Entscheidungen · KI und Longevity
Auf unserer Reise haben mein Sohn Alek und ich mehr als hundert Longevity-Fachleute in 39 Ländern und Bundesstaaten getroffen, und fast überall kam das Gespräch früher oder später auf künstliche Intelligenz. In Shanghai sind wir durch ein Labor gegangen, in dem Roboter und KI Seite an Seite nach neuen Medikamenten suchen. In Los Angeles hat uns Peter Diamandis gesagt, dass der größte Einfluss auf die Longevity von der KI kommen wird. Und immer wieder haben uns die Wissenschaftler, die sie jeden Tag nutzen, genauso klar gesagt, was sie noch nicht kann. Diese Seite handelt davon, wie KI die Suche nach Medikamenten, die Proteinforschung, Scans, Tests und Alternsuhren verändert, was sie für deine eigenen Gesundheitsdaten und KI-Ärzte bedeuten könnte, und von ihren ehrlichen Grenzen – Daten, Fehler, Privatsphäre und wem deine Daten gehören –, in den Worten der Fachleute, die es uns beigebracht haben, mit Dankbarkeit.
Von Marek Piotrowski · Aktualisiert 2026-10-30
Kurz gesagt
KI gibt der Longevity-Forschung etwas, das sie nie hatte: die Fähigkeit, mehr Daten zu lesen, als ein Mensch es je könnte. Sie hilft Wissenschaftlern schon heute, schneller neue Wirkstoffkandidaten zu finden, die Formen von Proteinen vorherzusagen, Krebs auf Scans zu entdecken und unser Alter aus Tests abzulesen – und eines Tages könnte sie deine verstreuten Gesundheitsdaten in einen klaren Vorschlag verwandeln, der wirklich etwas verändert.
Sie ist ein Werkzeug, und ein Werkzeug ist nur so gut wie die Daten, aus denen es lernt, und die Menschen, die es benutzen. Klug eingesetzt kann sie uns mehr gesunde, freudvolle Jahre schenken – und den Menschen, die sich um uns kümmern, mehr Zeit für uns. [1][2][3]
Longevity, wie wir sie verstehen: mehr gesunde, freudige Jahre. Was wir meinen →
Dein Körper ist ein riesiges, geschäftiges System, und die Wissenschaft kann heute mehr davon messen, als ein Mensch je lesen könnte. Künstliche Intelligenz, kurz KI, ist ein Computerprogramm, das aus riesigen Datenmengen Muster lernt und sie dann für Vorhersagen nutzt. Deshalb waren so viele der Wissenschaftler, die wir getroffen haben, davon begeistert.
In Los Angeles hat es Peter Diamandis – einer der ersten Menschen, die mich mit ihren Podcasts für Longevity begeistert haben – so deutlich gesagt wie kaum jemand auf unserer Reise:
„Ohne Frage wird der größte Einfluss auf die Longevity von der KI kommen. Ohne jede Frage, oder? Und deshalb schaue ich ständig auf die Schnittstelle, wo KI uns hilft, auf molekularer Ebene zu verstehen, was in einer Zelle vor sich geht, und Billionen von Experimenten durchzuführen, wo wir vorher nur Hunderte machen konnten. Weil diese Systeme in silico laufen können, können sie gewissermaßen in gedachten Systemen laufen und neue Informationen finden.“
Einfach gesagt: KI kann Ideen im Computer testen, sehr schnell, bevor irgendwer ein Reagenzglas anfasst. So können Wissenschaftler viel mehr Ideen ausprobieren als je zuvor und nur die besten fürs Labor behalten.
