umsetzen, wenn man den entsprechenden Willen, die entsprechende Finanzierung und die entsprechende rechtliche Rahmenbedingungen hat. Also was jetzt Krankenhausdigitalisierung angeht, was überhaupt Digitalisierung des Gesamtgesundheitssystems angeht. Da gibt es auch Vorreiter in Deutschland, die das sicherlich ganz gut machen. Also ein Kollege und Freund von mir leitet das ICIM in Essen, das Institut für Künstliche Intelligenz in der Medizin.
Essen ist relativ weit fortgeschritten, was die Digitalisierung des Krankenhauses angeht, die Zusammenführung von Daten. Und da ist schon ganz spannend zu sehen, was an der Stelle passiert. Aber auch hier in Köln haben wir jetzt mittlerweile einige Initiativen, die das eben immer wieder vorantreiben und da wir sind auf einem guten Weg da auch nachzuziehen.
Andreas Deptolla (22:15.262)
Die Gefahr ist wahrscheinlich eher so bisschen auch, man von den USA, ob man von China abgehängt wird. wir immer wieder in Deutschland diese Grenzen haben, was Daten an Themen angeht. Von daher, ich glaube, unheimlich wichtiges Thema, dass man das irgendwie löst.
Roland Schwarz (22:36.558)
Auf jeden Fall. Ich glaube, ist auch ein bisschen, also einer der Punkte ist, dass da viel Forschung natürlich in den großen Firmen, in den großen Techfirmen passiert. Also wenn man jetzt wirklich von KI-Forschung spricht. Und genau das ist in Deutschland natürlich auch aufgrund der gesamten Struktur, glaube ich, deutlich schwieriger, so etwas umzusetzen.
Andreas Deptolla (22:53.5)
Wenn wir noch mal bisschen zurückgehen auf die Krebsforschung. Ganz grobe Frage, wie weit sind wir denn eigentlich entfernt, dass man Sachen mit einer relativ hohen Wahrscheinlichkeit vorhersehen kann. Dass du sagen kannst, sind hier 99 % sicher, da sollte ein CT gemacht werden. Kannst das für uns ein bisschen...
beschildern, wie weit wir eigentlich technologisch und wissenschaftlich davon entfernt sind.
Roland Schwarz (23:29.838)
Also auch da muss man, glaube ich, unterscheiden zwischen der Krebsfrüherkennung auf der einen Seite und eben der Vorhersage von Tumor-Evolution oder Krebsentwicklung später im späteren Stadium. Ich bin jetzt kein Epidemiologe, deswegen war das ein bisschen vorsichtig, aber wenn die Früherkennungsstrategien gemacht werden, ist, glaube ich, die Sensitivität schon ziemlich hoch. Also wir können frühzeitig erkennen, da gibt es etwas, das genauer untersucht werden müsste.
Und die vielen negativen Ergebnisse, die dann zurückkommen, wo man sagt, okay, war doch nichts, sprechen ja grundsätzlich dafür. ist ja auch gewollt. Wir gehen alle hoffentlich zum Hot-Crib-Screaming alle paar Jahre. Ab und zu guckt man sich mal Mutter näher an, aber meistens ist dann eben nichts. Ich glaube, auf der Ebene ist das schon sehr gut. Was noch deutlich schwieriger ist, ist die Vorhersage von Tumorevolution, der Entwicklung des Tumors, ganz im Allgemeinen.
Da muss man vielleicht bisschen ausholen, was das eigentliche Schwierigkeit dabei ist. ich habe ja vorhin erzählt, dass diese Zellen Mutationen anhäufen und diese sich eben dann von Zellteilung zu Zellteilung weitergegeben werden. Und das ist sehr ähnlich zu der Evolution von Spezies, so wie wir sie aus der Natur kennen und wie Darwin ursprünglich darüber mal gedacht hat. Das heißt, diese ständigen Mutationsprozesse, die in einem Tumor passieren,
Die erzeugen etwas, was als Tumorheterogenität bezeichnet wird. Der Tatsache, dass in einem Tumor viele Zellen sind, die alle nicht gleich sind, sondern alle sehr unterschiedliche DNA, sehr unterschiedliche Genome haben. Und diese Tumorheterogenität, die führt schließlich zur Resistenzentwicklung oder ist einer der Hauptgründe dafür. Man kann sich vorstellen, dass wenn man eine Milliarde Zellen hat, eine sehr große Anzahl von Zellen, die alle zufällige Mutationen haben, das einfach nur durch, ich sag mal, blöden Zufall ganz salopp
eine der Zellen oder eine ganz kleine Gruppe von Zellen, die vielleicht identisch sind, zufällig einen Mechanismus entwickelt haben, der sie resistent macht gegen eine bestimmte Behandlung. Aus welchen Gründen auch immer. Und wenn jetzt die Behandlung dann verwendet wird, dann werden alle Zellen abgetötet und diese drei, vier, fünf kleinen Tumorzellen, die dummerweise resistent waren, die überleben eben diese Behandlung. Und auf dem CT-MRT sieht der Patient erstmal geheilt aus, man sagt, der spricht hervorragend an, das ist alles ganz großartig.
