Die KI startet eine Großoffensive gegen Krebs: 4000 Antikrebsmedikamente werden virtuell auf ihre krebsabtötende Wirkung getestet, die Downloads von Googles Gemma haben die Marke von 1 Milliarde überschritten.
Noch ein neuer Meilenstein!
Gerade heute hat Google DeepMind die neueste Errungenschaft der gesamten Open-Source-Gemma-Produktreihe offiziell bekannt gegeben —
Die Gesamtzahl der Downloads hat erstmals die Marke von einer Milliarde überschritten.
Es wurde erstmals im Februar 2024 veröffentlicht, und es dauerte ganze zweieinhalb Jahre, um von 0 auf 1 Milliarde zu gelangen.
Heute haben globale Entwickler auf Basis von Gemma mehr als 100.000 abgewandelte Varianten erstellt, die in NASA-Satelliten zum Einsatz kommen und auf den Mobilgeräten von 100 Millionen Menschen laufen.......
Der große Ökosystemboom der Gemmaverse ist endlich da!
KI ermittelt Krebsbekämpfungswege und führt virtuelle Abtötungstests für 4000 Arzneimittel durch
Heute hat die KI den umfassenden Angriff auf Krebs offiziell gestartet!
Unter den zahlreichen Anwendungsfällen von Gemma ist das wirklich beeindruckende, dass die KI tief in die Erforschung neuer Mechanismen der Krebstherapie einbezogen wird.
Erst gestern haben die globalen mRNA-Giganten Moderna und Merck mit KI zur Krebstherapie die ganze Welt in Aufregung versetzt.
Tatsächlich ist Google bereits im Januar dieses Jahres mit Gemma leise in dieses Feld eingetreten.
Die Teams von Google DeepMind, Google Research und der Yale-Universität haben auf Basis von Gemma ein Modell mit 27 Milliarden Parametern entwickelt:
Cell2Sentence-Scale 27B, kurz C2S-Scale.
Adresse der Veröffentlichung: https://www.biorxiv.org/content/10.1101/2025.04.14.648850v4
C2S-Scale führt nur eine Aufgabe aus: Es wandelt eine einzelne Zelle in einen Satz um.
Seit vielen Jahren gibt es ein langjähriges Problem in der Krebs-Immuntherapie, das als „kalter Tumor“ bezeichnet wird.
Einfach ausgedrückt: Das Immunsystem erkennt schädliche Zellen, indem die Zellen aktiv „Schilder hochhalten“ —
Sie hängen Fragmente von internen Proteinen an ihre Oberfläche, um den Immunzellen zu signalisieren: Mit mir stimmt etwas nicht, kommt und untersucht mich.
Dieser Vorgang wird fachsprachlich als „Antigenpräsentation“ bezeichnet, und die Struktur, an der die Schilder befestigt werden, heißt „MHC-I“.
Das Problem des „kalten Tumors“ besteht darin, dass er keine Schilder hochhält.
Die Immunzellen laufen vorbei und sehen nichts. Selbst das beste Immuntherapeutikum kann ein unsichtbares Ziel nicht treffen.
Interferone sind die „Warnsignale“ des Immunsystems. Aber in echten Tumoren ist ihr Gehalt normalerweise sehr niedrig, fast nicht nachweisbar.
Daher stellte das Forschungsteam C2S-Scale eine Aufgabe:
Ein Arzneimittel zu finden, das selbst keine Warnung auslöst, aber bei dem geringsten Warnsignal in der Lage ist, dieses Signal so stark zu verstärken, dass die Zelle Schilder hochhält.
Diese Anforderung, „nur unter bestimmten Bedingungen wirksam zu werden“, ist der schwierigste Teil des gesamten Experiments.
Die Zelle in einen Satz umwandeln
Das Geniale an C2S-Scale ist, dass es eine sehr einfache Umwandlung durchführt.
Die Daten der Einzelzellsequenzierung waren ursprünglich ein großer Haufen hochdimensionaler Vektoren, die weder für Menschen noch für Sprachmodelle verständlich sind.
Das konkrete Vorgehen besteht darin, die Genbezeichnungen nach ihrer Aktivität von hoch nach niedrig in einer Reihe anzuordnen, wobei die aktivsten ganz vorne stehen.
Eine einzelne Zelle wird zu einem Satz, der aus „Genbezeichnungen“ besteht.
Dank dieser Umwandlung kann das Modell Zellen direkt „lesen“, ohne dass die Architektur von Gemma geändert werden muss.
Zusätzlich kann es reine Textdaten wie Zusammenfassungen von Veröffentlichungen und Zellmetadaten gleichzeitig verarbeiten, sodass sie erstmals in einem einzigen Modell durch denselben Mechanismus bearbeitet werden.
Als Nächstes folgt das zentrale Design der Veröffentlichung — das dual-kontextuelle virtuelle Screening.
C2S-Scale soll dasselbe Experiment gleichzeitig in zwei „parallelen Welten“ durchführen.