Am Buck Institute in Kalifornien – einem ruhigen, wunderschönen Ort mit kleinen Rehen vor den Fenstern – erzählte uns Eric Verdin, wie sie schon jetzt seine eigenen Labore verändert:
„Du wirst das in den meisten Laboren sehen, auch hier: Robotik wird Teil der Gleichung. Wir haben ein Robotermikroskop, mit dem wir die Arbeit vieler Wissenschaftler erledigen können, und das breitet sich überall aus. Eine der größten Entwicklungen wäre, dass KI auch die Art beschleunigt, wie wir denken. In gewisser Weise ist KI im Grunde Robotik fürs Gehirn. Sie erlaubt uns wirklich zu lernen, Muster zu finden, wo wir mit unseren eigenen Augen nichts sehen können.“
Einfach gesagt: Roboter erledigen die Laborarbeit vieler Hände. KI erledigt die Denkarbeit vieler Augen: Sie findet Muster in Daten, die wir allein nie sehen würden.
Ein neues Medikament zu entwickeln dauert viele Jahre. Wissenschaftler müssen das richtige Target finden – oft ein Protein im Körper, das sich falsch verhält –, dann ein Molekül entwerfen, das es repariert, es im Labor testen und erst dann an Menschen. KI hilft am meisten bei den ersten Schritten.
Im Dezember 2023 haben Alek und ich ein Labor in Shanghai besucht, über das alle in der Branche sprachen: Roboter führen die Experimente durch, und KI entscheidet, was als Nächstes versucht wird. Zhihu Qu, ein Ingenieur, der bei unserem Besuch an den Robotern arbeitete, führte uns herum:
„Angenommen, wir bringen ein Medikament bis zum PCC, dafür braucht man eigentlich fast drei Jahre, aber wir schaffen das in 18 Monaten. […] Ich denke, in bestimmten Phasen kann KI vieles beschleunigen, vielleicht um ein Mehrfaches mit der Zeit. […] Aber das gilt nur für die frühe Entdeckung. Beim anderen Teil müssen wir Schritt für Schritt gehen. Das ist wie bei den klinischen Studien. Die können wir nicht beschleunigen.“
Einfach gesagt: Ein „PCC“ ist ein präklinischer Kandidat: das Molekül, das Wissenschaftler auswählen, um es weiter in Richtung Tests zu bringen. KI und Roboter können diese frühe Suche viel schneller machen. Aber ein Medikament sicher an Menschen zu testen, braucht weiterhin die Zeit, die es braucht.
Forscher haben sich Medikamente angesehen, die mit KI gefunden wurden und Studien an Menschen erreicht hatten. In der ersten Phase, die vor allem die Sicherheit prüft, waren 80–90 % erfolgreich – mehr als üblich. In der zweiten Phase, in der man zu prüfen beginnt, ob ein Medikament wirkt, waren etwa 40 % erfolgreich, ungefähr so viele wie bei Medikamenten, die auf die alte Art gefunden wurden. Die Zahlen in dieser zweiten Phase sind noch klein.
Grundlage: Eine Analyse der Entwicklungspipelines von Firmen · noch am Anfang [2]KI entwirft nicht nur Moleküle. Sie liest auch. In London erklärte uns der Biogerontologe Avi Roy, warum Wissenschaftler diese Hilfe brauchen:
„Das Aufkommen von maschinellem Lernen und Rechenleistung, die versuchen, diese komplexen Probleme zu lösen, ist absolut der Weg nach vorn. Wenn du und ich heute in PubMed gehen, und es ist ungefähr zwei Uhr im Vereinigten Königreich, und einfach die Artikel anschauen, die seit Mitternacht in PubMed eingestellt wurden, vierzehn Stunden, dann könnten wir all diese biomedizinische Literatur nicht in vierzehn Stunden durchforsten. Stell dir also vor, was am Ende des Monats passiert, am Ende des Jahres. Wie soll man überhaupt den ganzen Wert aus all diesen Artikeln herausholen und wissen, was reproduzierbar ist und was nicht? Wir brauchen Hilfe. Wir brauchen unbedingt Hilfe.“
Einfach gesagt: Jeden Tag erscheint so viel neue Forschung, dass niemand alles lesen kann. KI kann Wissenschaftlern helfen, darin das Wichtige zu finden – und das, was wirklich hält.