Roland Schwarz (25:50.773)
Zwei Monate später ist er wieder da mit einem neuen Tumor, weil diese fünf Zellen sich wieder geformiert haben, exponentiell gewachsen sind. Aber diese neuen Zellen erben alle die Eigenschaft, die ersten drei Zellen hatten, nämlich Resistenz gegen die Behandlung. Und die zweite Runde Behandlung schlägt an Fehl. Das passiert in sehr vielen Fällen. das sozusagen frühzeitig, nicht nur frühzeitig zu erkennen, sondern auch in der Lage zu sein, vorherzusagen, mit welcher Wahrscheinlichkeit ...
bestimmte Mutationen schon in einem Tumor, selbst wenn wir sie erst mal gar nicht sehen, aber trotzdem schon vorhanden sind, das ist so ein bisschen die Aufgabe. Und dieser Teil ist eben sehr schwer. Dazu muss man diese Prozesse verstehen, diese Mutationsprozesse. Man muss wissen, welche Mutationen werden selektiert und welche nicht, ja? So wie bestimmte Eigenschaften bei bestimmten Tieren in der Umwelt selektiert werden. So ist es bei diesen Krebszellen auch. Und diese Vorhersagen zu machen, das ist ein bisschen Kämpfen mit dem Chaos.
und wrestle mit der Natur. Das ist nicht ganz einfach. Und ich glaube, auf der Seite, ist noch viel Bedarf für neue Methoden, für mehr Daten, für auch die Analyse von großen Datenmengen, für künstliche Intelligenz letztlich auch, da entscheidend voranzukommen.
Andreas Deptolla (27:03.416)
Das wäre dann wahrscheinlich auch der große Durchbruch. haben ja auch im Vorgespräch mal so gesprochen, was wäre eigentlich so die... Oder würdest du sagen...
Roland Schwarz (27:15.118)
Ja, das wäre ein Möglicher. Auch da, glaube ich, gibt es auch wieder verschiedene Probleme, die sozusagen angegeben werden. Das eine ist, zu verstehen, was für Mutationen passieren, mit welcher Wahrscheinlichkeit, und können wir sie vorhersagen. würde auf jeden Fall sehr helfen. Aber selbst wenn wir das wissen, müssen wir in der Lage sein, diese Mutationen oder diese Tumorzellen dann auch zu bekämpfen in irgendeiner Form. Das passiert normalerweise jetzt in der Immuntherapie zum Beispiel über ...
sogenannte Neoantigene, also diese Mutationen, der Tumor hat, aber unsere normalen Zellen nicht haben, erzeugen Veränderungen auf den Oberflächen der Zellen. Diese Veränderungen auf den Oberflächen der Zellen, können von Antikörpern erkannt werden. Und man kann Antikörper programmieren dafür, dass sie diese Neoantigene erkennen. Und dann kann man daraus eine Immuntherapie entwickeln. Jetzt mal ganz banal gesagt. wenn wir in der Lage wären, alle diese neuen
Moleküle auf der Oberfläche nicht nur zu erkennen, vorherzusagen, sondern auch noch unmittelbar dafür direkt eine Behandlung, die idealerweise sehr tödlich ist, für die Krebszellen und den anderen Zellen gar nichts tut, zu entwickeln. das siehst du schon, da sind verschiedene Bereiche, die alle vorangebracht werden müssen. Dann, glaube ich, hätte man so etwas, was man einen Durchbruch nennen könnte. Und ich glaube, da arbeiten einfach viele verschiedene Disziplinen auch gemeinsam dran. Also das ist nicht nur eine Frage der KI, nicht nur eine Frage der Datenwissenschaften, das ist eine Frage der Immuntherapie, eine Frage der Pharmakologie.
des Drug Designs, da sind große Pharma-Firmen daran beteiligt, nicht nur die akademische Forschung natürlich. Also ich glaube, da arbeiten weltweit sehr verschiedene Forschungsbereiche mehr oder weniger nah zusammen, eng zusammen, das anzugehen.
