Slik hjalp GPT‑5 immunolog Derya Unutmaz med å løse en tre år gammel gåte

Lege og immunolog Derya Unutmaz har vært interessert i kunstig intelligens i flere år. Men aha-opplevelsen kom sent i 2025, da GPT‑5 Pro hjalp ham og laboratoriet hans med å ta opp igjen en tre år gammel gåte om en spesiell type immuncelle som hjelper menneskekroppen med å bekjempe kreft og andre sykdommer.

Mysteriet dreide seg om et grunnleggende, men viktig spørsmål i immunologien: Hvordan påvirker glukose måten T-celler utvikler seg og spesialiserer seg på? T-celler er immunceller som hjelper kroppen med å bekjempe virus, drepe kreftceller, reagere på enkelte bakterier og parasitter og skille friske celler fra trusler. Etter hvert som de utvikler seg, får de ulike oppgaver, blant annet roller som kan påvirke kreft, autoimmune sykdommer og infeksjoner. Å forstå hva som driver T-celler mot én spesialisering fremfor en annen, kan hjelpe forskere med å forstå disse sykdommene bedre – og etter hvert behandle dem bedre.

I dag sier Unutmaz – professor ved The Jackson Laboratory og University of Connecticut – at AI er blitt så sentralt i arbeidet hans at han ikke kan forestille seg å drive forskning uten. «Det ville vært som å ta bort begge hendene dine, eller halve hjernen din», sa Unutmaz.

Gåten begynte i 2022, da Unutmaz utførte et eksperiment for å forstå hvordan en type sukker kalt glukose påvirket utviklingen av T-celler. Cellene bruker glukose som drivstoffkilde, men også til å bygge proteiner og utføre andre funksjoner.

Resultatene fra Unutmaz’ eksperiment kunne få betydning for lidelser som kreft, autoimmune sykdommer og infeksjoner. Men den gangen klarte ikke Unutmaz og laboratoriet hans å forstå det de så.

Tidligere studier ga sterke holdepunkter for at glukosemetabolisme påvirket hvordan T-celler spesialiserer seg. For å forstå denne sammenhengen bedre utsatte Unutmaz og teamet hans T-celler tidlig i utviklingen for enten et miljø med lite glukose eller et miljø som inneholdt et glukoselignende molekyl kalt deoksyglukose. Deoksyglukose hemmer cellens evne til å bruke glukose og forstyrrer energiproduksjon og proteinbygging. Proteiner er viktige fordi de koordinerer aktivitet inne i en celle og fungerer som budbringere som sender og mottar informasjon utenfor cellen.

Teamet forventet at de to betingelsene ville gi lignende resultater. I begge tilfeller ville glukose, og dermed energien T-cellene trengte for å fungere, være begrenset. Men det var ikke det som skjedde.

T-cellene som ble utsatt for deoksyglukose, produserte i overveldende grad celler som inngår i kroppens betennelsesrespons. Noen av T-cellene som ble utsatt for lave konsentrasjoner av glukose, spesialiserte seg som betennelsesrespons-celler, men ikke i samme antall som ved deoksyglukose. Virkningene av tidlig eksponering for deoksyglukose vedvarte selv etter at forskerne fjernet det glukoselignende molekylet.

Denne forskjellen kunne ikke forklares med energimangel alene. Noe annet var i spill. Men Unutmaz og laboratoriet hans klarte ikke å finne ut hva som foregikk, så de la eksperimentet på hyllen og gikk videre til andre presserende oppgaver som krevde oppmerksomheten deres.

Så kom GPT‑5 Pro sent i 2025, og Unutmaz bestemte seg for å hente frem eksperimentet igjen. Han lastet resultatene opp i modellen og ba den analysere dataene.

GPT‑5 Pro foreslo at deoksyglukose forstyrret byggingen av et protein kalt IL-2. Dette proteinet kan hindre T-celler i å bli en betennelsesrespons-celle kjent som Th17. Deoksyglukose fjernet i praksis en barriere for T-cellens evne til å bli en Th17-celle. Det er potensielt grunnen til at T-celler i miljøet med lite glukose ikke ble Th17-celler i nærheten av samme antall som i miljøet med deoksyglukose.

