Duizenden AI-agenten doorzoeken miljoenen hersencellen in 32 minuten — maar vonden nog geen medicijn

Bijna tweeduizend AI-agenten kregen ieder een deel van een enorme atlas van muizenhersencellen. Na 32 minuten lag er een verzameling van duizenden mogelijke biologische verbanden. Dat klinkt als een versnelde route naar medicijnen tegen hersenziekten, maar zover is het onderzoek niet. De systemen analyseerden bestaande gegevens, stelden hypotheses op en wezen vervolgexperimenten aan. Geen van die nieuwe hypotheses is al in een laboratorium bevestigd.

De studie van OpenAI, PerturbAI en Scripps Research verscheen als voorpublicatie. Zij is dus openbaar, maar nog niet collegiaal getoetst. Dat onderscheid is extra belangrijk omdat OpenAI zowel het gebruikte model ontwikkelde als meewerkte aan het onderzoek.

In 60 seconden

• De onderzoekers verdeelden 1.946 genetische verstoringen over afzonderlijke AI-agenten.
• De gegevens kwamen uit ongeveer acht miljoen cellen uit muizenhersenen, niet uit patiënten.
• De volledige parallelle analyse duurde volgens de onderzoekers 32 minuten.
• De agenten brachten 3.397 mogelijke bevindingen en verbanden samen in een doorzoekbare atlas.
• In een blinde beoordeling gaven deskundigen bij 45 van 60 vergelijkingen de voorkeur aan het verslag van de verdeelde agenten boven dat van één agent.
• De nieuwe sporen zijn hypotheses. Er is geen medicijn ontdekt en er is niets bij mensen getest.

Wat deden al die agenten precies?

De oorspronkelijke dataset is een zogenoemde hersenbrede CRISPR-atlas. Onderzoekers schakelden in levende muizen afzonderlijke genen uit en maten daarna in miljoenen cellen hoe de activiteit van andere genen veranderde. Zo’n experiment levert veel meer mogelijke verbanden op dan een onderzoeksteam één voor één kan uitpluizen.

Voor de nieuwe analyse kreeg iedere AI-agent één genetische verstoring toegewezen. De agent bekeek de veranderingen in verschillende celtypen, zocht bijpassende wetenschappelijke literatuur en schreef een verklaring met mogelijke vervolgvragen. Andere agenten voegden de afzonderlijke verslagen vervolgens samen.

De onderzoekers noemen die aanpak verdeeld biologisch redeneren. Het voordeel zit niet alleen in snelheid. Doordat iedere agent een afgebakend deel onderzocht, bleef de literatuurzoektocht bij een grote hoeveelheid werk breder dan bij één agent die alles tegelijk moest verwerken.

Meer bronnen lezen is echter niet hetzelfde als biologisch gelijk hebben. Een agent kan een plausibel verband vinden dat later niet reproduceerbaar blijkt. Daarom blijft experimentele controle noodzakelijk.

Twee opvallende onderzoekssporen

Een van de gevonden patronen betrof de genen Tsc1 en Tsc2. Die werken in hetzelfde biologische regelsysteem, maar het uitschakelen van Tsc2 leek in een deel van de kleine hersenen tientallen genen rond communicatie tussen zenuwcellen te beïnvloeden. Bij Tsc1 was dat patroon veel zwakker. De auteurs denken dat dit een gerichtere onderzoeksvraag kan opleveren voor tubereuze sclerose, een erfelijke aandoening waarbij veranderingen in deze genen een rol kunnen spelen.

Een tweede spoor draaide om Dctn1, een gen dat betrokken is bij transport binnen zenuwcellen. Na uitschakeling nam de activiteit toe van genen die met de aanmaak van cholesterol samenhangen. De agenten koppelden dat patroon aan literatuur over cholesteroltransport en neurodegeneratie.

Dat zijn geen aangetoonde oorzaken en ook geen behandeldoelen die klaar zijn voor patiënten. De volgende stap is juist langzaam en experimenteel: controleren of het gemeten patroon opnieuw verschijnt, het mechanisme in cellen en dieren testen en pas veel later beoordelen of het voor mensen betekenis heeft.

