Formålet med det foreslåede projekt er at udvikle humane stamcelle-baserede in vitro modeller af den raske og Alzheimers ramte blod-hjerne barriere (BBB) til præklinisk screening af nye lægemidlers evne til at trænge over den raske og sygdomsramte BBB. Modellerne vil blive udførligt karakterisereret og cellernes proteom sammenlignes med proteomet af endothelceller isoleret fra Alzheimers ramte hjerner, hvilket muliggør identificeringen af nye transportproteiner udtrykt i BBB.

Vi udvikler et generativt AI-system, der kan skrive computerprogrammer automatisk – alene ud fra en beskrivelse af hvad de skal kunne. Systemer af denne slags spås at overtage store dele af den globale softwareudvikling inden for en kort årrække. Eksisterende systemer, fx ChatGPT, skriver programmer ved at identificere mønstre i store mængder menneskeskabt data, mens vores system programmerer på egen hånd baseret på indsigter det selv har opnået. I forhold til eksisterende AI-metoder, adskiller heukno’s metodik sig på to væsentlige punkter: 1) Systemet er udelukkende baseret på selvlæring: der bruges ingen eksterne træningsdata. 2) Systemet er transparent og kan ”forklare” hvordan det kommer frem til en løsning. Transparens og forklarlighed er afgørende for troværdigheden – og ultimativt anvendeligheden – af AI-systemer, men det er samtidig egenskaber som eksisterende AI-systemer mangler. Vores system kan ikke alene generere ægte nye løsninger på usete problemer, det kan også forklare hvordan disse løsninger fremkommer. Vi mener, at vores tilgang har potentialet til at definere retningen for fremtidens generative AI-systemer og placere Danmark i centrum for denne udvikling.