问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
2026年3月披露的一则医疗AI实践案例显示，澳大利亚AI专家Paul Conyngham借助ChatGPT、AlphaFold、Grok等AI工具，为患肥大细胞癌的爱犬Rosie制定实验性治疗方案，治疗后肿瘤缩小约75%。该案例展现了生成式AI辅助复杂医疗决策的潜力，引发OpenAI总裁Greg Brockman、DeepMind CEO Demis Hassabis等业内人士关注，也引发学界关于AI医疗落地边界的讨论。
当宠物医生告诉Paul Conyngham，他的爱犬Rosie所患的肥大细胞癌属于罕见亚型，没有成熟的标准治疗方案时，这位深耕AI技术落地多年的从业者，没有选择被动等待，而是转向了自己最熟悉的技术工具寻找可能性。整个治疗方案的研发从2024年11月正式启动，核心环节全部由多款不同能力的AI工具协作完成。
在方案设计初期，ChatGPT首先根据Rosie的病症数据、过往病史，建议对病灶样本进行深度基因组测序，为后续靶点分析提供了基础数据支撑。拿到测序结果后，DeepMind旗下的蛋白质结构预测工具AlphaFold完成了核心的靶蛋白结构识别工作，同时从FDA已批准上市的药物库中筛选出匹配度最高的候选药物，大幅降低了药物适配的试错成本。最终的定制化癌症疫苗设计环节，则由X（原推特）旗下的大模型Grok完成。
经过一段时间的规范化治疗，最新检测数据显示，Rosie体内的肿瘤体积已经缩小约75%，尽管尚未完全康复，但病灶的明显缩小已经超出了此前传统治疗方案的预期效果。
这一个案的治疗效果很快在全球AI圈和生物医疗圈引发热议，OpenAI总裁Greg Brockman、DeepMind首席执行官Demis Hassabis先后在公开场合提及该案例，认为其验证了多模型协作落地复杂垂直场景的可行性，为AI辅助精准医疗的发展提供了新的实践参考。
但生物技术领域的专家普遍持谨慎态度，斯坦福大学化学生物学博士Egan指出，目前该案例仅为个体实验结果，既没有经过大样本对照验证，也没有完整的长期副作用追踪数据，AI给出的治疗方案的作用机制尚未得到完整的生物学论证，不能直接推导到其他动物或人类的临床治疗场景中。
尽管争议尚存，但不可否认的是，该案例首次验证了生成式AI、蛋白质结构预测模型等不同类型AI工具，在没有专业医疗团队深度介入的前提下，就能完成从测序建议、靶点识别、药物筛选到疫苗设计的全流程医疗决策输出，对于罕见病、小众适应症等缺乏成熟治疗方案的场景，具备极高的探索价值。
不少医疗AI从业者表示，未来随着模型对生物医疗数据的学习精度提升，以及相关监管规范的完善，多AI工具协作的模式，有望成为临床医生的重要辅助工具，进一步降低精准医疗的落地成本。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号