Andreas Deptolla (28:53.816)
Mit wem seid ihr denn verknüpft? sagtest gerade, gibt Pharma-Bereiche, es andere Universitäten. Wie kann man sich das vorstellen? Also Kooperationen, gemeinsam stärker zu sein.
Roland Schwarz (29:08.814)
Genau, ja. Also diese ganze Genomforschung vor allem passiert eigentlich ganz selten nur noch alleine der Wissenschaftler in seinem Kämmerchen. Also wir brauchen natürlich Kliniker, mit denen wir zusammenarbeiten, eben Zugang zu den Proben, zu den Daten zu haben. Aber tatsächlich finden gerade solche Genomik-Forschungsprogramme in großen Konsortien statt. Also es gab einige große internationale Konsortien. Das TCGA ist die amerikanische Variante, Beispiel der Cancer Genome Atlas heißt das. Das ist sehr großes amerikanisches Konsortium.
dass eben viele Tumore sequenziert hat, diese Mutationen zu verstehen. Die europäische Antwort darauf war das ICGC, das International Cancer Genome Consortium. ein kleines Gegenstück dazu. Ebenfalls sehr großes Konsortium. Wir waren auch Teil von diesen beiden und von PCOGS und einem weiteren Pancancer-Konsortium, das eben viele dieser Tumore analysiert hat. Und da arbeiten wirklich Hunderte von Wissenschaftlern zusammen.
Genau, auch teilweise in distributed computing auf verschiedenen Rechenzentren werden dann derartige große Kohorten bearbeitet. Aber selbst im kleineren Umfeld sind es meistens immer, sagen wir mal, fünf bis fünfzig Wissenschaftler, die meistens zusammenarbeiten und gemeinsam Projekte bearbeiten. Das eigentlich sehr selten, dass das Einzelstücke sind.
Andreas Deptolla (30:25.442)
Was war eigentlich in deiner Karriere so ein schwieriger Moment, wo du sagst, Mensch, das war irgendwie eine schwierige Zeit, da wir nicht weitergekommen, vielleicht eine Niederlage, was kommt da in den Kopf?
Roland Schwarz (30:44.522)
Ich glaube, die Wissenschaft ist voller Niederlagen. Ich erinnere mich an eine Sache in meiner Doktorarbeit, die mich, glaube ich, nachhaltig frustriert hat. Wir hatten untersucht, auch wieder Transkriptions- und diese RNA-Messungen in Bakterien tatsächlich. Und hatten die korreliert mit Gigam-Stoffwechsel in Bakterien. Aber auf jeden Fall hatten wir eine tolle Korrelation und ein tolles Ergebnis gefunden. Und ich hatte stolz mein erstes Paper geschrieben und wollte ...
erste wissenschaftliche Publikation. Es wurde dann zum Peer Review raus gesendet an eine wissenschaftliche Zeitschrift und wurde leider niederschmetternd abgelehnt von allen drei Gutachtern. Das wäre ja unsinnig, das könnte man ja nicht machen und die Ergebnisse, das würde ja auch alles gar nicht stimmen. Ich war sehr traurig und ich glaube, waren fünf Tage später erschien eine Publikation von dem führenden Figur in dem Feld, das ist der Witterwulf, die Mitterblumforschung in diesem Bereich.
Andreas Deptolla (31:22.076)
Hm.
Andreas Deptolla (31:29.374)
Mhm.
Roland Schwarz (31:43.787)
der ziemlich exakt das Gleiche zeigte wie meine Arbeit zuvor auch. War natürlich nur ein Teil davon, aber die Hauptfigur, also die Hauptabbildung, war sozusagen die gleiche. Und das wurde natürlich angenommen und das war dann für den kleinen Doktoranden doch schon etwas frustrierend. Aber ich glaube, das sind Geschichten, kennt jeder. es zeigt, dass das Wissenschaftssystem auch als solches manchmal etwas gnadenlos und etwas schwierig sein kann. Aber ja, ich glaube...