Hoe eerlijk was de vergelijking?

Volgens de auteurs kreeg het gebruikte GPT-Rosalind-model het oorspronkelijke artikel over de hersenatlas niet te zien. De genoemde kennisgrens van het model lag bovendien vóór de publicatie daarvan. De agenten moesten de conclusies dus uit de gegevens en de wetenschappelijke literatuur reconstrueren.

Dertig deskundigen op promotieniveau beoordeelden een selectie van verslagen zonder te weten welke werkwijze erachter zat. Zij verkozen het verslag van de verdeelde agenten in 75 procent van de directe vergelijkingen boven dat van één agent. Dat ondersteunt de claim dat taakverdeling hier nuttig was, maar het bewijst niet dat alle 3.397 voorgestelde bevindingen juist zijn.

De beoordeling ging over kwaliteit en bruikbaarheid van verslagen. Zij was geen onafhankelijke herhaling van ieder biologisch resultaat. Ook ontbreekt nog een gemeten vergelijking met een menselijk onderzoeksteam dat exact dezelfde volledige opdracht uitvoerde. De schatting dat mensen er maanden tot een jaar over zouden doen, komt van het onderzoeksteam zelf.

Waarom dit nog geen medicijndoorbraak is

Het woord ontdekking krijgt bij AI-onderzoek snel een grotere betekenis dan de proef rechtvaardigt. Hier heeft de AI geen nieuwe stof gemaakt, geen ziekte genezen en geen klinische studie uitgevoerd. De systemen deden vooral wat bij grote datasets moeilijk schaalbaar is: veel patronen beschrijven, literatuur erbij zoeken en mogelijke experimenten rangschikken.

Ook de belangen verdienen vermelding. Meerdere auteurs werken bij OpenAI of PerturbAI en de senior onderzoeker is medeoprichter van PerturbAI. Dat maakt de resultaten niet waardeloos, maar onafhankelijke herhaling en laboratoriumvalidatie zijn nodig voordat de sterkste claims kunnen worden beoordeeld.

GPT-Rosalind is bovendien geen gewone functie die iedere ChatGPT-gebruiker kan openen. OpenAI biedt het model via gecontroleerde toegang aan geselecteerde organisaties in de levenswetenschappen. Nederlandse onderzoekers zouden de werkwijze in beginsel kunnen gebruiken, maar de nieuwe studie meldt geen Nederlandse onderzoeksgroep, patiëntgegevens of toepassing in een Nederlands ziekenhuis.

Feitvast beschreef eerder hoe een OpenAI-onderzoeksmodel tijdens een afgeschermde proef toch een externe chatbot bereikte. Dat was een veiligheidsvraagstuk. Deze studie laat een andere kant van agenten zien: taakverdeling kan wetenschappelijke analyses versnellen, zolang mensen de uitkomsten blijven controleren.

Wat betekent dit voor Nederland?

Nederlandse universiteiten en universitair medische centra werken eveneens met grote verzamelingen genetische en eencellige gegevens. Een controleerbare methode die veel mogelijke verbanden rangschikt kan onderzoekers helpen kiezen welke experimenten het eerst de moeite waard zijn.

Er verandert nu niets voor patiënten met parkinson, alzheimer of tubereuze sclerose. De studie noemt onderzoekssporen, geen diagnostische test of behandeling. Wie medische klachten of vragen over een behandeling heeft, moet zich daarom niet op deze AI-uitkomsten baseren maar contact opnemen met een arts.

De werkelijke prestatie is kleiner en tegelijk interessanter dan de meest spectaculaire belofte: duizenden afgebakende analyses konden in korte tijd worden samengevoegd tot een controleerbare lijst van hypotheses. Of daar een echte biologische ontdekking tussen zit, moet het laboratorium nog uitwijzen.

Bronnen en bewijs

• bioRxiv — Distributed AI agents enable comprehensive discovery of biological insights at scale, voorpublicatie van 16 oktober 2026.
• OpenAI — toelichting op de analyse met duizenden AI-agenten, 21 oktober 2026.
• OpenAI — informatie over GPT-Rosalind.