Als ich durch dieses Labor in Shanghai ging, war ich begeistert. Labore wie dieses können die Art, wie Forschung gemacht wird, verändern. Ich glaube, die größte Stärke, die die Leute in Insilico sehen, ist, dass es das neue Medikament entdecken wird, das alles verändert. Aber stell dir vor, solche Labore gäbe es in jedem Krankenhaus der Welt, oder zumindest in jeder großen Stadt, und sie wären miteinander verbunden und könnten voneinander lernen. Das wäre eine riesige Veränderung.
Ein paar Tage später, noch in Shanghai, erzählte uns Evelyne Bischof, eine Ärztin für Onkologie und Longevity, deren Klinik schon Proben an dieses Labor schickt, wie sie damit arbeitet:
„Für die klinische Arbeit, ja. […] Im Moment geschieht das natürlich noch in Form von ethisch genehmigten Studien, oder? Aber wenn es in diesem Tempo weitergeht, dann können wir sehr, sehr bald wirklich an den Punkt kommen, dass wir ein […] KI-Robotik-Minilabor in unserem Krankenhaus haben. […] Kein Transport von Proben mehr. […] Du kommst, ich nehme die Biopsie, ich schicke sie durch die Roboter, sie machen ihre Arbeit […] ist innerhalb eines Tages fertig. […] Und ich kann dir morgen sagen, welches Medikament du nehmen musst.“
Einfach gesagt: Heute reist die Probe eines Patienten zu einem Labor und zurück. Evelyne hofft auf ein kleines Roboterlabor im Krankenhaus, damit der Arzt am nächsten Tag weiß, welches Medikament zu genau diesem einen Menschen passt.
Dann fragte ich sie nach der Idee, die mir seit unserem Besuch nicht mehr aus dem Kopf ging: Labore wie dieses an Universitäten auf der ganzen Welt, verbunden durch eine Datenbank, die ihre Ergebnisse vergleichen. Sie antwortete:
„Das ist die Macht der Daten, die man genau hier hat, oder? Wenn wir das also in jedem Krankenhaus der Welt machen oder auch nur in ein paar Krankenhäusern auf der ganzen Welt, und wir sind in einer Cloud verbunden, und alle Ergebnisse werden hochgeladen, dann gibt uns das Billionen von Daten. Wenn ich dann einen Patienten habe, der sehr selten ist, aber ich schicke ihn durch und ich finde ihn irgendwo in der Cloud, dann kann ich diesem Patienten trotzdem helfen, oder? Also […] es wird, ich sage nicht, es könnte, es wird ein sehr mächtiges Werkzeug sein, und auch für die Longevity, oder?“
Einfach gesagt: Ein Krankenhaus sieht nur wenige Patienten mit einer seltenen Krankheit. Tausende verbundene Labore sehen sie alle, und zusammen können sie jedem Einzelnen helfen.
Für mich ist das die Zukunft: eine Behandlung, gemacht für einen Patienten, aus dem, was Labore auf der ganzen Welt gemeinsam gelernt haben. Das ist etwas, in das jedes Land investieren und woran alle gemeinsam arbeiten sollten.
Proteine sind die winzigen Maschinen, die den größten Teil der Arbeit in deinen Zellen erledigen. Was ein Protein tut, hängt von seiner Form ab, und jahrzehntelang konnte es Wissenschaftler Monate oder Jahre im Labor kosten, die Form auch nur eines einzigen Proteins herauszufinden.
2021 zeigte ein Programm namens AlphaFold, dass es die 3D-Form eines Proteins aus seinen Bausteinen vorhersagen kann, in den meisten Fällen fast so genau wie Laborexperimente. Seine kostenlose Datenbank umfasst heute mehr als 214 Millionen Proteinsequenzen. 2024 teilten sich Demis Hassabis und John Jumper dafür den Nobelpreis für Chemie, zusammen mit David Baker, der mit Computern ganz neue Proteine entwirft.