Andreas Deptolla (32:09.786)
Waren das die gleichen, die deine Arbeit bewertet haben, die letztendlich die...
Roland Schwarz (32:15.954)
Nein, ich glaube nicht. Das weiß man nicht. Es ist ein Anonym. Also es ist ja immer anonym. Die Reviewer ist anonym. Also das kann ich nicht sagen. Ich vermute mal. Keine Ahnung. Ich weiß es nicht. Wie sagte mein Doktorvater, da muss man sich in der wichtigsten Fähigkeit des Wissenschaftlers üben, abhaken. Genau. Und weitermachen.
Andreas Deptolla (32:33.06)
Ja, wahrscheinlich also die Marke als Wissenschaftler, die man sich in der Aufbau hat, auch einen größeren Effekt. Das lese ich so bisschen raus hier.
Roland Schwarz (32:45.55)
Genau. es ist halt einfach, ich glaube, es zeigt ganz deutlich, dass es sehr schwierig ist, auch Wissenschaft zu begutachten und zu bewerten. Das wissen alle, die in der Wissenschaft tätig sind. Natürlich kann man gewisse Kriterien anwenden. Und das ist, ich, einfach möglich oder gut möglich, so mal Unsinn herauszufiltern, der so ganz am den Bodensatz, ich mal. Aber unter der kompetitiven Wissenschaft vorherzusagen, was am Ende wirklich erfolgreich ist und was dann wirklich vielleicht Grundlage für einen Durchbruch ist oder auch nicht.
ist, glaube ich, unglaublich schwierig. Und da kann man sich auch mal ganz leicht vertun. Das ich, ja. Das passiert eben immer wieder, auch den erfahrensten Gutachtern.
Andreas Deptolla (33:21.316)
Was ist denn vielleicht von deiner Seite aus für die jungen Studenten heute, die sich für KI, Forschung interessieren, Medizin studieren? Es ist ja alles so ratend schnell. Wo fokussiere ich mich drauf? Was sind so die wichtigen Themen, die ich besetzen muss?
Roland Schwarz (33:39.417)
Ich glaube, es ist auch ein breites Feld. Ich glaube, da ist Platz für viele Leute. Die Frage ist, kommt man mehr von der angewandten Seite? Also ist man Biologe, Mediziner, der gerne mehr in die Computational Biology oder Künstliche Intelligenzforschung einsteigen will? Oder kommt man aus der anderen Seite, ist man ausgebildet in einer Formalwissenschaft, Mathematik, Informatik und möchte dann eher methodisch arbeiten, Methoden entwickeln, aber in einem angewandten Feld, in der Medizin und in Biologie?
Andreas Deptolla (33:40.798)
Hm.
Roland Schwarz (34:08.59)
Ich glaube, beides ist möglich. Da muss man sich überlegen, wo der Schwerpunkt liegt. Ich glaube, ein gutes Studium in einem dieser Bereiche, relativ ... Ich bin Informatiker, ich da sicherlich gebeißt. würde sagen, studiert Mathe, Informatik, Physik. Es ist, glaube ich, leichter, sich Fachwissen in der Biologie und in der Medizin noch nachträglich anzueignen als andersrum. Aber das mag auch meine ...
voreingenommene Sichtweise sein. dann glaube ich Python lernen, PyTorch lernen, Machine Learning Kurse belegen und ich glaube dann ist man relativ gut dabei und dann viel an Projekten arbeiten. Also ich bin großer Freund davon, am Job zu lernen, glaube ich, ist ganz wichtig. Ja, genau.
Andreas Deptolla (34:53.466)
die Praxis zu gehen. Jetzt gibt es ja gerade in USA traditionell sehr gute Forschung, super Anwendungen und politische Änderungen, was Visa angeht für die Studenten, für die PhDs.
Seht ihr das in Deutschland, dass Deutschland dadurch oder Europa attraktiver wird für die Top-Wissenschaftler oder ist das so noch nicht angekommen?
Roland Schwarz (35:25.678)
Ja, ich glaube schon, dass es da Tendenzen gibt von amerikanischen Wissenschaftlern, auch Europa als einen attraktiven und interessanten Standpunkt wahrzunehmen. haben, ich habe selber auch einige Amerikaner bei uns in der Arbeitsgruppe, kann ich es nicht genau sagen, dass die jetzt genau aufgrund von politischen Gründen nach Deutschland gekommen sind, aber sicherlich hat es auch mit einer Rolle gespielt. Kann ich mir vorstellen. Ich glaube schon, dass es eine Gelegenheit ist für Deutschland, für Europa.
etwas aufzuholen vielleicht und gute Talente zu akquirieren. Ich glaube, schon, ja, sollte man nutzen.