«GPT‑5 kom med denne virkelig bemerkelsesverdige innsikten som i ettertid gir fullstendig mening», sa Unutmaz. Den lå akkurat langt nok utenfor hans eget ekspertområde til at han ikke så sammenhengen selv, og det gjorde heller ingen i laboratoriet hans.

Unutmaz bestemte seg deretter for å se om GPT‑5 kunne forutsi utfallet av et eksperiment. Immunologen startet med et han allerede hadde gjennomført på en T-celle som angriper en type lymfom. Eksperimentet hans viste at disse bestemte T-cellene, kalt CD8+, hadde en forbedret evne til å drepe lymfomcellene.

Da Unutmaz ba GPT‑5 Pro simulere det samme eksperimentet, forutså den riktig økningen i CD8+-cellenes evne til å drepe lymfomceller. Modellen kunne ikke ha hentet resultatene fra internett, fordi Unutmaz ennå ikke hadde publisert dem.

«Det var øyeblikket da jeg følte at, ok, disse modellene nå har kommet til et punkt der de virkelig, oppriktig forstår», sa han.

Unutmaz sa at modeller som GPT‑5 Pro nå fungerer mer som samarbeidspartnere. De kan effektivisere litteraturgjennomganger ved å behandle hundrevis av nye akademiske artikler som publiseres hver uke, og hjelpe forskere med å finne spørsmål som fortsatt står ubesvart. De kan også hjelpe forskere med å spisse hypotesene sine, slik at det tar kortere tid å identifisere de mest verdifulle eksperimentene å gjennomføre.

«Antallet ting du kan gjøre for å undersøke hypotesen din, er enormt», sa Unutmaz. «Du har utallige tilnærminger, og du vet ikke hvilken som vil være den beste strategien.» Derfor bruker han GPT‑5 Pro til å simulere eksperimenter og forutsi utfall for å snevre inn hvilke eksperimenter som er verdt å gjenta i laboratoriet. Dette kan spare forskere for uker, måneder – til og med år – med arbeid og gi biologifeltet kraftig økt tempo.

Til tross for dette er fagkompetanse fortsatt avgjørende. AI kan generere en innsikt, men mennesker må fortsatt vurdere betydningen og sannsynligheten. For eksempel ville en person uten Unutmaz’ ekspertise ikke ha kunnet avgjøre om den mekanistiske innsikten GPT‑5 Pro pekte på i immuncelleeksperimentene hans, var viktig eller ikke.

Evnen til å generere innsikt og få fart på arbeidet er grunnen til at disse egenskapene må håndteres ansvarlig. AI kan hjelpe forskere med å arbeide raskere innen biologi og medisin, men disse egenskapene kan også senke terskelen for misbruk, blant annet av ondsinnede aktører som ønsker å utforme eller bruke biologiske eller kjemiske våpen. OpenAIs Preparedness Framework skisserer vår tilnærming til å følge disse risikoene og bygge beskyttelsestiltak mot AI-egenskaper som kan forårsake alvorlig skade.

Unutmaz er optimistisk med tanke på hvor AI er på vei. Han sier at det ikke ligner noe som har kommet før – verken internett eller den industrielle revolusjonen. Senest har Unutmaz eksperimentert med avanserte AI-verktøy, blant annet Codex og GPT‑5.2 dyp forskning, for å bidra til å sammenstille storskala datasett om kreftmutasjoner og utarbeide forskningsmateriale – inkludert et omfattende utkast til lærebok med fokus på T-celler – med mål om å akselerere arbeidet med presisjonsimmunterapi.

Unutmaz føler seg heldig som får være en del av denne oppdagelsestiden. «Å ikke bare få være vitne til det historisk, men også delta litt, gjør at jeg føler meg virkelig heldig og privilegert.»