Rosie 事件调查报告
执行摘要
2024 年，悉尼 AI 创业者 Paul Conyngham（无生物医学背景）在爱犬 Rosie 被诊断为晚期肥大细胞癌后，借助 ChatGPT 规划研究流程、AlphaFold 预测突变蛋白结构，与 UNSW 科研团队合作设计了世界首个犬类个性化 mRNA 癌症疫苗。2025 年 12 月首次注射后，Rosie 的主要肿瘤在一个月内缩小约 50–75%。该事件于 2026 年 3 月经 OpenAI 总裁 Greg Brockman 转发后引发全球关注，被视为 AI 赋能个人化精准医疗的标志性案例——同时也引发了关于单例证据、缺乏对照组和 AI 角色边界的科学讨论。
完整时间线
| 关键转折 | |||
时间线注意事项：部分来源（如 Cancer Health）将首次注射标注为 2024 年 12 月，加强针为 2025 年 2 月，与其他来源（2025 年 12 月首针）存在约一年的时间差。综合 UNSW 2025 年 6 月的新闻发布时间和 2026 年 3 月的社交媒体爆发时间，本报告采用 2025 年 12 月首针 的时间线作为主线，但标注此差异。
关键人物档案
Paul Conyngham — 项目发起人 / Rosie 主人
背景：42 岁，悉尼人，Core Intelligence Technologies 联合创始人，澳大利亚数据科学与 AI 协会（DSAi）前理事。曾在 General Assembly 担任讲师，参加过 Advertising Week APAC 和 Conffab 等会议演讲 专业：17 年机器学习与数据分析经验，无生物医学学位或正式生物学背景。公司客户包括国防部、Aon、ASX300 公司等 GitHub：github.com/PaulConyngham（34 个仓库），其中 AutologousCancerVaccineWithQuantumParticles（2025/7/1 创建，GPL-3.0）为自体癌症疫苗制造指南——注意这是肿瘤裂解液方案，非 mRNA 方案，说明 Paul 在持续探索多种疫苗技术路线角色：全流程设计者——使用 ChatGPT 规划研究策略、协调 DNA 测序、使用 AlphaFold 进行蛋白质建模、使用自己编写的 ML 算法筛选新抗原、协调各方合作 关键言论： "We took her tumour, sequenced the DNA, we converted it from tissue to data, and we used that to find the problem in her DNA and then develop a cure based off that. ChatGPT assisted throughout that entire process."（澳大利亚 Today 节目采访，2026/3/15） "The red tape was actually harder than the vaccine creation"（官僚程序比疫苗创制更困难）——伦理审批需编写约 100 页文件 "I'm under no illusion that this is a cure"（我不会幻想这是一个治愈方案） 来源：Cancer Health、IBTimes、GitHub、Core Intelligence
Pall Thordarson — mRNA 疫苗设计与合成
背景：UNSW RNA 研究所所长 角色：根据 Conyngham 提供的"半页纸公式"设计并合成 mRNA 疫苗，使用脂质纳米颗粒（LNP）包裹 关键言论： "This is the first time a personalized cancer vaccine has been designed for a dog" 表示有潜力将技术推进到人类临床试验："We can democratise this technology in Australia" 来源：UNSW News、Awesome Agents
Martin Smith — 基因组分析合作者
背景：UNSW Ramaciotti 基因组学中心主任，计算生物学副教授 角色：肿瘤 DNA 测序与生物信息学分析支持 关键言论： "It was like holy crap... he's analyzed the data, found mutations of interest, used AlphaFold to find the mutated proteins, identified potential targets, and matched them to drugs." 来源：IBTimes
David Thomas — 学术评审视角
背景：UNSW 分子肿瘤学中心主任 角色：对事件提供学术评价 关键言论：称之为 "impressive citizen science"（令人印象深刻的公民科学） 来源：UNSW News
Rachel Allavena — 疫苗接种执行者