Grundlage: Eine bahnbrechende Studie, eine öffentliche Datenbank und der Nobelpreis 2024 [1][4][5]Auf der allerersten Konferenz unserer Reise, in Dublin, erklärte uns Aubrey de Grey – der Mann, von dem so viele in diesem Feld sagen, er habe sie als Erster inspiriert –, wie groß das ist:
„Alle reden natürlich über AlphaFold, dieses wunderbare Programm, das die dreidimensionale Struktur von Proteinen herausfinden kann, allein ausgehend von ihrer Aminosäuresequenz. Das hatte schon jetzt einen Einfluss, der vergleichbar ist mit dem, den man vor gut 20 Jahren gesehen hat, als wir das menschliche Genom zum ersten Mal sequenziert haben. Es macht nicht unbedingt Experimente möglich, die vorher nicht möglich waren, aber es macht viele Experimente sehr viel einfacher und schneller zu entwerfen und umzusetzen. Und davon werden wir mehr sehen. Der natürliche nächste Schritt in diesem Bereich ist, Proteine von Grund auf zu entwerfen.“
Einfach gesagt: Die Form eines Proteins zu kennen ist, als würde man die Form eines Schlosses kennen: Dann wird es viel leichter, einen Schlüssel zu entwerfen – ein Medikament –, der passt. Der nächste Schritt ist, neue Proteine zu entwerfen, die die Aufgaben erledigen, die wir wählen.
In Washington stimmte Larry Callahan, der zwanzig Jahre lang als Wissenschaftler bei der US-Arzneimittelbehörde FDA gearbeitet hat, zu, dass diese Programme sehr gut sind – und erinnerte uns daran, dass eine Form nur der Anfang ist:
„Es gibt jetzt einige gute KI-Programme, die einem die Proteinstruktur geben und die sehr gut sind, das sind AlphaFold und die Weiterentwicklungen, die nach AlphaFold kommen. Man weiß jetzt also, wie die Targets aufgebaut sind. […] Aber es gibt so viele Dinge. Es geht nicht nur darum, auf ein Target zu zielen. Ein Medikament muss in den Körper gelangen. Um in den Körper zu gelangen, muss es manchmal durch einen Transporter. Es muss an all den Stoffwechselenzymen vorbeikommen.“
Einfach gesagt: Das Schloss zu finden ist nicht die ganze Geschichte. Ein Medikament muss auch durch deinen Körper reisen, dorthin gelangen, wo es gebraucht wird, und unterwegs nicht zu etwas Schädlichem werden. Deshalb sind Tests an Menschen weiterhin wichtig.
KI lernt auch zu lesen, was Ärzte lesen: Mammografien, MRT-Scans, Herzkurven und Bluttests. Sie wird nie müde, und sie kann Muster bemerken, die für das Auge zu klein sind.
In Schweden bekamen 80.033 Frauen nach dem Zufallsprinzip entweder die übliche Auswertung ihrer Mammografie durch zwei Ärzte oder eine Auswertung, bei der KI die Bilder sortierte und auf verdächtige Stellen hinwies. Mit KI fanden die Ärzte 20 % mehr Krebsfälle, ohne mehr Fehlalarme, und lasen 44 % weniger Bilder.
Grundlage: Eine große randomisierte Studie an Menschen [3]Eine KI, die mit den Herzkurven (EKGs) von 499.727 Patienten trainiert wurde, lernte zu schätzen, wie alt ein Mensch ist. Wenn das Herz mehr als 7 Jahre älter aussah, als der Mensch wirklich war, hatte dieser Mensch häufiger Herzprobleme wie Bluthochdruck, verengte Herzkranzgefäße oder einen schwächeren Herzschlag.