Welt A (positiver Immunkontext): Primärtumormuster von echten Patienten mit schwachen Interferonsignalen in der Umgebung.
Welt B (neutraler Immunkontext): Daten von kultivierten Zelllinien ohne jegliche Interferonaktivität.
Anschließend werden mehr als 4000 Arzneimittel nacheinander in beiden Welten getestet.
Das gesuchte Ziel ist sehr anspruchsvoll: Arzneimittel, die nur in Welt A wirken und in Welt B keine Wirkung zeigen.
Unter den von C2S-Scale ermittelten Kandidatenarzneimitteln wurden nur 10 % bis 30 % in früheren Veröffentlichungen erwähnt.
Mehr als 70 % der übrigen haben keine bekannte Verbindung zu diesem Screening-Ziel.
Das letztendlich ausgewählte Mittel ist Silmitasertib (Code CX-4945), ein CK2-Kinase-Inhibitor.
Das Modell hat es mit dem Label „context split“ versehen — sein Effekt ist in Welt A sehr stark und in Welt B fast null.
In der Veröffentlichung stellt das Team fest, dass C2S-Scale tatsächlich eine neue, falsifizierbare Hypothese aufgestellt hat.
Erfolgreich bestätigt durch Experimente mit lebenden Zellen
Hypothesen bleiben Hypothesen, ihre Gültigkeit muss durch Experimente mit lebenden Zellen bestätigt werden.
Das Team verwendete ein menschliches neuroendokrines Zellmodell, das während des Modelltrainings nie verwendet wurde.
Die Ergebnisse der drei Kontrollgruppen lauten wie folgt: Bei alleiniger Anwendung von Silmitasertib gibt es keine Veränderung der Antigenpräsentation; bei alleiniger Anwendung von niedrig dosiertem Interferon gibt es eine leichte Verbesserung.
Nur wenn beide zusammen angewendet werden: Die Antigenpräsentation wird um etwa 50 % verbessert.
Dies ist das erste Mal, dass eine KI einen neuen, mechanistischen Therapiepfad vorschlägt, der in lebenden Zellen bestätigt wurde.
Googles Gemma: Der Meilenstein von einer Milliarde Downloads
Das letzte Mal, dass ein Open-Source-KI-Modell eine Milliarde Downloads erreichte, war zur Zeit von Llama.
Als Google Gemma erstmals veröffentlichte, gab es nur zwei Größen der ersten Modelle: 2B und 7B.
Es stammt aus derselben Technologiequelle wie Gemini, verfolgt aber einen völlig anderen Ansatz: Das Flaggschiff-Modell Gemini konzentriert sich auf fortschrittliche Modellfähigkeiten, während Gemma als leichteres, einfacher lokal bereitzustellendes Open-Modell entwickelt wurde.
Entwickler können die Gewichte direkt erhalten und sie auf ihren Computern, Mobiltelefonen und Edge-Geräten ausführen.
Seit 2024 ist das Wachstumstempo von Gemma immer beeindruckender geworden.
Im März 2025, zum ersten Jahrestag der Veröffentlichung von Gemma, überschritt die Zahl der Downloads gerade 100 Millionen; bis Dezember 2025 lag diese Zahl bereits über 300 Millionen. Als Gemma 4 im April 2026 veröffentlicht wurde, überschritt die Gesamtzahl der Downloads 400 Millionen;
Im zweiten Quartal dieses Jahres überschritt die Zahl bereits 900 Millionen Downloads.
Jetzt, etwa einen Monat später, hat die Zahl offiziell die Marke von einer Milliarde überschritten. Gleichzeitig ist ein riesiges Gemma-Ökosystem entstanden.
Neben der Anwendung in der Krebstherapie wurde Google Gemma auch in den Weltraum geschickt und hat die erste Nachricht an die Erde gesendet: „Hallo, Menschen auf der Erde!“
Dies ist das erste Mal in der Geschichte, dass ein großes KI-Modell auf einer Hochleistungs-GPU im Weltraum ausgeführt wird.
Darüber hinaus ist Gemma auch in die Tiefsee eingetaucht, um die Laute von Delfinen zu entschlüsseln.
Dieses Modell heißt DolphinGemma.
Es empfängt direkt die Laute von Delfinen, sucht nach wiederkehrenden Mustern und Sequenzen und versucht vorherzusagen, wie der nächste Ruf eines Delfins lauten wird.
Der große Boom des Gemma-Universums
Heute hat Google gleichzeitig zur Ankündigung der 1-Milliarde-Download-Marke auch ein neues offizielles GitHub-Repository veröffentlicht.
Awesome Gemma fungiert als offizielles Verzeichnis der Gemmaverse.
GitHub-Link: https://github.com/google-gemma/awesome-gemma
Hier sind zahlreiche vom KI-Community feinabgestimmte Modelle, Tutorials, Entwicklertools und verschiedene Gemma-Anwendungen gesammelt.
