大家好，我是小互。

今天不聊产品发布，讲一个昨天刚爆出来的真事。

悉尼有个程序员叫 Paul Conyngham，2019 年从收容所领养了一只狗，斯塔福郡梗和沙皮的混血，之前在灌木丛里被人发现，没人知道她经历过什么。Paul 把她带回家，取名 Rosie。

接下来五年，Rosie 成了他生活里最重要的存在。他跟记者说："她陪我度过了一大堆真的很艰难的日子，给了我无条件的爱。她是我最好的朋友。"

2024 年，Rosie 后腿上长出了网球大小的肿瘤。确诊肥大细胞癌，犬类最常见的皮肤癌，通常不可治愈，兽医说，Rosie还剩不到六个月的时间。

Paul 花了几万澳元，手术、化疗、免疫治疗，能试的全试了。肿瘤扩散的速度慢下来了，但没有缩小。

所有常规手段，用尽了。

然后他打开了 ChatGPT。

一个程序员的"作业"

Paul 的本职工作是数据工程师，Core Intelligence Technologies 联合创始人，澳大利亚数据科学与 AI 协会前理事，干了 17 年机器学习和数据分析。他懂数据，懂算法，但对生物学一窍不通。

他没有问"我的狗得了癌症怎么办"。他把 ChatGPT 当成了一个全天候在线的研究伙伴，从头开始学习癌症免疫学。

ChatGPT 给他指了一个方向：基于基因组测序的个性化免疫疗法。

逻辑是这样的：每一种癌症都是基因突变的产物，而每只狗（每个人）的突变都不一样。如果你能找到 Rosie 肿瘤里独有的那些突变，理论上就可以设计一种疫苗，教她的免疫系统去识别和攻击这些突变细胞。

ChatGPT 帮他梳理出了一条完整的路径：

第一步，对 Rosie 的肿瘤组织做 DNA 测序，同时测序她的健康组织作为对照。

第二步，对比两组基因数据，找到肿瘤独有的基因突变。

第三步，分析这些突变编码出的蛋白质，筛选出最有可能被免疫系统识别的"新抗原"，这些就是疫苗的靶点。

第四步，设计一段 mRNA 序列，注射进体内后，让细胞自己生产这些新抗原蛋白，触发免疫反应。

一句话概括：把肿瘤从组织变成数据，从数据里找到问题，再根据问题设计解药。

先做作业，再去找科学家

有了路径，下一步是找人帮他做测序。

ChatGPT 推荐了新南威尔士大学（UNSW）的 Ramaciotti 基因组中心。Paul 联系了中心主任 Martin Smith 副教授。

Smith 后来回忆说，他们经常收到各种奇怪的请求，这次来的是一个普通人，想让他们给狗做 DNA 测序。换成一般人，可能就被打发走了。

但 Smith 注意到一件事：这个人不是空手来的。他每次来，都带着详细的分析报告和清晰的问题。

Paul 自己说过一句很有意思的话："就像你是学生去找老师问问题。如果你没做作业就问'这个怎么做'，老师会说'别浪费我时间'。但我每一次去找他们，我都做完了作业再去的。"

Smith 被说服了。3000 澳元，Ramaciotti 中心帮 Rosie 做了肿瘤 DNA 测序。

320GB 的生命数据

Paul 提交了两份 DNA 样本：一份健康，一份肿瘤。中心返回了大约 320GB 的基因组数据，全部用 A、T、C、G 四个字母表示。

这些数据有多大？如果打印在 A4 纸上，11 号字体，双面打印，将近 70 万页。叠起来大概有 20 层楼高。

Paul 用了一个特别好懂的比喻："就像拿你车的原始发动机和跑了 30 万公里的版本对比，能看到哪里有损伤。"正常细胞是出厂版，肿瘤细胞是跑坏的版本，两组数据放在一起比对，就能找到哪些基因突变了。

ChatGPT 告诉了 Paul 应该怎么处理这些数据，但面前仍然是一座山：大量的计算程序要跑，海量的基因数据要从中找到有意义的模式。这一步靠的是他 17 年的数据分析功底。ChatGPT 能给路线图，但走路得自己走。

三个 AI，各干各的活

接下来是整个故事最核心的技术环节：用 AI 从海量基因数据里找到癌症的靶点。

Paul 用了三套工具。

ChatGPT 负责全局： 从一开始的治疗策略规划，到分析基因数据时的思路讨论，再到疫苗设计方案的反复迭代，ChatGPT 贯穿始终。它不是直接给出答案的"医生"，更像一个随时在线的研究搭档：你把数据丢给它，跟它讨论，它帮你理清楚下一步该干什么。