Grundlage: Eine große Studie an Patienten [6]Alternsuhren, die Tests, die dein biologisches Alter schätzen, sind genauso gebaut: Ein Computer lernt aus den Daten vieler Menschen. (Wir haben eine ganze Seite darüber geschrieben: Es gibt nicht das eine biologische Alter.) In Boston erklärte uns Mahdi Moqri, der diese Biomarker in Harvard entwickelt, warum KI hier so wichtig ist:
„Vielleicht ist die beste Nachricht für das Feld der Biomarker und der Biomarker des Alterns, dass wir jetzt so viele Daten haben, und diese neuen Megakohorten und landesweiten Biobanken erzeugen riesige Mengen an Multi-Omics, und jede dieser Omics, das sind Tausende Messungen aus jeder einzelnen Blutabnahme. Und die können wir mit alten Methoden oder statistischen Methoden nicht verarbeiten. Die KI ist da, um uns mit all diesen Daten zu retten. […] Die Daten sind da, die Lösung ist da. Wir brauchen nur bessere Werkzeuge, um uns durch diese Daten zu graben. Und KI verspricht, uns dabei zu helfen.“
Einfach gesagt: Ein einziger Bluttest kann heute Tausende Zahlen liefern. KI ist das Werkzeug, das sie sortieren kann und herausfindet, was sie darüber sagen, wie jeder von uns altert.
Wörter, die man kennen sollte
Aus unserem Glossar. Tipp auf eine Karte, um sie umzudrehen: Hinten steht die Wissenschaft – und die Menschen, die sie uns erklärt haben.
Wie alt dein Körper ist, statt wie viele Geburtstage du gefeiert hast.
Biologisches Alter
Zwei Menschen desselben Jahrgangs können innen Jahre auseinanderliegen. Das biologische Alter wird aus Blutwerten geschätzt, aus der Art, wie deine DNA an- und abgeschaltet ist, und aus Tests von Kraft und Fitness. Anders als dein Geburtstag kann es sich bewegen — in beide Richtungen. Mehr lesen →
Was du heute messen kannst, um zu sehen, wie schnell du alterst, lange bevor etwas wehtut.
Biomarker des Alterns
Ebene 04 · Die Brücke der Prävention„Altern ist nicht eine einzige Sache, und es wird nie einfach sein, und es werden bei verschiedenen Menschen immer verschiedene Dinge sein.“
Nikolina Lauc · London, Juli 2024
Prävention ist König: gesund bleiben, statt darauf zu warten, behandelt zu werden.
Prävention
Vorsorgeuntersuchungen, Genomik, Bildgebung und Biomarker erkennen ein Problem, solange es noch klein und günstig zu behandeln ist und die Entscheidung noch bei dir liegt. Die meisten Gesundheitssysteme sind noch immer auf Krankenversorgung ausgelegt und handeln erst, wenn etwas kaputtgeht; Longevity macht daraus Gesundheitsversorgung. Mehr lesen →
Ebene 04 · Die Brücke der Prävention
Fast jeder Wissenschaftler, der mit KI arbeitet, hat uns im selben Atemzug zwei Dinge gesagt: Sie ist mächtig, und sie ist keine Magie. Max Unfried, der Freund, der uns Singapur für unsere Reise geöffnet hat und der mit KI Lipide – Fette im Körper – und das Altern erforscht, hat es am besten gesagt:
„KI kann Sprache verstehen, KI kann Bilder verstehen, und KI kann einigermaßen die Grundregeln der Chemie verstehen. Ich finde das also ziemlich mächtig, in diesen sehr engen Aufgaben, sozusagen. Gleichzeitig, wenn es darum geht, KI auf alles loszulassen, bin ich weniger optimistisch. Und KI wird wie ein Schlagwort benutzt, oder? Und gleichzeitig glaube ich, dass die KIs, die wir derzeit haben, die mächtigen KIs, die sehr nützlich waren, etwa um soziale Medien zu verstehen, sehr viele Daten brauchen. Und meine persönliche Sicht ist, dass wir für viele Dinge, die mit dem Altern zu tun haben, diese Datenmenge noch nicht haben. Also ja, man kann die KI darauf loslassen, und sie wird einem etwas zurückgeben. Aber bei unzureichenden Daten ist das wahrscheinlich nicht korrekt oder vielleicht sogar falsch. Und ich denke, da müssen wir ein bisschen vorsichtig sein, oder? Gute KI-Modelle sind großartig, aber wir brauchen sehr viele wirklich gute, hochwertige Daten, um das Beste daraus zu machen.“
Einfach gesagt: KI ist sehr gut in engen Aufgaben, für die sie viele Beispiele gesehen hat. Gib ihr zu wenige oder schlechte Daten, und sie gibt dir trotzdem eine Antwort – aber die Antwort kann falsch sein.
