Sådan hjalp GPT‑5 immunologen Derya Unutmaz med at løse et 3 år gammelt mysterium

Lægen og immunologen Derya Unutmaz har interesseret sig for kunstig intelligens i årevis. Men hans ahaoplevelse kom i slutningen af 2025, da GPT‑5 Pro hjalp ham og hans laboratorium med at tage et tre år gammelt mysterium op igen, som handlede om en særlig type immuncelle, der hjælper menneskekroppen med at bekæmpe kræft og andre sygdomme.

Mysteriet drejede sig om et grundlæggende, men vigtigt spørgsmål i immunologien: Hvordan påvirker glukose den måde, T-celler udvikler sig og specialiserer sig på? T-celler er immunceller, der hjælper kroppen med at bekæmpe virus, dræbe kræftceller, reagere på visse bakterier og parasitter og skelne raske celler fra trusler. Efterhånden som de udvikler sig, får de forskellige opgaver, herunder roller, der kan påvirke kræft, autoimmune sygdomme og infektion. Hvis forskere forstår, hvad der får T-celler til at bevæge sig mod én specialisering frem for en anden, kan det hjælpe dem med bedre at forstå – og på sigt bedre behandle – disse sygdomme.

I dag siger Unutmaz – professor ved The Jackson Laboratory og University of Connecticut – at AI er blevet så central for hans arbejde, at han ikke kan forestille sig at lave forskning uden. »Det ville være som at få fjernet begge hænder eller halvdelen af hjernen,« sagde Unutmaz.

Mysteriet begyndte i 2022, da Unutmaz udførte et forsøg for at forstå, hvordan en type sukker kaldet glukose påvirkede udviklingen af T-celler. Cellerne bruger glukose som brændstofkilde, men også til at opbygge proteiner og udføre andre funktioner.

Resultaterne af Unutmaz’ forsøg kunne få betydning for lidelser som kræft, autoimmune sygdomme og infektioner. Men dengang kunne Unutmaz og hans laboratorium ikke få det, de så, til at give mening.

Tidligere studier gav stærke beviser for, at glukosemetabolisme påvirkede, hvordan T-celler specialiserer sig. For bedre at forstå denne sammenhæng udsatte Unutmaz og hans team T-celler tidligt i deres udvikling for enten et miljø med lavt glukoseniveau eller et miljø med et glukoselignende molekyle kaldet deoxyglukose. Deoxyglukose hæmmer en celles evne til at bruge glukose og forstyrrer dermed energiproduktion og opbygning af proteiner. Proteiner er vigtige, fordi de koordinerer aktiviteten i en celle og fungerer som budbringere, der sender og modtager information uden for cellen.

Teamet forventede, at de to betingelser ville give lignende resultater. I begge tilfælde ville glukose – og dermed den energi, T-cellerne havde brug for for at fungere – være begrænset. Men det var ikke det, der skete.

De T-celler, der blev udsat for deoxyglukose, producerede i overvældende grad celler, der indgår i kroppens inflammatoriske respons. Nogle af de T-celler, der blev udsat for lave koncentrationer af glukose, specialiserede sig som inflammatoriske responsceller, men ikke i det antal, man så med deoxyglukose. Effekterne af tidlig eksponering for deoxyglukose fortsatte, selv efter at forskerne fjernede det glukoselignende molekyle.

Denne forskel kunne ikke alene forklares med mangel på energi. Der foregik noget andet. Men Unutmaz og hans laboratorium kunne ikke finde ud af, hvad der skete, så de lagde forsøget på hylden og gik videre til andre presserende opgaver, der krævede deres opmærksomhed.

Så udkom GPT‑5 Pro i slutningen af 2025, og Unutmaz besluttede at tage forsøget frem igen. Han uploadede resultaterne til modellen og bad den analysere dataene.

GPT‑5 Pro foreslog, at deoxyglukose forstyrrede opbygningen af et protein kaldet IL-2. Dette protein kan forhindre T-celler i at blive til en inflammatorisk responscelle kendt som Th17. Deoxyglukose fjernede i praksis en barriere for en T-celles evne til at blive en Th17-celle. Det er muligvis grunden til, at T-cellerne i miljøet med lavt glukoseniveau langt fra blev til Th17-celler i samme antal som i deoxyglukosemiljøet.