AlphaFold 负责看结构： 这是 Google DeepMind 的蛋白质结构预测工具，2021 年免费开放，创造者拿了诺贝尔化学奖。Paul 从公开文献中了解到 c-KIT 蛋白是犬类肥大细胞瘤的关键驱动蛋白，用 AlphaFold 建模了 Rosie 的 c-KIT 蛋白 3D 结构。结果很明显：Rosie 的 c-KIT 和正常的差异巨大。但光知道"有突变"还不够，你需要知道这些异常蛋白质长什么样，暴露在表面的部分是什么形状，免疫系统能不能"看到"它。AlphaFold 做的就是这件事。

不过 UNSW 结构生物学家 Kate Michie 提醒了一点：AlphaFold 并不总是准确。Rosie 的 c-KIT 模型置信度只有 54.55，偏低。她说："I think people put a little bit too much trust in it at the moment."（我觉得人们目前对它有点过度信任了。）AI 给了方向，但还需要实验室工作去验证。

自己写的算法负责做选择： 在所有突变蛋白质里，哪几个最有可能引发强烈的免疫反应？Paul 自己写了机器学习算法做新抗原筛选，从几十个候选里挑出最优的靶点。他最终找到了一种在美国已用于治疗人类另一种癌症的化合物，攻击的蛋白和 c-KIT 很类似。据他所知，之前从没有人把这两种癌症联系起来。"We actually may have found something brand new here."（我们可能发现了一个全新的关联。）

三套工具跑完，几个月的工作浓缩成了半页纸的公式。

两次碰壁，一次转折

Paul 先找到了那个美国化合物，理论上可以对付 Rosie 的肿瘤。但他无法进口，被卡住了。

他又联系制药公司，看能不能直接拿到药。制药公司拒绝了。对一只狗的一个案例，没人愿意配合。

走了这么远，连续被堵了两次。

就在这个节点，Martin Smith 偶然提了一句：你有没有想过 mRNA 疫苗？

Paul 第二天就带着新方案回来了。他之前做的所有分析，找到的那些突变靶点，换一条路照样能用。他把那半页公式交给了 UNSW RNA 研究所所长 Pall Thordarson。

Thordarson 看完后说："He ran an algorithm to inform the design and sent it to us, and we made a little nanoparticle."（他跑了算法生成设计方案发给我们，我们就做出了一颗小小的纳米颗粒。）他的团队根据 Paul 提供的 mRNA 序列，合成了 mRNA 分子，包裹进脂质纳米颗粒，制造出了一支真正的疫苗。

不到两个月。科学家们说，这是史上第一款为犬类设计的个性化癌症疫苗。

Thordarson 最感慨的不是疫苗本身，而是过程："It's democratising the whole process."（这正在让整个过程民主化。）

100 页伦理审批

疫苗做出来了，但不能直接打。即便是给一只狗做实验性治疗，也需要伦理审批。

Paul 用了三个月，每天晚上花 2 小时，写了一份 100 页的伦理审批申请。白天上班写代码，晚上回家写伦理文档。伦理审批比设计疫苗花的时间还长。

这一步 ChatGPT 帮不了太多。伦理审批不是技术问题，是合规问题，需要逐条回应动物福利、实验风险、知情同意等几十个审核维度。Paul 只能一页一页地写。

最终，一个意想不到的助力出现了。美国犬类癌症联盟的 Mari Maeda 在 UNSW 网站上看到了 Paul 救 Rosie 的报道，主动联系了他，帮他对接上了昆士兰大学兽医学院的 Rachel Allavena 教授。Allavena 手上正好有一个覆盖这类实验性疫苗的伦理批件。

所有拼图到位。2025 年 12 月，Paul 从悉尼开车 10 个小时到昆士兰州 Gatton，带着 Rosie 打了第一针，随后又打了加强针。

一周后，肿瘤开始缩小。

"天哪，真的管用了"

最终结果：肿瘤缩小了 75%。

Martin Smith 的反应是："It was like holy crap, it worked!"（我靠，真的管用了！）

六周后的一天，Paul 带 Rosie 去狗公园。Rosie 突然跳过围栏，追一只兔子去了。这个行为在她生病后消失了很久。一只癌症晚期的狗，不会有力气、也不会有兴致去追兔子。她重新开始追了。

Paul 自己很清醒。他说："我不认为这是一种治愈，但我确实相信这个治疗给了 Rosie 更多的时间和更好的生活质量。"Rosie 身上还有一个较大的肿瘤没有对这次治疗产生反应，Paul 正在做第二轮基因测序，设计第二支疫苗。

他现在还在社交媒体上发了一个表单，征集同样有癌症狗狗的主人，希望把这个方案推广到更多犬类身上。

冷静看两件事

AI 到底在这件事里扮演了什么角色？

"AI 治好了癌症"肯定是夸大了。ChatGPT 的角色是研究助手和策略规划师，AlphaFold 做的是蛋白质结构预测，Paul 自己的算法做了靶点筛选。最终拍板的是人，造疫苗的是 UNSW 的实验室，打疫苗的是昆士兰大学的兽医团队。