Brian Kennedy, der sich vom allerersten Tag in Dublin an wie Familie angefühlt hat, erzählte Alek von einem anderen Problem. (Einer der Doktoranden, die er meinte, war Max.)
„Wir nutzen KI jetzt viel mehr. Es ist ein bisschen verrückt, weil ich Doktoranden habe, die viel mehr darüber wissen als ich. […] KI erlaubt es uns wirklich, an neue Orte zu gehen und große Datenmengen zu analysieren, um neue Erkenntnisse zu gewinnen. […] KI erlaubt uns, all diese Signalwege zusammen zu analysieren, und sie spuckt eine Antwort aus, aber manchmal kann das frustrierend sein, weil man nicht weiß, warum diese Antwort stimmt. Es ist einfach die Antwort, aber es ist nicht so befriedigend, wenn man den Mechanismus dessen verstehen will, was vor sich geht. Deshalb gibt es jetzt eine Bewegung hin zu sinnvoller KI. Ich bin mir noch nicht sicher, was das heißt, aber ich hoffe, sie hat Erfolg, denn ich glaube, wir brauchen nicht nur die Antworten, sondern wir müssen verstehen, warum das die Antworten sind. Und deshalb müssen wir die KI ein wenig mit der traditionellen Wissenschaft im Nasslabor verbinden.“
Einfach gesagt: Manchmal gibt KI eine Antwort, ohne erklären zu können, warum. Wissenschaftler wollen beides, die Antwort und den Grund, deshalb überprüfen sie die Ideen der KI mit echten Experimenten.
Ein Programm, mit dem US-Gesundheitssysteme entschieden, wer zusätzliche Betreuung bekommen sollte, beurteilte, wie krank Menschen waren, danach, wie viel Geld für ihre Gesundheit ausgegeben worden war. Für schwarze Patienten mit denselben Bedürfnissen war weniger Geld ausgegeben worden, also unterschätzte das Programm, wie krank sie waren. Hätte man es korrigiert, wäre der Anteil schwarzer Patienten, die für zusätzliche Hilfe ausgewählt wurden, von 17,7 % auf 46,5 % gestiegen.
Grundlage: Eine Studie über ein weit verbreitetes Programm [7]Guido Kroemer, einer der Autoren der Hallmarks of Aging, nutzt KI jeden Tag in seinem Labor. In Singapur gab er uns einen Satz mit, den man sich merken sollte:
„Wir nutzen im Labor künstliche Intelligenz für viele Fragen, wir docken also Moleküle an, die von künstlicher Intelligenz im dreidimensionalen Raum modelliert wurden. Wir machen Berechnungen zur molekularen Modellierung. Wir erzeugen große Datensätze, die teilweise einer bioinformatischen Analyse unterzogen werden, die mit KI verbunden ist. Wir machen Bildanalyse, wir nehmen also Fotos oder Videos von Zellen auf, die sich in vitro auf die eine oder andere Weise verhalten, und nutzen dann die Information mit KI-Werkzeugen. Es ist also eine künstliche Intelligenz […] oder zumindest heißt es künstliche Intelligenz, aber es ist nur ein Werkzeug, das echte Intelligenz braucht, um nützlich zu werden.“
Einfach gesagt: KI ist ein Werkzeug, wie ein Mikroskop. Nützlich wird sie erst in den Händen von Menschen, die wissen, was sie fragen sollen und wie sie die Antwort überprüfen.