»GPT‑5 kom med denne virkelig bemærkelsesværdige indsigt, som set i bakspejlet giver fuldstændig mening,« sagde Unutmaz. Den lå lige akkurat så langt uden for hans eget ekspertområde, at han ikke selv så forbindelsen – og det gjorde ingen i hans laboratorium heller.

Unutmaz besluttede derefter at undersøge, om GPT‑5 kunne forudsige udfaldet af et forsøg. Immunologen begyndte med et forsøg, han allerede havde udført på en T-celle, der angriber en type lymfom. Hans forsøg viste, at disse særlige T-celler, kaldet CD8+, havde en forbedret evne til at dræbe lymfomcellerne.

Da Unutmaz bad GPT‑5 Pro simulere det samme forsøg, forudsagde den korrekt stigningen i CD8+-cellernes evne til at dræbe lymfomceller. Modellen kunne ikke have hentet resultaterne fra internettet, fordi Unutmaz endnu ikke havde offentliggjort dem.

»Det var dér, jeg følte: okay, disse modeller er nu nået til et punkt, hvor de virkelig, oprigtigt forstår,« sagde han.

Unutmaz sagde, at modeller som GPT‑5 Pro nu fungerer mere som samarbejdspartnere. De kan strømline litteraturgennemgange ved at behandle hundredvis af nye akademiske artikler, der udgives hver uge, og hjælpe forskere med at identificere spørgsmål, der stadig er ubesvarede. De kan også hjælpe forskere med at skærpe deres hypoteser og reducere den tid, det tager at finde frem til de mest værdifulde forsøg at udføre.

»Antallet af ting, du kan gøre for at undersøge din hypotese, er enormt,« sagde Unutmaz. »Der er utallige tilgange, og du ved ikke, hvilken der er den bedste strategi.« Derfor bruger han GPT‑5 Pro til at simulere forsøg og forudsige udfald for at indsnævre, hvilke forsøg der er værd at gentage i laboratoriet. Det kan spare forskere for uger, måneder – ja, endda år – af arbejde og dermed accelerere biologien markant.

Alligevel er fagekspertise stadig afgørende. AI kan skabe en indsigt, men mennesker skal stadig vurdere dens betydning og sandsynlighed. For eksempel ville en person uden Unutmaz’ ekspertise ikke have kunnet afgøre, om den mekanistiske indsigt, som GPT‑5 Pro pegede på i hans immuncelleforsøg, var vigtig eller ej.

Evnen til at skabe indsigt og fremskynde arbejdet er grunden til, at disse kapaciteter skal håndteres ansvarligt. AI kan hjælpe forskere med at arbejde hurtigere inden for biologi og medicin, men de samme kapaciteter kan også sænke barriererne for misbrug, blandt andet for ondsindede aktører, der forsøger at designe eller bruge biologiske eller kemiske våben. OpenAIs Preparedness Framework beskriver vores tilgang til at følge disse risici og opbygge sikkerhedsforanstaltninger mod AI-kapaciteter, der kan forårsage alvorlig skade.

Unutmaz er optimistisk med hensyn til, hvor AI er på vej hen. Det ligner ikke noget, der er kommet før, siger han – hverken internettet eller den industrielle revolution. Senest har Unutmaz eksperimenteret med avancerede AI-værktøjer, herunder Codex og GPT‑5.2 dybdegående research, for at hjælpe med at samle store datasæt om kræftmutationer og udarbejde forskningsmaterialer – herunder et omfattende udkast til en lærebog med fokus på T-celler – der skal fremskynde arbejdet med præcisionsimmunterapi.

Unutmaz føler sig heldig over at være en del af denne opdagelsestid. »Ikke bare at kunne bevidne det historisk, men også deltage en lille smule – det føler jeg mig virkelig heldig og privilegeret over at kunne.«