Andreas Deptolla (35:59.25)
Ich glaube gerade in der Forschung sind ja auch so die richtigen Top Leute, die zu bekommen machen natürlich einen riesen Unterschied.
Roland Schwarz (36:10.152)
Ja, auf jeden Fall. ist, glaube ich, das A und O. Genau das Projekt schädelt oder fällt mit den Leuten, die es bearbeiten. Und es ist tatsächlich gerade im öffentlichen Dienst, also in der akademischen Forschung natürlich nicht ganz einfach, mit Gehältern in der Industrie zu konkurrieren.
Andreas Deptolla (36:24.506)
Ja, gerade wenn man sich anschaut, was in den USA den Top-KI Leuten bezahlt wird bei einer Open AI. Also das sind ja wahnsinnige Beträge. ist natürlich schwierig dagegen. Was ist denn eure Strategie dagegen? Also sagt ihr, ihr könnt hier an den Grundlagen einen riesen Impact haben oder wie bekommt man die besten Köpfe?
Roland Schwarz (36:32.238)
Ja.
Roland Schwarz (36:50.094)
Ja, also ich mein, klar, zur Ausbildung hat man natürlich ein gewisses Monopol, wenn man sagt, okay, ihr könnt bei uns Doktorarbeit machen, könnt promovieren. Dann ist das der Grund, warum man da ist. Dann ist vielleicht das Gehalt nicht der primäre Faktor für die Post-Docs, also die nächste Ebene danach, wenn man mal schon promoviert ist. Ich glaube, es ist ein interessanter Job, glaube, es ist ein flexibler Job mit viel Freiheiten. Das ist der Grund, was sicherlich auch mich in die Akademie gezogen hat.
Andreas Deptolla (36:59.39)
Mh.
Roland Schwarz (37:18.782)
Man kann sich seine Projekte selber raussuchen, wenn man sie sich gut definieren kann. kann eigene Projektideen aufschreiben, eigenes Geld einwerben. Ich glaube, da gibt es viele Freiheiten. ist ein interessantes Arbeitsumfeld. Man lernt immer, fürs Lernen bezahlt zu werden. Das kann nicht jeder von sich behaupten. Es ist ein Privileg auf jeden Fall und hat andere Vorteile. Und man konkurriert natürlich in Deutschland nicht notwendigerweise mit den US-Gehältern, sondern mit deutschen Gehältern. Und die sind auch nicht überall in der Industrie so durch die Decke, dass man
Ja, dass man sagt, okay, da hat man keine Chance. es ist schwierig zu rekrutieren auf jeden Fall, gerade im Bereich nach der Promotion, Postdoc-Ebene, aber es ist nicht unmöglich. Ich habe ganz hervorragende Postdocs gefunden.
Andreas Deptolla (38:01.854)
Was sind so die Themen, die dich jetzt so in den nächsten ein, zwei Jahren, was sind die Themen, Schwerpunkte, die du mit deinem Team vorantreiben möchtest?
Roland Schwarz (38:13.966)
Ja, also wir werden weiter die Tumorevolution als so eines der Hauptthemen haben. Ich glaube, spannend für die KI-Forschung wird sein, wo, also, das ist wieder so multimodale Datenintegration, ist so bisschen so ein Buzzword, wenn die Genomik die Bildgebung trifft, also quasi verschiedene heterogene Daten zu integrieren, klinische Daten mit reinzunehmen und dann gemeinsam daraus zu lernen, ja, wie kann man Informationen von der Genetik auch die Bildgebung übertragen und andersrum.
Weil zum Beispiel DNA-Sequenzierung, also das Auslesen dieser Sequenz, sehr teuer, sehr aufwendig ist. Bildgebung ist immer tendenziell eher etwas einfacher, etwas günstiger und nicht invasiv. Wie viel kann man denn lernen aus den Sequenzdaten, dass man dann später übertragen kann auf die Bildgebung, das zu verbessern, weil das ist günstiger, an solche Daten zu kommen? Solche Sachen werden, glaube ich, interessant sein, also Integration von Genomik und Bildgebung. Das sind, glaube ich, ein bisschen die wichtigen Themen, natürlich weiter die Früherkennung voranzutreiben.