背景：昆士兰大学兽医学院犬类免疫治疗教授，专科兽医病理学家，与同事 Jose Granados Soler 在 Gatton 诊所工作 角色：持有兽医实验性治疗伦理审批，执行疫苗注射 关键言论： "I run cancer research programs in dogs where we look at a lot of experimental immunotherapies, so I had ethics in place that would cover Paul's type of vaccine" "I wouldn't know how to even begin designing something like this. It's a much more technologically advanced one than I would normally develop myself. Paul's obviously a super-smart guy." "It's definitely working. When it happens that first time, it's magical." "This is the first time anyone's ever done this therapy, but it won't be too far down the line before we can have personalised therapies for individual pets." 来源：《The Australian》 ✅ 已确认（原文引用）
Kate Michie — 结构生物学视角
背景：UNSW 结构生物学家 角色：对 AlphaFold 的应用提供专业评价和审慎警告（非直接参与疫苗设计） 关键言论： "I think people put a little bit too much trust in it at the moment. We're still working out the things that it doesn't do." "Cancer sucks." 对 Paul 的成就："It's exciting to me that someone who's not a scientist has been able to do these things. If you asked me five years ago would we be here I would've said no way." 技术观点：强调 AlphaFold 的预测需要大量实验室工作验证，且 Paul 的 c-KIT 蛋白渲染置信度仅 54.55（偏低） 来源：UNSW News ✅ 已确认
社交媒体关键传播者
Greg Brockman（OpenAI 总裁）：2026/3/14 发推 "How AI empowered Paul Conyngham to create a custom mRNA vaccine to cure his dog's cancer..."，引爆全球关注 — 来源 Demis Hassabis（Google DeepMind CEO）：称之为"数字生物学的早期案例" — 多轮搜索未找到第一手帖子，❓ 待核实 Aravind Srinivas（Perplexity AI CEO）：据称评论 AlphaFold 为"AI 最伟大成果之一"——多轮搜索确认此为泛泛评论 AlphaFold 影响力，并非直接就 Rosie 事件发帖 ❓ 待核实
原始新闻来源：
Natasha Bita（Walkley Award 获奖记者，《The Australian》教育版编辑）：2026/3/15 在《The Australian》发表原始独家报道（付费墙），是全球传播的起源 — Natasha Bita on X
技术决策还原
节点一：肿瘤组织 DNA 测序
执行机构：UNSW Ramaciotti 基因组学中心（澳大利亚大学中最大的基因组学设施） 费用：$3,000 澳元 ✅ 已确认 方法：采集肿瘤组织 DNA + 血液中正常 DNA，分别测序后对比 ✅ 已确认 测序技术：UNSW 原文明确提到产生了约 320 GB 数据（"the Centre came back with the data, about 320 gigabytes worth"），且 Ramaciotti 中心使用的是**下一代测序（NGS）**设备 ✅ 已确认 合理推断：320 GB 强烈指向 WGS（全基因组测序）——WES 通常仅产生 ~10 GB 数据，而 WGS 对两个样本（肿瘤 + 正常）可产生 200-400 GB。结合 $3,000 AUD 费用（Ramaciotti 中心称"一个基因组不到一千美元"即可测序），WGS 的判断高度可信 ⚠️ 高度可信推断
节点二：ChatGPT 辅助分析
使用方式：贯穿全流程的研究助手 ✅ 已确认 建议免疫疗法方向 ✅ 指向 Ramaciotti 中心作为测序机构 ✅（"ChatGPT that suggested immunotherapy, pointing Mr Conyngham to the UNSW Ramaciotti Centre"） 制定数据分析计划 ✅（"I went to ChatGPT and came up with a plan on how to do this"） 指导如何处理基因组数据 ✅（"ChatGPT told Paul what to do"） 协助基因数据分析策略 ✅ Paul 对 Martin Smith 的承诺："No worries, I'm a data analyst and I'll figure this out with the help of ChatGPT" ✅ 具体 prompt 内容：未公开，无截图或博客描述 ❓ 信息缺口 关键界定：ChatGPT 负责策略和规划，不直接生成最终生物序列 ✅ 已确认 Conyngham 原话："ChatGPT assisted throughout that entire process"（Today 节目采访）
节点三：突变分析与 AlphaFold 蛋白结构预测
