Ingenieure entwerfen mit KI mRNA-Impfstoff zur Behandlung von Hundekrebs, Tumor schrumpft um die Hälfte, aber nicht geheilt, regulatorische Genehmigung ist das größte Hindernis

Gate News Nachrichten, 16. März, Sydney: Maschinelles Lernen Ingenieur Paul Conyngham hat mit ChatGPT und DeepMind’s AlphaFold eigenständig mRNA-Impfstoffdesign gelernt und für den Rettungshund Rosie, der an Mastzelltumor leidet, einen maßgeschneiderten Impfstoff entwickelt. Er arbeitete mit dem RNA-Forschungsinstitut der University of New South Wales (UNSW) zusammen, um den Impfstoff zu entwerfen, und führte die Injektion an der Gatton School of Veterinary Science der University of Queensland durch. Nach der Injektion schrumpfte Rosies Tumor deutlich, und Tierarzt Professor Paola Allavena sagte, „der Tumor hat sich ungefähr halbiert“. Diese Geschichte wurde kürzlich in den sozialen Medien weit verbreitet und als „KI hat den Hund von Krebs geheilt“ dargestellt.

Laut einem ursprünglichen Bericht der University of New South Wales befindet sich Rosies Krebs jedoch noch im Fortschreiten, und eine Heilung ist noch nicht erreicht. Biomedizinischer Ingenieur Patrick Heizer erklärte, die Herstellung eines einzelnen mRNA-Impfstoffs sei technisch „äußerst einfach“, die eigentliche Herausforderung und teuerste Phase sei es, in randomisierten kontrollierten Studien die Sicherheit und Wirksamkeit des Impfstoffs nachzuweisen, was bisher noch nicht geschehen ist.

Conyngham selbst betonte, dass das größte Hindernis im gesamten Prozess nicht die Impfstoffentwicklung sei, sondern die ethische Genehmigung: Er habe drei Monate lang jeden Abend zwei Stunden damit verbracht, ein 100-seitiges Ethik-Genehmigungsdokument zu verfassen, „das schwieriger ist als die Impfstoffherstellung“. Biologe Ruxandra Teslo zitierte in ihrer Analyse eine ähnliche Erfahrung des Mitbegründers von GitLab, Sid Sijbrandij (der nach einem Rückfall eines Osteosarkoms selbst eine experimentelle Behandlung finanzierte und seit 2025 keinen Rückfall mehr hatte), und meinte, die bürokratischen Hürden bei den frühen klinischen Studien seien der zentrale Engpass bei der Umsetzung personalisierter Medizin.