AI 做的事情是把一个原本需要几个月文献调研和计算建模的流程，压缩到了几周之内。它没有替代科学家，但让一个有动力的外行人有可能走进这个领域。Paul 能走通，17 年数据科学功底是前提。而且 AlphaFold 的预测精度有限，Kate Michie 明确说过 AI 建模之后还需要大量实验室工作验证。

生物医学工程师 Patrick Heiser 也在社交媒体上提醒："制造单支 mRNA 疫苗本身并不算特别困难。这个故事在某些方面确实令人印象深刻，但大家高估了它的意义。"

能推广到人身上吗？

短期内不能。Rosie 的治疗之所以能实现，是因为动物实验疗法的监管比人类医学宽松得多。如果要推广到人类，从"一只狗的肿瘤缩小了"到"能治人的癌症"，中间隔着数年的临床试验、监管审批和可重复性验证。Martin Smith 自己也说，真正的个性化癌症治疗可能还需要 5 到 10 年。

而且这目前只是一只狗、一个肿瘤的单一案例。同一只狗身上的另一个肿瘤都没有反应。要证明这条路真的走得通，需要多动物试验、对照组、盲法评估，这些都还没有。

但这条路跑通了

一个有技术背景但没有生物学学位的人，用公开可用的 AI 工具，两个月内走完了从"确诊"到"注射个性化疫苗"的全流程。传统路径下，这需要一个专业团队花一两年。

Kate Michie 说："encouraging that a non-scientist could execute such a pipeline"（令人鼓舞的是，一个非科学家能跑通这样一条管线。）

David Thomas（UNSW 分子肿瘤学中心首任主任）称这是 "a very impressive thing"（非常了不起的事）。

推特上传播最广的一句评论："one man with a chatbot, and $3,000 just outperformed the entire pharmaceutical discovery pipeline."（一个人，一个聊天机器人，3000 美元，跑赢了整个制药发现管线。）

Paul 说："There's a chance that we can change some cancers from a terminal sentence to a manageable disease."（我们有机会把一些癌症从死刑判决变成可管理的疾病。）

对我们普通人有什么启发

你大概率不需要给你的狗设计 mRNA 疫苗。但这件事背后的模式，和每个人都有关系。

跨领域沟通： Paul 的做法不是"用 AI 替代专家"，而是"用 AI 让自己快速获得足够的专业知识，然后去跟真正的专家对话"。他写的那半页公式，让 UNSW 的教授们愿意认真对待他。没有 AI 辅助的知识准备，他连对话的资格都没有。看不懂体检报告？让 AI 帮你把专业术语翻译成你能跟医生有效讨论的问题清单。不懂法律条款？让 AI 帮你拆解合同里的关键条款。

面对"没有标准答案"的复杂问题： Rosie 的肿瘤没有现成治疗方案，所以 Paul 得自己组装一条路径。AI 在这种场景里最有价值的能力，不是给你答案，而是帮你把一个巨大的、无从下手的问题拆成一步一步可以执行的小步骤。你要创业不知道第一步做什么？你要转行不知道目标行业的知识地图长什么样？让 AI 帮你画路线图，然后一步步走。

跨行业技能迁移： Paul 不是生物学家，他是数据工程师。他用的核心能力是数据分析和机器学习，AI 工具把生物学知识的门槛拉平了。如果你是程序员、数据分析师、工程师，你的技能在生物医学领域突然有了用武之地，不需要回去读四年生物学位。

宠物医疗的可能性： 动物实验治疗的监管门槛远低于人类。如果这条路线被验证可复现，个性化宠物癌症疫苗可能在几年内成为一个真实的选项。基因组测序成本从 2013 年的 10 万+美元降到现在 3000 美元，还在继续降。

药物发现的起点，已经从实验室搬到了笔记本电脑上

Paul 在接受采访时说了一句话："There's a chance that we can change some cancers from a terminal sentence to a manageable disease."（我们有机会把一些癌症从死刑判决变成可管理的疾病。）

整条技术管线已经跑通了。基因测序的成本在过去十年跌了几个数量级，AlphaFold 是免费开源的，mRNA 疫苗平台经过新冠已经成熟了。个性化癌症疫苗的每一块拼图都已经存在，Paul 只是第一个用 AI 把它们拼到一起的人。

从一只狗到一个人，中间隔着无数道监管、伦理、安全的关卡。但方向已经被一个数据工程师和他最好的朋友证明了。

Rosie 现在还在追兔子。

本文参考：vittorio (@IterIntellectus) 的推文 | 原文链接^[1]
 来源：The Australian 独家报道、UNSW 官方报道、相关研究团队公开评论

加入XiaoHu.ai 日报社群 每天获取最新的AI信息

____________

End.

感 谢 阅 读

点赞，转发，关注关注关注↓↓