靶向蛋白：c-KIT 蛋白——犬类肥大细胞癌的已知驱动蛋白 ✅ 已确认。Paul 从公开文献中了解到 c-KIT 是犬 MCT 的主要驱动蛋白（"Paul knew from publicly available literature that c-KIT is one of the prime proteins responsible for mast cell tumours in dogs"） 用途：对 c-KIT 突变蛋白进行三维结构预测 ✅。UNSW 原文称 Paul "modelled Rosie's c-KIT protein"，并发现 "Rosie's c-KIT looked very different to how it should" AlphaFold 描述：UNSW 原文称其为 "an AI software called AlphaFold — a Google subsidiary"，未区分版本 ❓ 信息缺口 置信度问题：UNSW 原文明确提到 Paul 的 c-KIT 蛋白渲染 置信度仅 54.55（"This rendering came with a confidence metric of 54.55, which is low"）✅ 已确认。Kate Michie 警告 "I think people put a little bit too much trust in it at the moment" ✅ 渲染工具：使用 Mol* 进行蛋白质三维可视化（"Animation rendered using Mol"*）✅ 已确认。标准计算机上几小时即可完成 合理推断：AlphaFold 3 于 2024/05 发布，时间上两个版本均可能使用 ⚠️ 推断 c-KIT 突变具体位点：未公开（犬 MCT 中常见为 exon 11 ITD 突变，约 20-30% 检出率） ⚠️ 推断
节点三补充：首选化合物被拒的关键转折
重要发现：Paul 最初识别出一种已在美国用于治疗人类癌症的化合物，该化合物攻击与 c-KIT 类似的蛋白质。Paul 认为 "no one has ever linked these two cancers" ✅ 已确认 被拒经过：Paul 和团队向药厂申请"同情用药"（compassionate use），但药厂拒绝供药 ✅ 已确认（"the drug manufacturer refused to supply it for compassionate use"） 转折点：Martin Smith 在 Paul 失望时提出了 mRNA 疫苗方案 ✅ 已确认（"that's when I told him about mRNA vaccines, and he circled back and said, 'Hey, Martin, can you tell me more about this mRNA stuff'"） 意义：mRNA 疫苗并非 Paul 的第一选择，而是化合物方案失败后的替代路线——这一关键转折在此前的二手报道中几乎未被提及
节点四：新抗原筛选与 mRNA 设计
数据处理：Paul "ran it through a whole bunch of different (data) pipelines to find those mutations, and then used other algorithms to find drugs to treat the cancer" ✅ 已确认——使用了多个生物信息学流水线 Martin Smith 完整评价："Paul was relentless. He called and told me he had analysed the data and found mutations of interest and then used AlphaFold to find the proteins that were mutated, and then identified potential targets and matched them to drugs" ✅ Thordarson 关键描述："He ran an algorithm to inform the design of the mRNA and sent it to us, and we made a little nanoparticle" ✅ 已确认——Paul 自己编写算法指导 mRNA 设计 具体工具：未公开。《The Australian》有配图标注 "Some of the code Paul Conyngham used to create the mRNA treatment"，但代码内容不可见 ❓ 信息缺口 犬类特殊挑战：犬 DLA（MHC 等价物）数据库远不如人类 HLA 完善，犬特异性 MHC 结合预测工具稀缺 — 这是该流程中最大的技术空白 ✅ 已确认（文献）
节点五：mRNA 疫苗设计与合成
设计产出：数月分析浓缩为"半页纸的公式"（a half-page formula），描述 mRNA 序列 ✅ 已确认 合成执行：Pall Thordarson 教授（UNSW RNA 研究所所长）团队 ✅ 已确认 递送系统：脂质纳米颗粒（LNP），文章描述为"fat bubbles for injection delivery" ✅ 已确认 技术平台：与辉瑞/BioNTech 和 Moderna COVID-19 疫苗相同的 mRNA-LNP 技术 ✅ 已确认 合成耗时：不到两个月 ✅ 已确认 mRNA 序列详情、LNP 配方细节：未公开 ❓ 信息缺口
节点六：给药与评估