Ich hätte so gern eine Plattform, die Menschen hilft, ihre eigenen medizinischen Daten zu verstehen. Nicht nur die großen Ergebnisse aus einer Klinik, sondern auch die alltäglichen Daten, denn ohne Hilfe werden die Leute verrückt damit. Viele von uns haben Bluttests, Scans und Notizen von verschiedenen Ärzten, verstreut über die Jahre, und jetzt Zahlen von unseren Uhren und Ringen in jeder Minute, und wir verstehen sehr wenig davon.
Ich brauche keinen Bildschirm an meinem Wearable, der mir Minute für Minute sagt, was gerade passiert – du läufst, Marek. Ich weiß, dass ich laufe. Ich will, dass mein Wearable seine Daten an ein Programm schickt, meine eigene persönliche KI, die die Muster aus all meinen Wearables und all meinen medizinischen Daten lernt und mir Hinweise gibt, mit denen ich etwas anfangen kann. Am Ende des Monats sagt sie mir, was ich gemacht habe, und empfiehlt mir eine Veränderung, die wirklich etwas bewirken würde. Das ist es, was wichtig ist.
Dann kommt die Frage, wem das alles gehört. In Dublin, in den ersten Tagen unserer Reise, sprach Tina Woods – eine Longevity-Aktivistin und ein Energiebündel, wie es im Buche steht – mit uns darüber:
„Es gibt diesen ganzen Bereich der, sagen wir, digitalen Biomarker und der passiven Datenerfassung, denn natürlich haben wir Uhren. Wir haben all diese Sensoren […] Und natürlich muss man mit den Sorgen der Öffentlichkeit um die Privatsphäre und all das umgehen. […] Mich faszinieren zum Beispiel persönliche Datenbörsen (Data Wallets). Wie ein Mensch mit einem Klick entscheiden kann, mit wem er seine Daten teilt. […] Wir brauchen Gesetze und Regulierung, die unsere Fähigkeit unterstützen, Daten in großem Maßstab zu teilen. Mich faszinieren also wirklich Konzepte wie Datenspende, Daten-Philanthropie, bei denen die breite Öffentlichkeit Teil eines riesigen wissenschaftlichen Forschungsprojekts sein kann, das Unternehmen wachsen lässt, weil wir besseren Zugang zu Daten haben werden.“
Einfach gesagt: Deine Uhr, deine Tests und deine Scans erzeugen Daten über dich. Du solltest derjenige sein, der entscheidet, wer sie sieht – und wenn du willst, kannst du sie der Wissenschaft geben, um allen zu helfen.
Forscher haben gezeigt, dass 99,98 % der Amerikaner in einem Datensatz, der 15 gewöhnliche Angaben über sie enthielt, etwa Alter, Geschlecht und Familienstand, richtig wiedererkannt werden konnten – selbst wenn ihre Namen entfernt waren.
