Hat ChatGPT wirklich den Krebs eines Hundes geheilt? Es ist kompliziert

Kurzfassung

• Eine virale Behauptung, dass ChatGPT bei der Heilung eines Hundes an Krebs geholfen habe, vereinfacht eine komplexe wissenschaftliche Arbeit erheblich.
• Menschliche Forscher, nicht KI, haben das Genom sequenziert, den mRNA-Impfstoff entwickelt und die Behandlung durchgeführt.
• KI-Tools unterstützten bei Forschung und Datenexploration, entwarfen aber nicht die Krebstherapie, trotz Überschriften, die das behaupten.

OpenAI-Mitbegründer Greg Brockman verbreitete am Wochenende eine weit verbreitete Geschichte über einen Hund, der mit Hilfe von ChatGPT einen personalisierten mRNA-Krebsimpfstoff behandelt wurde, was in Tech- und KI-Communities Aufmerksamkeit erregte. Der Fall dreht sich um Rosie, eine siebenjährige Shar Pei, die dem australischen KI-Berater Paul Conyngham gehört. Laut online kursierenden Beiträgen wurde Rosie nur noch wenige Monate zu leben gegeben, bevor sie die experimentelle Behandlung erhielt, die Conyngham mit Unterstützung des KI-Chatbots entwickelt haben soll.

„2022 bemerkte ich seltsame Beulen auf ihrem Kopf“, schrieb Conyngham in einem November-2024-Thread, der die Reise von Anfang an dokumentiert. „Der Tierarzt hielt sie für ‘nur Warzen’, doch es stellte sich heraus, dass es sich um Krebs im späten Stadium handelte.“ Die Tierärzte schätzten, Rosie hätte noch ein bis sechs Monate zu leben, und sagten Conyngham, es gebe nichts mehr, was man tun könne.  Die Geschichte verbreitete sich rasch, nachdem Brockman sie mit seinen Hunderttausenden Followern teilte, was zu Berichterstattungen in mehreren Tech-Medien führte. Obwohl die Behandlung selbst glaubwürdig erscheint, wurde die Rolle von ChatGPT bei der Entwicklung des Impfstoffs diskutiert, wobei einige Forscher bezweifelten, wie viel des Prozesses realistisch von einem großen Sprachmodell übernommen werden könnte.

Voranschreiten Conyngham sagte, er habe Rosie nicht aufgegeben. Stattdessen beschloss er, eine Forschungs-Pipeline aus Verbrauchs-KI-Tools aufzubauen. Er begann mit ChatGPT, um einen Angriffsplan zu entwerfen. Das Modell sagte ihm, dass eine genomische Sequenzierung notwendig sei, eine Probe gesunden Gewebes und eine vom Tumor, und wies ihn auf bestimmte Institute und Geräte hin. „Das Ironische ist, dass ChatGPT in einer früheren Sitzung sagte, ich solle versuchen, Elita oder Dr. Martin zu kontaktieren und ein Illumina-Gerät zu verwenden“, schrieb er damals. Also folgte er dieser Spur. Ein Direktor an der UNSW verband ihn mit Dr. Martin Smith, Leiter des Ramaciotti-Zentrums für Genomik, der zustimmte, Rosies Genom für etwa 3.000 USD zu sequenzieren. Zehn Tage. Dreißigfache Tiefe bei gesundem Gewebe, sechzigfache im Tumor: die höhere Passrate, um die Mutationen zu isolieren, die den Krebs antreiben. Das Zentrum lieferte 320 Gigabyte Rohdaten. Genomische Informationen werden in Ketten aus den Buchstaben A, T, C und G dargestellt, sodass Experten im Wesentlichen einen Stapel von 700.000 doppelseitigen Seiten voller nur dieser vier Buchstaben hatten, berichtete die University of New South Wales im Juni letzten Jahres. Das war Rosies Genom, ihr biologischer Fingerabdruck. Anschließend konzentrierte er sich auf c-KIT, ein Protein, das in der veröffentlichten Literatur zu Mastzell-Tumoren bei Hunden gut dokumentiert ist.

Mit Google’s AlphaFold modellierte er Rosies Version des Proteins und verglich es mit der gesunden Referenz. Es sah falsch aus, mutiert in Weisen, die mit der Literatur übereinstimmten. Dann suchte er nach bestehenden Verbindungen, die c-KIT oder ähnliche Proteine angreifen könnten, und fand eine: ein Medikament, das in den USA bereits zur Behandlung eines anderen Krebses beim Menschen eingesetzt wird. „Wir haben ihren Tumor sequenziert, die DNA umgewandelt, aus Gewebe in Daten konvertiert und diese genutzt, um das Problem in ihrer DNA zu finden und eine Heilung darauf aufzubauen“, sagte Conyngham am Samstag in der australischen Today Show. „ChatGPT hat den gesamten Prozess unterstützt.“ Die wahre Rolle der KI Dennoch besteht ein großer Unterschied zwischen ChatGPT, das eine Heilung für Krebs findet, und ChatGPT, das bei der Forschung hilft. Conyngham kontaktierte schließlich Prof. Palli Thordarson, Direktor des UNSW RNA-Instituts. „Prof. @martinalexsmith führte die DNA/RNA-Sequenzierung durch, um Rosies Gewebe in Rohdaten umzuwandeln“, postete Conyngham. „Prof. @PalliThordarson stellte den mRNA-Impfstoff her“, fügte er in einem weiteren Tweet hinzu. Thordarson bestätigte dies in seinem eigenen Thread: „Stolz, mit @UNSWRNA beteiligt gewesen zu sein und den mRNA-LNP für Rosie herzustellen“, schrieb er am Sonntag auf X. „Die Schnittstelle von RNA-Technologie, Genomik und KI bietet eine Chance, die Medizin zu verändern und den Zugang gerechter zu machen.“ Aber Dr. Smith war kein Mann hinter einem ChatGPT-Bildschirm. Er war Professor und leitete ein universitäres RNA-Institut, genau das, wofür sein Labor gebaut wurde. Und als Conyngham die endgültige Impfstoffkonstruktion – den spezifischen molekularen Bauplan, der in die mRNA codiert werden sollte – identifizierte, zeigte er, welches Tool sie entworfen hatte. Nicht AlphaFold. Nicht ChatGPT. „Der endgültige Impfstoffkonstruktion für Rosie wurde von Grok entworfen.“ Dennoch erkannte er in einem separaten Beitrag an, dass „Gemini auch viel Arbeit geleistet hat.“

