Paul Conyngham ausztrál techvállalkozó kutyáját 2024-ben bőrdaganattal diagnosztizálták. Több ezer dollárnyi kemoterápiás kezelés és sebészi beavatkozások ellenére Rosie tumorjai nem zsugorodtak, így Conyngham a ChatGPT-hez fordult segítségért.

A Sydneyben élő AI-tanácsadó a The Australian napilap múlt pénteki beszámolója szerint a chatbot segítségével több gigabájtnyi genetikai adatot elemzett, hogy előállítsa egy mRNS rákvakcina tervrajzát. Miután szakemberek legyártották neki a vakcinát, és megszerezték a beadatásához szükséges etikai engedélyeket, Rosie 2025 decemberében megkaphatta a terápiát, ami után a hátsó végtag lábtőízületén (csánk) elhelyezkedő, teniszlabda méretű daganat a felére zsugorodott, ami „még az emberi rákterápiák élvonalában dolgozó kutatókat is ámulatba ejtette”.

„Olyan érzés volt, hogy te jó ég, ez működött” – mondta a lapnak Martin Smith, az Új-Dél-Wales-i Egyetem Ramaciotti Genomikai Központjának vezetője, aki szerint „felmerül a kérdés, hogy ha egy kutyánál ezt meg tudjuk csinálni, akkor miért nem tesszük elérhetővé minden daganatos betegnek?”. Smith a kutya tumorjának DNS-ét segített megszekvenálni, annak reményében, hogy a daganatra jellemző mutációk feltárása és azoknak a chatbot útmutatásai alapján történő elemzése elvezethet a hatásos kezeléshez. Smith mellett Conynghamet Pall Thordarson, az Új-Dél-Wales-i Egyetem RNS Intézetének vezetője segítette, aki legyártotta Rosie mRNS-vakcináját. „Ez az első alkalom, hogy egy kutya személyre szabott rákvakcinát kapott” – mondta Thordarson.

Azt, hogy a tumor zsugorodását az mRNS-vakcina okozta, a kutatók egyelőre semmilyen bizonyítékkal nem támasztották alá, és a munka során keletkezett adatokat, elemzéseket sem tették közzé. Rosie története ennek ellenére gyorsan virálissá vált az X közösségi platformon. Egy, a Conyngham erőfeszítéseit méltató posztot Greg Brockman, a ChatGPT-t kifejlesztő OpenAI elnöke is megosztott, azzal a kommentárral, hogy „ez egy kis betekintést ad a mesterséges általános intelligencia (AGI) által biztosított lehetőségekbe”. Mivel Conyngham egy ponton a lap szerint a fehérjék háromdimenziós szerkezetét előre jelző AlphaFoldot is használta, a hírt az algoritmus kifejlesztéséért 2024-ben Nobel-díjat kapó Demis Hassabis, a DeepMind vezérigazgatója is megosztotta. „Ez menő felhasználása az AlphaFoldnak, és ez még csak a digitális biológia kezdete” – írta Hassabis.

Több kutató, köztük Michael White, a St. Louis-i Washingtoni Egyetem genetikusa azonban szkeptikusan fogadta a kutyáját ChatGPT-vel meggyógyító techvállalkozó történetét. „A rákvakcinák nagyon ígéretes technológiát képviselnek, de a biológiában az ígéretes ötletek a gyakorlatban sosem olyan egyszerűek, mint amilyennek elsőre tűnnek” – nyilatkozta White a Qubitnek. A genetikus szerint a Rosie kezeléséről beszámoló cikk félrevezető módon azt a benyomást keltette, hogy az mRNS alapú rákvakcinák már most jól működnek, miközben azok sokszor, egyelőre nem teljesen tisztázott okokból, kudarcot vallanak. „A daganatok nagyon jók az immunrendszer megkerülésében, és rengeteg rákkutatás annak megértését célozza, hogy ez mire vezethető vissza” – válaszolta kérdésünkre White.

Ezt Rosie története is alátámasztja: egyik tumorja nem reagált a kezelésre, így Conyngham most egy második mRNS-vakcinát is szeretne beadatni a kutyájának, amihez a kutatók már el is kezdték megszekvenálni a tumorból származó DNS-mintát. „Nincsenek illúzióim afelől, hogy ez a gyógyulást jelentené, de hiszek abban, hogy a[z eddigi] kezelés jóval hosszabb életet és jobb életminőséget adott Rosienak” – mondta.

Nem a vakcina megtervezése a nehéz

Az mRNS-vakcinákban a hírvivő RNS rövid fehérjék, úgynevezett antigének termelődését váltja ki, ami arra tanítja az immunrendszert, hogy elpusztítsa az ezeket az antigéneket felszínükön bemutató sejteket. Az mRNS rákvakcinák ugyanígy működnek, magyarázza White: az mRNS egy, az adott tumorra specifikus antigén genetikai szekvenciáját kódolja, hogy a tumort az immunrendszer felismerhesse és elpusztíthassa. Ha ismert az antigén, amit meg akarunk célozni a vakcinával, az mRNS-vakcinát már egyszerű megtervezni – a covidvakcináknál például ez kevesebb mint 24 órába telt, miután elérhetővé vált a SARS-CoV-2 genomja. Az mRNS rákvakcináknál a kihívást azonban olyan antigének azonosítása jelenti, amik kizárólag a daganatos sejteket célozzák – ellenkező esetben a terápia az egészséges sejteket is károsító autoimmun válaszhoz vezethet.