Grundlage: Eine Modellierungsstudie [8]KI-Assistenten, die Gesundheitsfragen beantworten, gibt es auch schon. Sie können ein Laborergebnis in einfachen Worten erklären, und das ist wunderbar. Aber sie können sicher klingen und trotzdem falsch liegen, und was du in sie eintippst, wird vielleicht gespeichert. Hier sind gute Fragen, die du stellen solltest, bevor du einem von ihnen vertraust:
Die Freude an all dem ist Zeit. Wenn Maschinen das Lesen, das Sortieren und den Papierkram übernehmen, bekommen die Menschen, die sich um uns kümmern, ihre Hände und ihr Herz zurück. In Shanghai sagte ich Evelyne Bischof, einer Ärztin für Onkologie und Longevity, dass ich hoffe, KI würde ihr eines Tages erlauben, vier Stunden am Tag zu arbeiten. Sie lachte, und dann sagte sie Folgendes:
„Ich hoffe wirklich, dass die KI uns tatsächlich Lösungen bringt, die viel von der Last abnehmen können, vom Papierkram bis zur Verwaltung, Dinge, die einfach Zeit kosten. Wenn wir das wegnehmen könnten und ich von High-Tech zu High-Touch kommen könnte, mehr Zeit mit dem Patienten verbringen und anpassen, und dann auch mehr Zeit mit mir und meiner Longevity verbringen, das wäre großartig.“
Einfach gesagt: Der Traum ist kein Roboterarzt. Es ist eine Ärztin mit mehr Zeit für dich – und für ihr eigenes langes, gesundes Leben.
Und es liegt Freude in dem, was KI jungen Menschen eröffnet. Als Alek Andrea Maier in Dublin nach KI fragte, gab sie ihm einen Berufsrat, den jeder Teenager brauchen kann:
„Ich glaube, in der Longevity-Medizin sind wir an dem Punkt, dass wir die Daten zuerst selbst auswerten müssen, weil wir sicherstellen müssen, dass sie Sinn ergeben, dass die Daten gut sind und dass sie physiologisch Sinn ergeben. Aber dann müssen wir wirklich die richtigen Algorithmen schreiben, um mir das Leben beim Auswerten der Daten ein bisschen leichter zu machen, und künstliche Intelligenz hat da wirklich eine große, große Rolle. Wenn du also eine Karriere willst, würde ich sagen: Studier entweder Medizin, geh in die Gesundheits- und Longevity-Medizin, werde Ärztin oder Arzt für Gesundheits- und Longevity-Medizin. Und wenn du wirklich schlau bist, mach beides. Studier also auch künstliche Intelligenz, verbinde es, und die Zukunft gehört dir.“
Einfach gesagt: Ärzte, die Daten verstehen, und Datenleute, die den Körper verstehen: Dort wird die Zukunft der Longevity-Medizin gebaut.
Als ich mit Peter Diamandis in Santa Monica am Meer entlangging, sagte ich ihm, wie ich das sehe:
„Ich sage meistens, dass es zwei wichtigste Dinge gibt, und KI ist nur ein Werkzeug. Das erste ist Longevity, damit wir länger leben können, dieses schöne Leben, und diese Gefühle erleben. Das zweite aber ist bewusste Führung: dass wir alles, was wir tun, alle Technologie, die wir erschaffen können, zum Guten der Menschheit nutzen und nicht zum Schlechten. Und das ist tatsächlich die schwierigste Aufgabe.“
Bevor du etwas änderst
Diese Seite teilt, was die Forschung und die Expertinnen und Experten sagen, die wir getroffen haben. Sie ist keine medizinische Beratung und empfiehlt kein Medikament, kein Nahrungsergänzungsmittel und keine Behandlung. Sie weiß nichts über dich. Bevor du etwas beginnst, absetzt oder änderst — besonders wenn du schwanger bist, eine Erkrankung hast oder Medikamente nimmst —, sprich bitte mit deiner Ärztin oder deinem Arzt. Im Notfall ruf die 112 an.
Jede Zahl auf dieser Seite, nach der Nummer in eckigen Klammern. Die Zitate stammen aus den eigenen Interviewaufnahmen von Live Beyond, die auf Englisch geführt wurden; hier sind sie übersetzt und nur von Füllwörtern bereinigt. Keine medizinische Beratung. Sprich mit deiner Ärztin oder deinem Arzt, bevor du etwas änderst.