LONDON (IT BOLTWISE) – Eine neue KI-basierte Biobank soll chronische Erkrankungen wie POTS in biologisch unterscheidbare Subtypen aufspalten, statt alle Patienten über einen Kamm zu scheren. ChronicleBio hat dafür bereits mehr als 3.500 Blutproben in einer Datenbank gesammelt und daraus große Datenmengen extrahiert. Die Ergebnisse sollen helfen, bestehende Medikamente zielgerichteter zu testen und klinische Studien erfolgreicher zu machen. Am 11. August startet zudem ein Modell für Heimabnahmen per mobilen Phlebotomie-Teams.
Wenn klinische Studien bei komplexen Erkrankungen scheitern, liegt das häufig nicht an fehlenden Wirkstoffkandidaten, sondern an der Zusammensetzung der Patientengruppen. Genau an dieser Stelle setzt ChronicleBio an: Das Startup will chronische Zustände wie Postural Orthostatic Tachycardia Syndrome (POTS) biologisch zerlegen und so verhindern, dass ein Medikament am Ende „für alle“ versucht wird, obwohl es in Wahrheit nur für einen Teil der Betroffenen wirkt. Die Gründerin Fidji Simo, selbst seit Jahren mit einer chronischen Erkrankung konfrontiert, beschreibt die Motivation als Gegenentwurf zu Studien, die nach dem gleichen Diagnoseetikett sortieren und dann die Heterogenität der zugrunde liegenden Mechanismen übersehen. Der Ansatz zielt damit nicht nur auf bessere Vorhersagen, sondern auf eine praktisch nutzbare Patientenselektion, die Therapien schon vor der breiten Anwendung auf die richtige Subgruppe ausrichtet.
Im Zentrum steht die Datengrundlage: ChronicleBio betreibt laut eigenen Angaben eine Biobank mit über 3.500 Blutproben und hat im ersten Unternehmensjahr 890 Blutentnahmen von 709 Patientinnen und Patienten durchgeführt. Die Proben stammen aus Utah, Arizona, Texas sowie aus Indien. Aus dem Blut wurden 153 Terabytes an Daten extrahiert; im Vergleich wird dabei auch die Größenordnung genannt, dass diese Datenmenge „drei Mal“ so groß sei wie die 45 Terabytes, auf denen ein früheres OpenAI-Modell trainiert wurde. Methodisch ist das wichtig, weil chronische Beschwerden wie POTS mehrere Systeme betreffen: Das Zusammenspiel aus autonomem Nervensystem, Immunsystem und genetischen Faktoren ist das, was die Diagnoseklassifikation über reine Symptomlisten hinaus schwer macht. Mit KI sollen diese Muster sichtbar werden, die sich in klassischen Routinedaten oft verwischen oder gar nicht erst abbilden lassen.
Der entscheidende Unterschied zu vielen bisherigen KI-Vorhaben liegt aus Sicht des Unternehmens in der Datenqualität. ChronicleBio argumentiert, dass Modelle häufig stark auf EHR-Daten (Electronic Health Records) setzen – also auf medizinische Akten und Verläufe –, die zwar informativ sind, aber biologisch zu wenig präzise abbilden. EHR-Daten seien laut Simo „noise-lastig“ und erklären nicht hinreichend, wie der Körper funktional arbeitet. In der Analogie geht es um das „Internet der Biologie“: Während Sprachmodelle mit Textdaten aus dem Internet trainieren konnten, fehlt der Medizin eine vergleichbar reichhaltige, biologische Datenbasis. Blut stellt hier einen konkreten Ansatzpunkt dar, weil es mehrere physiologische Zustände gleichzeitig widerspiegeln kann. Genau daraus leitet sich auch die Idee ab, Subdiseases zu finden – obwohl diese heute oft noch keine eigenen, etablierten Namen haben.
Technisch denkt ChronicleBio in biologischen Teilpopulationen statt in Diagnosen. Im Gespräch nennt Simo das Beispiel POTS: Der Symptomkomplex sei zwar unter einem Begriff gebündelt, die Auslöser könnten jedoch unterschiedlich sein, etwa durch immunologische Mechanismen bei einer Gruppe oder durch mitochondriale Prozesse bei einer anderen. Das Problem in der Praxis sei dann, dass ein Medikament im Mittelwert der Studie „nicht funktioniert“, obwohl es in einer Subgruppe sehr wohl wirkt. Stattdessen soll die KI Subtypen identifizieren und damit klinische Trials von Beginn an so strukturieren, dass die richtige Patientengruppe den Wirkmechanismus trifft. Simo sagt zudem, ChronicleBio habe bereits fünf Subdiseases gefunden, bei denen die Biologie trotz ähnlicher Symptome klar differiert, und plane, noch im Verlauf des Jahres bestehende Medikamente zuerst innerhalb dieser Populationen zu testen. Parallel soll danach die Zusammenarbeit mit Biotech- und Pharma-Partnern den Weg zu neuen Wirkstoffen öffnen.