给药人：Rachel Allavena 教授（昆士兰大学兽医学院） ✅ 已确认 给药地点：昆士兰大学 Gatton 校区 ✅ 已确认 伦理审批：由 Rachel Allavena 持有的兽医实验性治疗伦理许可覆盖 ✅ 已确认 给药方案：首针（2025/12）→ 加强针（2026/2，"a booster shot last month" — 报道 2026/3 发表）→ 第三针计划在报道后一周 ✅ 已确认 评估方法：有肿瘤缩小照片序列（"Rosie's shrinking tumours, left to right: 1. November 2025, prior to starting the trial. 2. December 2025, one week after the mRNA jab. 3. January 2026, seven weeks into the trial. 4. March 2026"）✅ 已确认 主要肿瘤结果：Rachel Allavena 确认 "one tumour has shrunk quite a lot – probably halved"；Conyngham 原话称整体 "probably by half"。75% 的数字可能来自对最大肿瘤的目测 ✅/⚠️ Allavena 评价："It's definitely working. When it happens that first time, it's magical." ✅ 已确认 第二个肿瘤：未对疫苗产生反应，Paul 正在进行第二轮 DNA 测序以研究原因 ✅ 已确认（"I'm trying to do a second round of sequencing to see if we can find why parts of the tumour didn't respond"） 行为改善：恢复活力，毛皮质量改善，在狗公园跳过围栏追兔子 ✅ 已确认（Conyngham 自述）
信息可信度地图
✅ 高可信度（第一手 / 官方来源）
⚠️ 中可信度（二手可信媒体 / 存在差异）
❓ 待核实（推断 / 单一来源 / 信息缺口）
局限性与争议
1. 科学证据层面
N=1：仅一只犬的一个肿瘤对疫苗产生反应。这是单一轶事结果（anecdotal outcome），不构成临床证据 无对照组：没有对照实验设计，无法排除自然消退或其他因素 第二个肿瘤未响应：同一只犬的第二个肿瘤对相同疫苗无反应，提示疗效的局限性 无同行评审：截至 2026 年 3 月，未有已发表的科学论文 评估方法不透明：肿瘤缩小比例基于 Conyngham 自述，测量方法未公开 长期疗效未知：观察期仅数月，肿瘤是否会复发尚不确定
2. AI 角色的准确界定
过度叙事风险：部分媒体标题暗示"AI 自主发明药物"或"ChatGPT 治愈癌症"，这不准确 AI 的实际角色：ChatGPT 作为研究助手协助规划和文献检索；AlphaFold 提供蛋白结构预测工具。疫苗的合成与注射均由专业科研人员和兽医完成 生物医学工程师 Patrick Heiser 的批评："It is trivially easy to make a single mRNA vaccine"，强调制造单一 mRNA 疫苗在技术上并非突破性难题，真正的科学挑战在于严格的对照试验和可重复性验证 Conyngham 本人的清醒认知："I'm under no illusion that this is a cure"
3. 监管与伦理
兽医 vs 人类治疗：兽医实验性治疗的监管远轻于人类医学（无 FDA Phase I-III 临床试验要求） 伦理审批路径：通过单一研究者（Allavena）的伦理许可完成，而非机构性临床试验 人类应用前景：估计成本约 $100,000/人，且需数年的监管工作
4. 技术不确定性
犬 DLA 系统：犬类 MHC（DLA）数据库远不如人类完善，新抗原预测的准确性存疑 信息不透明：大量关键技术细节（测序方法、AlphaFold 版本、新抗原筛选算法、mRNA 序列）均未公开，使得外部验证不可能
相关参考链接
一手/官方来源
UNSW News: Paul is using AI to fight his dog's incurable cancer UNSW News (2025/06) Paul Conyngham GitHub AutologousCancerVaccineWithQuantumParticles（Paul 的疫苗开源项目） Core Intelligence Technologies 官网 Greg Brockman on X Trung Phan on X Anish Moonka on X Natasha Bita on X（《The Australian》原始记者）
可信媒体报道
Cancer Health: Man Cures Dog? IBTimes UK: Sydney Data Engineer mRNA Cancer Vaccine Generative AI Pub: A Man Used ChatGPT and AlphaFold Awesome Agents: AI-Designed mRNA Vaccine Shrinks Dog's Cancer Storyboard18: AI Helps Australian Man
技术/科学背景
pVACtools Documentation GATK Mutect2 LinearDesign - Nature AlphaFold Protein Structure Database cKIT mutations in canine MCT - PMC DLA-88 peptide binding motifs - PMC Moderna mRNA-4157 - The Lancet Neoantigen vaccines: promises and challenges - Nature Biotechnology
