Michael Johnson
Am 28. Oktober 2026 kündigte Meta 2 Millionen Dollar Unterstützung an, um Forschungsprojekte an fünf US-Universitäten zu fördern. Die Unterstützung unterscheidet sich je nach Einrichtung und Projekt und umfasst Zugang zu Meta-Modellen und -Technologien, die Zusammenarbeit mit Forschenden des Unternehmens sowie Fördermittel für einzelne Vorhaben. Die Arbeiten erstrecken sich auf Medizin, Physik, Chemie, Biologie, Informatik und Mathematik.
Zum Programm gehören das California Institute of Technology, das Ohio State University College of Medicine, die Louisiana State University, die Indiana University und UTHealth Houston. Die Teams werden Muse-Modelle einsetzen, darunter Muse Spark Open, Muse Wonder, Muse Spark und Muse Glimmer, sowie Computer-Vision-Tools wie SAM, V-JEPA und DINO. Meta zufolge laufen die medizinischen Projekte auf der Infrastruktur der jeweiligen Einrichtungen, sodass diese die Kontrolle über klinische Daten und Patientendaten behalten.
Klinische Projekte werden mit realen Daten geprüft
Am Ohio State University College of Medicine untersucht ein Team, wie sich routinemäßige CT-Aufnahmen des Abdomens, longitudinale Krankenakten und verfügbare EKGs kombinieren lassen, um das künftige Risiko einer Herzinsuffizienz mit erhaltener Ejektionsfraktion einzuschätzen. Weitere Projekte der Universität befassen sich mit dem Entwurf radiologischer Befunde anhand multimodaler Daten und im Vergleich mit früheren Aufnahmen, der Bewertung von Qualitätskennzahlen solcher Befunde sowie einer gesonderten Untersuchung dazu, wie Radiologinnen und Radiologen in einer simulierten klinischen Umgebung KI-Empfehlungen annehmen oder ablehnen. Ein weiteres Team entwickelt ein agentisches System, das die kognitive Krankengeschichte einer Patientin oder eines Patienten analysiert und Ärztinnen und Ärzten hilft, bei der Beurteilung von Alzheimer die nächsten aussagekräftigen Untersuchungsschritte auszuwählen.
An der LSU umfasst die Förderung fünf Projekte an vier Standorten: ein universitätsübergreifendes Register neurochirurgischer Behandlungsergebnisse, Eyes-On zur Überwachung von Säuglingen mit Tracheostomiekanülen, die Ausbildung von Ärztinnen und Ärzten in virtueller Realität, die Prüfung von RF-Systemen zur Haltungserkennung, die möglicherweise für den datenschutzgerechten Sturzerkennungseinsatz geeignet sind, sowie kausal begründete KI zur Analyse der Behandlungsergebnisse bei Kopf-Hals-Krebs. An der Entwicklung von Eyes-On sind Dr. Michael Dunham und Supratik Mukhopadhyay beteiligt. Laut LSU soll das System die Position der Kanüle überwachen und vor einer Verschiebung warnen; die Videoverarbeitung erfolgt lokal in der Nähe des Kinderbetts. Meta berichtet außerdem, dass für Eyes-On bereits ein Machbarkeitsnachweis veröffentlicht wurde und die Entwicklung weitergeht.
Die Indiana University verfolgt drei Forschungsrichtungen. NeoSmartML+ untersucht multimodale Werkzeuge für die Betreuung von Müttern und Neugeborenen, die offline auf kostengünstigen Android-Geräten funktionieren sollen. Eine weitere Forschungsrichtung befasst sich damit, wie Kinder aus alltäglichen Erfahrungen Wörter und visuelle Konzepte lernen. Die dritte untersucht, wie sich Gesprächsagenten an die Kommunikationsweisen von Menschen mit Demenz anpassen lassen. Bei UTHealth Houston geht es um den lokalen Betrieb von Modellen auf der eigenen GPU-Infrastruktur, die Leistungsfähigkeit agentischer Abläufe in medizinischen Benutzeroberflächen und die Analyse heterogener Patientenakten zu Glioblastomen. Meta beschreibt eine frühe Prüfung von UTHealth anhand einer Stichprobe von 65 Fällen als Überprüfung des Arbeitsablaufs.
Forschungsfragen von Mathematik bis Chemie
Am Caltech untersuchen Forschende, ob Sprachmodelle bei offenen Fragestellungen aus Mathematik und Physik helfen können. Ein Projekt erstellt eine Datenbank mathematischer Forschungsprobleme und prüft, ob Modelle Hypothesen formalisieren, Lemmata finden und maschinell überprüfbare Beweise erstellen können. Weitere Vorhaben befassen sich mit physikalischen Modellen, der Vorhersage chemischer Reaktionen anhand unveröffentlichter Laboraufzeichnungen, der Entwicklung mathematischer Theorien für biologische Systeme und der Erstellung formal überprüfbarer wissenschaftlicher Artefakte.
Die Projekte setzen unterschiedliche Maßstäbe zur Überprüfung ihrer Ergebnisse: Klinische Teams können ihre Einschätzungen mit medizinischen Daten und der Arbeit von Fachkräften vergleichen, während wissenschaftliche Gruppen sie an experimentellen Beobachtungen und formalen Beweisen messen können. In der Programmbeschreibung von Meta werden Forschungspläne und bereits begonnene Projekte vorgestellt. Der praktische Nutzen lässt sich anhand der Methoden und Ergebnisse beurteilen, die die Teams im Verlauf ihrer Arbeit veröffentlichen.
Die Universitäten behalten die Kontrolle über ihre Daten
Meta zufolge führen die Universitäten medizinische Forschungsarbeiten eigenständig in ihren eigenen Umgebungen durch und behalten die Kontrolle über klinische Daten und Patientendaten: Die Daten werden weder an Meta übertragen noch vom Unternehmen verarbeitet oder zugänglich gemacht. So können die Beteiligten den lokalen Einsatz von Modellen mit sensiblen Aufzeichnungen untersuchen, darunter medizinische Bilder und Texte.
Das Programm verbindet die Förderung einzelner Projekte mit Zugang zu Modellen und technischer Zusammenarbeit. Die Ergebnisse hängen davon ab, ob reproduzierbare Methoden und veröffentlichte Daten den Nutzen der Modelle für konkrete Forschungsaufgaben belegen – von klinischer Bewertung und ärztlicher Ausbildung bis hin zu mathematischen Beweisen und wissenschaftlichen Experimenten.