Insgesamt glaube ich, eine der spannendsten Fragen. Viele Leute fragen mich, du arbeitest irgendwie dran, warum Leute Krebs kriegen oder was da im Körper passiert. sage, eigentlich überrascht mich das gar nicht so sehr. Mich überrascht immer, dass nicht alle die ganze Zeit Krebs kriegen. Das ist ja eigentlich das viel Spannendere. Naja, unsere Zellen verhalten sich ja eigentlich, wir haben ja auch Milliarden von Zellen im Körper, verhalten sich ja eigentlich alle immer ganz hervorragend und tun das, was sie sollen, in Kooperation mit den benachbarten Zellen.
Die Niere bleibt die Niere, die Leber bleibt die Leber. tun ja, also für die meiste Zeit unseres Lebens tun die ja, was sie sollen, sag ich mal. Und dann gibt's die ein, zwei Rogue-Zellen, die dann ausbrechen und sich zu einem Tumor entwickeln. Warum passiert das eigentlich nicht häufiger? Also, was schützt unser Genom? Was ist diese Selbstökotisationsprinzipien, die dafür sorgen, dass wir die Kreatur bleiben, die wir geboren sind, im Wesentlichen? Und was entgleist in dem Moment, der Tumor entsteht? Das ist, glaub ich, so bisschen die spannende Frage.
Andreas Deptolla (39:44.368)
Ja?
Andreas Deptolla (40:07.518)
Was ist denn so die auf einer Party, stellt jemand die Frage, was ist so die Antwort, das vielleicht so bisschen plastisch und einfach zu halten?
Roland Schwarz (40:19.118)
Also die Frage nach, woran wir arbeiten oder warum nicht alle ständig Cremes kriegen? glaube, ja, weil ich glaube, die, okay, das ist natürlich jetzt philosophisch und wenn jetzt, ich ziehe zu weit aus dem Fensterlinien, ja, es ist, ich glaube, wir haben, also unsere Spezies hat natürlich über viele Jahre hinweg eine gewisse Balance evolviert zwischen genetische Variabilität zu erzeugen. Wir wollen ja alle ein bisschen unterschiedlich sein, was andere Gene als ich.
Andreas Deptolla (40:21.151)
Ne, ne, die Frage, genau, genau, warum nicht, ja.
Roland Schwarz (40:48.014)
Aber gleichzeitig muss die wesentliche Struktur und das, was uns ausmacht, bewahrt werden. Und ... das ist, glaub ich, so bisschen der Clou. Wir haben DNA-Reparaturmechanismen im Körper, wir bestimmte Gene, die sogenannte Tumor-Sopressor-Gene, in der Lage sind, das Genom stabil zu halten, Fehler zu korrigieren. Und Zellen, die aus der Bahn geraten, dazu zu sorgen, dass sie absterben. Oder zumindest einschlafen, also Senescence oder Apoptose eingehen. Und ...
Genau, diese Wächtergene, P53, so ein bekanntes Guardian of the Genome, so ein bekanntes Gen, die haben eben über die Millionen Jahre hinweg sind die evolviert, um uns mehr oder weniger in einem Zustand zu halten, in dem wir so sind. Aber gleichzeitig müssen wir eben auch immer wieder bisschen genetische Variabilität erzeugen, damit es keinen kompletten Stillstand gibt. Und das gilt sowohl für die Kreinbahn als auch natürlich, gut somatisch ist es jetzt nicht so wichtig, aber es hängt sicherlich in irgendeiner Form zusammen.
Und es ist natürlich schon so, dass ab einem bestimmten Alter, wir natürlich da keine Selektion mehr drauf ausgeübt wird. Also, ob ich jetzt, wenn ich meine Kinder hatte sozusagen, meine DNA weitergeben habe, ob ich mit 60 Jahren irgendwann einen Tumor bekomme oder nicht, ist evolutionär leider sehr irrelevant. Deswegen gibt es wahrscheinlich über die Millionen Jahre hinweg, gab es wenig Selektionsdruck, das zu verhindern. Also, es gibt keine, wir sind nicht optimiert, alt zu werden eigentlich.
Andreas Deptolla (42:09.15)
Sand.
