概要
このケースは、オーストラリアのAIコンサルタント、ポール・コニグハムが所有する7歳のシャー・ペイ犬、ロージーに関するものである。オンラインで流布している投稿によると、ロージーは数ヶ月の余命宣告を受けていたが、AIチャットボットの助けを借りて開発された実験的な治療を受けた。
「2022年頃、彼女の頭に奇妙な腫れを見つけました」とコニグハムは、2024年11月のスレッドで記録している。「獣医は『ただのイボ』だと言ったが、実際には末期の癌だった。」獣医はロージーの余命を1〜6ヶ月と見積もり、これ以上できることはないと告げた。
この話は、ブロックマンが何十万人ものフォロワーと共有した後、急速に拡散し、複数のテクノロジー系メディアで取り上げられた。治療自体は本物のようだが、ChatGPTがワクチン開発に関与したとされる役割については議論があり、一部の研究者は大規模言語モデルがどれだけの作業を実際に担えるか疑問を呈している。
前進 コニグハムはロージーを諦めず、むしろ消費者向けAIツールを用いた研究パイプラインを構築することにした。彼はまずChatGPTを使い、攻撃計画を設計した。
モデルはゲノム配列の解読が必要だと伝え、健康組織と腫瘍のサンプルを一つずつ用意し、特定の機関や装置を指示した。
「最も皮肉なことに、以前のチャットセッションでChatGPTは、エリタやマーティン博士に連絡を取るべきだと提案し、イリウムの機械を使うべきだと言ったんです」と彼は当時書いている。
その指示に従い、UNSWのディレクターは、ラマチョイ・センターのゲノミクス責任者のマーティン・スミス博士に紹介し、ロージーのゲノム配列を約3,000ドルで解読してもらった。
10日間で、健康組織は30倍の深さ、腫瘍は60倍の深さのシーケンスを行い、癌を駆動する変異を特定するために必要な高いカバレッジを確保した。センターは320ギガバイトの生データを返した。
ゲノム情報はA、T、C、Gの文字列で表されるため、専門家は結局、これら4文字だけが詰まった70万ページの二面印刷の書類の山を手にしたことになる。これはロージーのゲノム、彼女の生物学的指紋だった。
次に、犬のマスト細胞腫瘍に関する文献でよく知られるタンパク質、c-KITに焦点を当てた。
GoogleのAlphaFoldを使い、ロージーのc-KITのバージョンをモデル化し、正常な基準と比較したところ、予想と異なる変異が見つかった。次に、c-KITや類似のタンパク質を攻撃できる既存の化合物を探し、米国で既に別の癌の治療に使われている薬を見つけた。
「彼女の腫瘍のDNAをシーケンスし、組織からデータに変換し、そのデータを使ってDNAの問題を見つけ出し、それに基づく治療法を開発した」とコニグハムは土曜日のオーストラリアの Today Show で語った。「ChatGPTはその過程全体を支援した。」
AIの本当の役割 それでも、ChatGPTが癌の治療法を見つけることと、研究を支援することには大きな隔たりがある。
コニグハムは最終的に、UNSWのRNA研究所のディレクター、パリ・ソルダルソン教授と連絡を取った。「@martinalexsmith教授がロージーの組織を生データに変換するためのDNA/RNAシーケンスを行った」と投稿した。「@PalliThordarson教授がmRNAワクチンを組み立てた」と別のツイートで付け加えた。
ソルダルソン教授は自身のスレッドでこれを確認し、「@UNSWRNAに誇りを持っている。ロージーのためにmRNA-LNPを作った」と述べた。彼はまた、「RNA技術、ゲノム、AIの交差点は、医療のやり方を変え、アクセスをより公平にする機会をもたらす」とも語った。
しかし、スミス博士はChatGPTの画面の背後にいたわけではない。彼は大学のRNA研究所の教授であり、自分の研究室の役割を果たしていただけだ。
そして、コニグハムが最終的なワクチンの構造、すなわちmRNAに符号化される具体的な分子設計を特定したとき、その設計を行ったツールが何かを明らかにした。AlphaFoldではなく、Grokだった。
ただし、彼は別の投稿で、「Geminiも多くの重労働を担っていた」と認めている。
ChatGPTは科学論文を精査し、協力できる研究者を見つけるために使われた。チャットボットはラマチョイ・センターを指し、シーケンス装置の提案も行った。これは主に研究文献をナビゲートするツールとしての役割だった。その役割は有用だが、ワクチンの設計や科学的分析を行うこととは異なる。
Google DeepMindのAlphaFoldは、アミノ酸配列から三次元のタンパク質構造を予測する深層学習システムである。これは最初の生物学的データを用いたモデルではなく、AnkhやAlphaGenomeなどのオープンソースの取り組みも同様の前提で動いている。
コニグハムはAlphaFoldを使い、ロージーのc-KITタンパク質をモデル化した。信頼度スコアは54.55で、UNSWの構造生物学者ケイト・ミッチー博士はこれを低いと公に述べた。
彼女は「AlphaFoldは間違うこともある」と指摘し、出力結果を検証するためには実験室での検証作業が必要だと述べた。スミス博士も同じスレッドで、AlphaFoldは実際にはmRNAワクチンの設計には使われていないと公言した。
ソルダルソン教授も慎重に構成を語った。
「これはロージーを治したわけではないかもしれません」と彼はXで書いた。「時間を稼いだのは確かですが、一部の腫瘍は反応しませんでした。」
彼のチームは現在、これらの腫瘍が異なる突然変異を起こしたかどうかを調査しており、それが治療の一部が効果的だった理由を説明する可能性がある。ワクチンだけでなく、免疫チェックポイント阻害剤の併用も必要だった。
iii) 研究プロジェクトの実際のコストを推定するのは難しい。皆、時間やリソースを多く投入しているからだ。 iv) 治療には免疫チェックポイント阻害剤の併用が必要だった（おそらくすべての個別化癌ワクチンに共通）。 v) したがって、総コストはかなり高い。
— パリ・ソルダルソン (@PalliThordarson) 2026年3月15日
AIを用いた癌治療は、常に成功例ばかりではなかった。
2017年、IBMの内部資料によると、がん治療を推奨できるとされたWatson for Oncologyは、「安全でない誤った推奨」を出しているとエンジニアが指摘していた。MDアンダーソンがこのプロジェクトを放棄したのは、6200万ドルの投資後だった。IBMは2022年にWatson Healthを完全に売却した。
ロージーのケースは、AIの失敗例には該当しない。誰も傷つかなかったし、基礎となる科学は確立されており、関わった研究者も信頼できる資格を持つ。mRNAプラットフォーム自体は臨床研究に裏付けられている。
問題は、こうした話の枠組みの捉え方にある。AIツールが科学者や研究機関の仕事にクレジットを与えられると、技術の実態理解が曖昧になりやすい。ゲノム配列を解読し、ワクチンを作り、安全性を管理した研究者たちが、背景に埋もれてしまう危険性だ。
このエピソードは、AIは科学文献の探索や研究支援には役立つが、医療の設計や生産を置き換えるものではない、ということを再認識させるものである。