Zur Umsetzung nutzt das Unternehmen nach eigenen Angaben eine Kombination aus KI-Modellen von OpenAI und von Anthropic. Auffällig ist dabei weniger der konkrete Modellname als die pragmatische Strategie, „alles zu verwenden, was verfügbar ist“, sofern es beim Erkennen relevanter Zusammenhänge hilft. Die Kostenperspektive spielt ebenfalls eine Rolle: Simo beschreibt, dass genetische Analysen früher deutlich teurer gewesen seien und dass selbst das Analysieren von 150 Terabytes heute in Minuten statt in Jahren möglich sei. Diese Größenordnung ist aus Sicht der Produktentwicklung entscheidend, weil die Datenverarbeitung erst dann skalierbar wird, wenn KI-Workflows in einem vernünftigen Zeitfenster Ergebnisse liefern. Gleichzeitig betont ChronicleBio, dass es beim Start primär um Datengewinnung geht: Die Berichte sollen zwar Patientinnen und Patienten zunächst kostenlos den ersten Teil des Zugangs geben, aber langfristig vor allem als Grundlage dienen, um klinische Studien passgenauer zu gestalten und Therapierisiken zu senken.
Am nächsten Schritt hängt der Realitätscheck: Mit Heimabnahmen will ChronicleBio die Stichprobe vergrößern und gleichzeitig schwer erreichbare Patientengruppen einbinden. Am 11. August soll ein Sign-up-Link für mobile Phlebotomie-Teams starten; die Abnahmen sollen bei Menschen mit bestimmten chronischen Erkrankungen zu Hause erfolgen. Für die ersten 250 Teilnehmenden wird der In-depth-Report zunächst kostenlos bereitgestellt, danach ist ein Preis von 400 US-Dollar genannt. In dem Tauschmodell geht es darum, dass die Teilnehmenden biologische Daten für die Auswertung zur Verfügung stellen. Das Unternehmen verspricht zudem, die Daten schrittweise zurückzugeben: Wenn später neue Erkenntnisse zur Subdisease oder zu möglichen passenden Therapien vorliegen, sollen Patientinnen und Patienten weitere Tests zu unterschiedlichen Zeitpunkten durchführen können, um auch longitudinal zu beobachten, wie sich etwa das Immunsystem unter einer Therapie verändert.
Für den Markt bedeutet der Ansatz vor allem eines: eine Verschiebung vom „Symptom-basierten Screening“ hin zu biologisch begründeter Schichtung. Das kann die Erfolgswahrscheinlichkeit klinischer Studien erhöhen, weil Studienpopulationen genauer auf Mechanismen gematcht werden. Gleichzeitig zwingt es Unternehmen, die bisher stark auf allgemeine Diagnosegruppen setzten, ihre Datenerhebung und ihr Studiendesign neu zu denken. In den letzten Jahren haben viele Forschungs- und Tech-Initiativen zwar gezeigt, dass KI bei medizinischen Texten und Bildern funktionieren kann; ChronicleBio versucht nun, die Lücke zu schließen, indem es statt Aktenprozessen eine biobanknahe Pipeline etabliert. Wenn das Home-Phlebotomy-Modell die Rekrutierung tatsächlich beschleunigt und die Subdisease-Zuordnung stabil bleibt, könnte sich KI im klinischen Kontext stärker als „Entscheidungshilfe für Studien“ etablieren – und weniger als experimentelle Analyseschicht.
Im Kern bleibt die Frage nach dem „Warum jetzt“. Simo argumentiert, dass KI die Komplexität der multi-systemischen Erkrankungen erst handhabbar mache und dass sinkende Analyse-Kosten die Tür zu großen Datenmengen öffnen. Ob sich daraus tatsächlich schneller neue Therapien ableiten lassen, hängt allerdings davon ab, wie robust die gefundenen Subdiseases in weiteren Kohorten validiert werden und wie gut sich die ermittelten Marker mit konkreten therapeutischen Effekten verknüpfen lassen. Entscheidend wird außerdem sein, ob die Kombination aus Heimabnahmen, langfristigem Follow-up und gezielter Modellierung die nötige Datenqualität liefert, um die Subgruppen auch dann zu erkennen, wenn sie sich im Krankheitsverlauf verändern. Genau dort würde sich KI – im besten Fall – vom Versprechen zur messbaren klinischen Wirkung entwickeln.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "ChronicleBio analysiert 3.500 Blutproben mit KI für Therapie-Subtypen bei POTS" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "ChronicleBio analysiert 3.500 Blutproben mit KI für Therapie-Subtypen bei POTS" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »ChronicleBio analysiert 3.500 Blutproben mit KI für Therapie-Subtypen bei POTS« bei Google Deutschland suchen, bei Bing oder Google News!