Ezt megkönnyíti, hogy a daganatos sejtek sok, csak rájuk jellemző úgynevezett neoantigént állítanak elő. Ezek kifinomult bioinformatikai eszközökkel felismerhetők, többek közt a daganatok mutációs mintázata és a daganatra egyedileg jellemző fehérjék azonosítása révén. Az antigén-előrejelző eszközök White szerint elég jók, de nem tökéletesek, így jóslataikat tesztelni kell. Emellett továbbra is kihívást okoz olyan neoantigének megtalálása, amik a leghatékonyabb célpontokat biztosítják az immunrendszernek. Ráadásul a daganatos betegségek különbözőképpen reagálnak az immunterápiára: a szolid tumorok például kevésbé, mert nehezebb az immunsejteknek elérniük a tumor mélyében található daganatos sejteket.

Nem tudni, hogy jó célpontokat választott-e ki

Néhány nappal azután, hogy Rosie története napvilágot látott, az Új-Dél-Wales-i Egyetem hosszú cikket közölt a kutatókkal és Conynghammel folytatott beszélgetések alapján, amiből több technikai részlet is kiderült. Eszerint Conyngham a Smithék által biztosított genetikai adatok elemzése alapján hét lehetséges neoantigént azonosított a hízósejtes daganat tumorjában, majd a chatbottal megerősítette, hogy azok valóban jó célpontok lehetnek. Az így kiválasztott neoantigénekkel aztán Conyngham felkereste Thordarsont, akinek csoportja hosszas mérlegelés után beleegyezett az mRNS-vakcina legyártásába.

Rosie az mRNS-vakcinával együtt a rák-immunterápiában alkalmazott immunellenőrzőpont-gátlót is kapott, abban a reményben, hogy az immunválaszt szabadjára engedő szer felerősíti majd a vakcina hatását. Csakhogy az X-en Egan Peltan biológiai kémikus és a Coming Soon biotech startup társalapítója egy tavalyi tanulmány alapján azt írta, hogy a vakcina az immunellenőrzőpont-gátlóval együtt akkor is hatásosnak tűnhet, ha maga a vakcina nem kifejezetten jó neoantigéneket céloz.

Egy, a Qubit által megkérdezett magyar bioinformatikus szerint ebben az esetben a megfelelő neoantigének kiválasztását az is nehezíthette, hogy kutyák esetén a humán adatok és mérések töredéke áll rendelkezésre, miközben pont ezek azok, amik lehetővé teszik az álpozitív találatok kiszűrését.

Méregdrágák az mRNS-rákvakcinák

Az RNS-alapú rákvakcinákra Matthias Magoola, a Dei BioPharma ugandai biotechnológiai vállalat alapítója és Sarfaraz Niazi, az Illinois-i Egyetem biofarmakológus professzora tavalyi tanulmányukban áttörő emberi rákterápiákként hivatkoznak, amik már néhány éven belül kereskedelmi forgalomba kerülhetnek. 2025-ben több mint 120 klinikai vizsgálat volt folyamatban biztonságosságuk és hatásosságuk megállapítására, és némelyikük szerintük már meggyőző eredményeket mutat: egy melanóma elleni mRNS-vakcina immunterápiával kombinálva például 44 százalékkal csökkentette a rák kiújulásának kockázatát.

De a rákvakcinák csak akkor hozhatnak áttörést a daganatos megbetegedések kezelésében, legalábbis Liz Highleyman szakújságíró szerint, ha hozzáférhetők és megfizethetők lesznek. Ettől még nagyon messze vagyunk. Ma ugyanis az egyedi tumorokhoz igazított mRNS-rákvakcinák méregdrágák: előállításuk Magoola és Niazi becslései szerint páciensenként akár 100 000 dollárba (34 millió forintba) is kerülhet. Miközben a két kutató szerint a specializált gépi tanulási algoritmusok valóban megkönnyítik és meggyorsítják a neoantigének kiválasztását és rangsorolását, valójában eddig sem az mRNS-vakcina megtervezésének ideje volt a szűk keresztmetszet – igaz, szerintük AI-vezérelt gyártóplatformok szerepet játszhatnak a vakcina előállítási költségek csökkentésében.

„Ha egy amatőr AI-jal próbálna egy focicsapatot irányítani, valószínűleg messze nem lenne benne annyira jó, mint egy profi edző, aki szintén használhat AI-t. És ugyanez igaz a biológiában is” – írta kérdésünkre White, aki szerint a mesterséges intelligencia már most jelentős hatást gyakorol arra, hogy kutatók miként végzik munkájukat. „Múlt héten a GPT-5.2-t hívtam segítségül egy új genetikai elemzéshez szükséges kód megírásához. 15 perc alatt be tudtam fejezni valamit, ami nélküle órákig vagy napokig tartott volna” – írta.

White szerint a ChatGPT egy amatőrt is meg tud tanítani mások által kifejlesztett, genetikai adatok elemzéséhez szükséges eszközök használatára. De a legtöbb bioinformatikai szoftvernek jelentős korlátai vannak, és ha valaki ezekkel nincs tisztában, semmi igazán hasznosat sem fog tudni kihozni belőlük. Erre az AlphaFoldot hozta fel példának, ami egyes esetekben kifejezetten gyengén teljesít a fehérjék térszerkezetének modellezésében. „Nagyon valószínűtlen, hogy egy amatőr, aki naívan az AlphaFoldra támaszkodik egy daganatellenes hatóanyag megtervezésében, sikerrel járjon” – írta.

Ahogy az is valószínűtlen, hogy egy ChatGPT előfizetéssel vagy az AlphaFolddal történő fehérjekutatással bárki Conynghamhez hasonlóan segíteni tudna saját kutyáján – ehhez ugyanis a Core Intelligence AI-tanácsadó cég társalapítójának elsősorban rengeteg pénzre és lelkes kutatók együttműködésére volt szüksége, és nem a mesterséges intelligenciára.