ChatGPT wurde genutzt, um wissenschaftliche Arbeiten zu durchsuchen und Forscher zu identifizieren, die helfen könnten. Der Chatbot wies auf das Ramaciotti-Zentrum hin und schlug Sequenzierungsgeräte vor, die für die Aufgabe geeignet sind, und diente vor allem als Werkzeug zur Navigation durch die Forschungsliteratur. Diese Rolle kann nützlich sein, unterscheidet sich aber vom Entwerfen eines Impfstoffs oder der Durchführung wissenschaftlicher Analysen. AlphaFold, ein Deep-Learning-System von Google DeepMind, sagt dreidimensionale Proteinstrukturen anhand von Aminosäuresequenzen voraus. Es ist nicht das erste Modell, das auf biologischen Daten trainiert wurde: andere Open-Source-Initiativen wie Ankh oder AlphaGenome arbeiten auf ähnlichen Grundlagen. Conyngham nutzte AlphaFold, um Rosies c-KIT-Protein zu modellieren. Die Darstellung ergab eine Vertrauenswürdigkeit von 54,55, was die strukturelle Biologin Dr. Kate Michie von der UNSW öffentlich als niedrig bezeichnete. Sie bemerkte, dass AlphaFold „Fehler machen kann“ und dass umfangreiche Laborarbeit notwendig ist, um Ergebnisse zu validieren. Dr. Smith, der Genomik-Direktor der UNSW, bestätigte öffentlich in demselben Thread, dass AlphaFold nicht für die Entwicklung des mRNA-Impfstoffs verwendet wurde. Auch Thordarson war vorsichtig mit der Formulierung. „Das hat Rosie vielleicht nicht geheilt“, schrieb er auf X. „Auf jeden Fall hat es Zeit gekauft, aber einige Tumore haben nicht reagiert.“ Sein Team prüft nun, ob diese Tumore anders mutiert sind, was erklären könnte, warum Teile der Behandlung funktionierten und andere nicht. Der Impfstoff wirkte auch nicht isoliert. „Die Behandlung erforderte die gleichzeitige Gabe eines Checkpoint-Inhibitors“, bemerkte Thordarson, „wahrscheinlich zusammen mit allen personalisierten Krebstherapien.“

iii) Es ist schwierig, die tatsächlichen Kosten in Forschungsprojekten zu schätzen, da wir alle viel unentgeltliche Zeit und Ressourcen investieren. iv) Die Behandlung erforderte die gleichzeitige Gabe eines Checkpoint-Inhibitors (wahrscheinlich bei allen personalisierten Krebstherapien). v) Insgesamt sind die Kosten daher ziemlich hoch./3

— Palli Thordarson (@PalliThordarson) 15. März 2026

Der Einsatz von KI bei der Krebstherapie war nicht immer von Erfolg gekrönt. 2017 zeigten interne IBM-Dokumente, dass Watson for Oncology, das als System vermarktet wurde, das bessere Krebstherapien als menschliche Onkologen empfehlen sollte, „unsichere und falsche“ Empfehlungen lieferte. MD Anderson Cancer Center gab das Projekt nach einem Aufwand von 62 Millionen USD auf. IBM verkaufte 2022 Watson Health vollständig. Der Rosie-Fall fällt nicht in die Kategorie KI-Fehlschläge. Niemand wurde geschädigt, die Wissenschaft ist etabliert, und die beteiligten Forscher verfügen über anerkannte Qualifikationen. Die mRNA-Plattform wird durch klinische Forschung gestützt. Die Unsicherheit liegt eher darin, wie die Geschichte dargestellt wird. Wenn KI-Tools für Arbeiten anerkannt werden, die von Wissenschaftlern und Forschungseinrichtungen durchgeführt wurden, kann das das öffentliche Verständnis darüber verwischen, was die Technologie tatsächlich leistet. Die Forscher, die das Sequenzieren, die Impfstoffherstellung und die Sicherheitsprotokolle durchführten, könnten in den Hintergrund treten. Der Vorfall erinnert daran, dass KI bei Aufgaben wie der Navigation durch wissenschaftliche Literatur helfen kann, aber weit davon entfernt ist, die Expertise und Infrastruktur zu ersetzen, die für die Entwicklung und Herstellung medizinischer Behandlungen notwendig sind.