Roland Schwarz (42:15.36)
Das ist interessantes Argument, warum man glaubt, dass in der Altersforschung noch so viel zu holen ist. kann mich nicht dran erinnern, wer das gesagt hat, aber es war ein amerikanischer Wissenschaftler der Gemeinde. Altersforschung ist deswegen so ein vielversprechendes Ziel, weil das was ist, was die Evolution noch nicht optimiert hat. Während viele andere Bereiche, da sind wir schon relativ gut angepasst, da ist es schwierig sozusagen noch besser zu werden. Aber am Altern können wir noch was drehen, weil das ist, genau, da gab es keinen Selektionsdruck für. Ob das stimmt oder nicht, will ich jetzt Spekulation, aber ja.
Andreas Deptolla (42:38.696)
Es ist ja gerade auch in der Gesellschaft ein Thema, Nongevity und was kann ich noch machen, die letzten 10-20 Jahre noch mal anders zu genießen. Ich würde gerne die Ergebnisse, die ihr letztendlich erzielt, ob es jetzt bei der Früherkennung ist.
Roland Schwarz (42:47.822)
Genau.
Andreas Deptolla (43:01.252)
Gibt es da schon Schnittstellen mit der Wirtschaft oder mit irgendwelchen Start-ups, wo man sagt, okay, das wird irgendwie eins zu eins übernommen und in Applikationen dann letztendlich umgewandelt und genutzt?
Roland Schwarz (43:16.366)
Also aus unserer direkten Forschung momentan nicht, aber es gibt natürlich Start-ups, die sich auch mit dem Thema Früherkennung beschäftigen. Kollege von mir arbeitet zum Beispiel an sogenannten Liquid Biopsies. Ich habe es vorhin kurz erwähnt. Da geht es, sind Blutproben, genommen werden, im Blut Krebs zu erkennen, nicht nur als Früherkennung, sondern auch im Rahmen einer Behandlung. gerade wenn es Lymphome oder Leukämien geht oder ähnliches, den Krankheitsverlauf über Zeit zu tracken.
kann man eben Blut nehmen und dann bestimmte Blutanalysen machen. Und das hat er jetzt als Start-up auch ausgegründet und wird sozusagen kommerzialisiert als Dienstleistung für Medizinprodukt, für Krankenhäuser und für andere Firmen, die solche Dienste anbieten wollen. Und da gibt es tatsächlich sehr moderne Methoden, wo eben Sequenziertechnologien, Genomics sich auch mit KI trifft, dann solche diagnostischen Analysen zu machen.
Andreas Deptolla (44:13.412)
Ja, ist ja super spannend. Könntest du sowas bei euch auch vorstellen in der Zukunft oder ist es einfach nicht so der Schwerpunkt, die Übersetzung zu machen?
Roland Schwarz (44:23.558)
doch völlig total spannend. Aber Übersetzung ist natürlich auch schwierig. Also man braucht eine gute Idee, gutes Produkt. Aber das reicht natürlich nicht, sondern da braucht man natürlich auch Marketing und die ganze eigentliche Kunst darin, eine Firma aufzuziehen. Ich glaube, viele Start-ups, die aus der Akademie kommen, scheitern natürlich auch daran. Die sind meistens wissenschaftlich ganz hervorragend und dann wirtschaftlich nicht so gut aufgestellt. Aber ja, großes Interesse. Ich komme ja eigentlich ein bisschen aus der Start-up-Geschichte.
Andreas Deptolla (44:31.486)
Das richtige Team.
Andreas Deptolla (44:45.918)
Ja.
Roland Schwarz (44:52.814)
Irgendwie juckt es mich doch immer so bisschen. Vielleicht gehen wir dahin nochmal zurück.
Andreas Deptolla (44:55.364)
Ja, also der Aufruf, irgendwelche Zuhörer irgendwie Interesse haben, vielleicht gibt es irgendwelche Möglichkeiten. genau, ja super. Roland, herzlichen Dank, dass du dir heute die Zeit genommen hast. War super spannend, in die Welt einzusteigen und vor allen Dingen auch zu sehen, letztendlich wie auch KI und die Informatik ist ja eigentlich auch
Roland Schwarz (45:03.758)
Gerne melden, ja. Auf jeden Fall.
Andreas Deptolla (45:22.415)
Gesellschaft direkt Mehrwerte gibt. Also vielen Dank dafür.
Roland Schwarz (45:30.779)
Vielen Dank, Andreas. Hat mich sehr gefreut, hier zu sein. Alles Gute.