Radical Numerics: Erster Einsatz KI-designter Phagen bei einem Menschen gemeldet

Worum es geht

Das KI-Unternehmen Radical Numerics meldet in einem Blogbeitrag vom 20. Oktober 2026, erstmals seien KI-designte Bakteriophagen bei einem Menschen eingesetzt worden. Gemeint sind Entwürfe seines Modells „Omnii-1“. Es handelt sich um einen Forschungs- und Einzelfallbericht einer Firma: kein zugelassenes Produkt, keine klinische Studie, keine Behandlungsempfehlung. Ob KI damit resistente Infektionen heilen kann, lässt sich daraus nicht ableiten. Alle Laborzahlen sind Herstellerangaben und nicht unabhängig geprüft.

Bakteriophagen (kurz Phagen) sind Viren, die ausschließlich Bakterien befallen. Lytische Phagen vermehren sich in der Bakterienzelle und lassen sie platzen. Da jeder Phage nur bestimmte Bakterienstämme erkennt, muss er für eine Therapie passend gewählt werden – hier setzt die KI an.

Der Patientenfall und was er nicht belegt

Radical Numerics schreibt, Omnii-1-Designs seien einem Patienten im Rahmen eines „authorized, physician-led compassionate-use pathway“ verabreicht worden. Compassionate Use (Härtefallanwendung) bedeutet den Einsatz eines nicht zugelassenen Mittels bei schwer Erkrankten ohne ausreichende Alternative. Dieser Rahmen erlaubt Behandlung unter Ausnahmebedingungen, liefert aber keine kontrollierten Daten.

Die Therapie beginnt mit einer Probe der Bakterien, die die Infektion verursachen. Im Labor (in vitro) eliminierten die Phagen laut Firma dieses antibiotikaresistente Isolat. Welcher Erreger es war, nennen weder Unternehmen noch Berichterstattung; auch zur Verträglichkeit gibt es nichts. Das Unternehmen schreibt, es könne den klinischen Verlauf zum Schutz der Privatsphäre nicht offenlegen. Der Grund ist nachvollziehbar, doch ob die Infektion zurückging, Nebenwirkungen auftraten oder weitere Behandlungen nötig waren, lässt sich nicht prüfen. Ein Laborbefund ersetzt keine Aussage zur Wirkung im Körper.

Die Firma selbst betont: Die Therapien seien nicht von Behörden für breitere Anwendung zugelassen, und Beobachtungen an einer Person könnten allgemeine Sicherheit oder Wirksamkeit nicht belegen. The Register fasst zusammen, man solle nicht auf Ergebnisse drängen, und vermerkt, Radical Numerics habe Fragen nicht beantwortet. Die Forschungsbeschreibung erwähnt Tests zu Pseudomonas aeruginosa, ohne zu sagen, dass die behandelte Person daran erkrankt war – ein Zusammenhang ist nicht belegt.

Wie Omnii-1 Phagen entwirft

Omnii-1 ist ein KI-Modell für Genomsequenzen; es lernt aus großen Mengen genetischer Daten, welche Veränderungen welche Funktion erwarten lassen (ein verwandtes Beispiel aus der Humangenetik ist AlphaGenome). Der Ansatz ist bescheiden: Statt ein ganz neues Genom zu entwerfen, werden ausgewählte Regionen angepasst, die etwa bestimmen, welche Bakterien ein Phage erkennt. Der Rest bleibt natürlich, was das Risiko nicht funktionierender Entwürfe senkt.

Als Anschauungsbeispiel dient der gut erforschte E.-coli-Phage T7 (Genom etwa 40 Kilobasen). Die Laborwerte:

„Recovery“ heißt, dass aus dem Entwurf tatsächlich funktionsfähige Phagen gewonnen wurden. Aminosäuren sind die Bausteine der Proteine. Zufällige Änderungen zerstören die Funktion meist, gezielte selten – dieser Abstand ist das Hauptargument. Das Modell reichert brauchbare Kandidaten an, trifft aber nicht immer: Auch 24 % bedeuten, dass drei Viertel der Spitzenkandidaten die Schwelle verfehlten. Etwa jede dritte aktive Variante übertraf das Original, gemessen an Laboraktivität, nicht am Behandlungserfolg.

Vorhersage, welcher Phage zu welchem Bakterium passt

Eine personalisierte Therapie braucht die richtigen Phagen. Um Verallgemeinerung zu testen, hielt das Unternehmen eine ganze E.-coli-Klade (Gruppe verwandter Stämme) mit 37 Stämmen vom Training zurück. Gegenüber zwei spezialisierten Arbeitsabläufen erzielte Omnii-1 laut Firma höhere Trefferquoten unter den fünf Top-Empfehlungen und deckte mit nur zwei Phagen 91,4 % der „geeigneten“ Stämme ab – also solcher, für die im Datensatz überhaupt ein wirksamer Phage existiert.

Bei Pseudomonas aeruginosa steigerte das Hinzufügen von E.-coli-Daten, ohne zusätzliche P.-aeruginosa-Messungen, die Average Precision (ein Rangmaß: 1 hieße, alle richtigen Treffer stehen ganz oben) von 0,570 auf 0,608 und übertraf damit GenoPHI (0,581). Der Vorsprung von 0,027 ist klein, und ohne Streuungsangaben bleibt seine Bedeutung offen. Dass Wissen einer Bakterienart einer anderen nützt, ist methodisch interessant. Es sind In-silico- (am Rechner) und In-vitro-Tests, keine Patientendaten; im Körper entscheiden Dosis, Infektionsort, Immunreaktion und mögliche Phagenresistenz.

Hintergrund: Antibiotikaresistenz

Radical Numerics verweist auf Schätzungen: 2021 seien weltweit rund 4,7 Millionen Todesfälle mit Antibiotikaresistenz „assoziiert“ gewesen (nicht in jedem Fall alleinige Ursache); zwischen 2025 und 2050 sollen knapp 40 Millionen Todesfälle darauf zurückzuführen sein. Beides sind Modellrechnungen. Phagen gelten als Option, weil sie anders wirken als Antibiotika: Ein Resistenzgen schützt nicht automatisch vor einem Phagen. Der Haken ist die Spezifität, weshalb man ein Modell will, das schnell passende Kandidaten vorschlägt. Ob das Aufwand senkt, zeigt der Beitrag nicht; Zeit- und Kostenangaben fehlen.

Einordnung

Die Meldung ist eine Ankündigung mit Firmen-Laborzahlen, nicht mehr. Der Blog ist weder begutachtet noch als Preprint ausgewiesen, der Verlauf bleibt geheim, das Unternehmen antwortet nicht auf Presseanfragen. Belastbar würde das Feld erst durch veröffentlichte Daten mit klinischem Verlauf und Studien mit mehreren Patienten, definierten Endpunkten und Vergleichsgruppen. Erst dann ließe sich beurteilen, ob KI-designte Phagen sicher sind und besser abschneiden als natürliche Phagen oder bestehende Therapien. Als erster dokumentierter Einsatz ist es dennoch ein Anlass, genau dort nachzufragen.