GPT-5 Pro pomohol imunológom rozpliesť záhadu správania T buniek

OpenAI zverejnilo prípadovú štúdiu z imunologického výskumu, v ktorej GPT-5 Pro pomohol tímu profesora Deryu Unutmaza vrátiť sa k problému, ktorý sa im podľa opisu zdroja nedarilo uspokojivo vysvetliť približne tri roky. Jadrom otázky bolo, ako glukóza ovplyvňuje vývoj a špecializáciu T buniek, teda buniek imunitného systému, ktoré zohrávajú úlohu pri obrane proti vírusom, nádorovým bunkám aj niektorým ďalším hrozbám. OpenAI tvrdí, že model pomohol výskumníkom navrhnúť mechanistické vysvetlenie a nové experimentálne smerovanie, nie že by sám nahradil laboratórnu prácu alebo klinické overenie.

Téma je zaujímavá práve tým, že nejde o bežný marketingový príklad chatbotu nad dokumentmi. Výskumný problém sa týkal správania živého systému, v ktorom sa prelína metabolizmus, génová regulácia a funkcia imunitných buniek. V takom prostredí nestačí nájsť podobný článok v literatúre. Vedec potrebuje spojiť neúplné indície, navrhnúť možné vysvetlenia, porovnať ich s experimentálnymi dátami a rozhodnúť, čo ešte treba zmerať. OpenAI opisuje GPT-5 Pro ako nástroj, ktorý v tejto časti vedeckého cyklu vedel pomôcť s hypotézami a kontrolou súvislostí.

Podľa zverejneného textu bola záhada dôležitá preto, že T bunky sa počas vývoja nerozhodujú iba medzi jednoduchými stavmi. Rôzne metabolické podmienky môžu podporiť odlišné typy imunitnej odpovede. Ak výskumníci lepšie pochopia, prečo sa bunky uberajú jedným alebo druhým smerom, môže to v dlhšom horizonte pomôcť pri výskume rakoviny, autoimunitných ochorení alebo infekcií. Dôležité je však slovo „výskum“. V tejto fáze nejde o klinický produkt, ale o pomoc pri biologickej interpretácii a plánovaní ďalších pokusov.

Praktický dopad pre vedecké tímy je v tom, že model môže fungovať ako veľmi rýchly interdisciplinárny partner. Imunológ často potrebuje prepájať poznatky z bunkovej biológie, metabolizmu, molekulárnych dráh a štatistickej interpretácie dát. Pokročilý model môže pomôcť prejsť väčší priestor možností, upozorniť na prehliadnutý mechanizmus alebo formulovať alternatívne vysvetlenie. Hodnota vzniká až vtedy, keď výskumník tieto návrhy preverí experimentom a vlastnou doménovou expertízou.

Rovnako dôležité je, čo tento príklad nedokazuje. Jeden úspešný príbeh neznamená, že veľký jazykový model spoľahlivo rieši biologické záhady všeobecne. Model môže vytvárať presvedčivo pôsobiace, ale nesprávne hypotézy, môže preceňovať slabé dôkazy a môže miešať poznatky z literatúry spôsobom, ktorý si vyžaduje prísnu kontrolu. V medicínskom a biologickom výskume preto zostáva rozhodujúce, či návrh obstojí v opakovateľnom experimente, nie či znie elegantne v konverzácii.

Pre AI priemysel je prípad dôležitý aj ako ukážka posunu od všeobecných odpovedí k špecializovanej vedeckej asistencii. Ak má model pomáhať pri objavovaní, nestačí mu len plynulý jazyk. Musí vedieť udržať dlhý reťazec dôvodov, pracovať s neistotou, rozlišovať medzi znalosťou a špekuláciou a prispôsobiť sa tomu, čo už tím reálne nameral. Práve táto hranica oddeľuje užitočného vedeckého kopilota od systému, ktorý iba sumarizuje abstrakty.

Zaujímavý je aj organizačný rozmer. OpenAI opisuje, že Unutmaz používal AI dlhšie, no rozhodujúci moment prišiel až vtedy, keď model dokázal vstúpiť do konkrétnej vedeckej úvahy. To naznačuje, že adopcia AI vo výskume nemusí prebiehať cez samostatné veľké platformy, ale cez každodennú prácu jednotlivých laboratórií. Výskumník môže model používať pri čítaní literatúry, návrhu experimentu, interpretácii výsledkov a príprave ďalšej série otázok.

Pre slovenské univerzity, nemocničné laboratóriá a biotechnologické tímy je najpraktickejšia lekcia opatrne optimistická. Pokročilé modely môžu zrýchliť fázu hľadania hypotéz a prepájania disciplín, ale nesmú sa stať autoritou bez auditu. Ak sa podobné nástroje dostanú do rutinného výskumu, bude potrebná jasná evidencia, čo navrhol model, čo doplnil človek, aké zdroje boli použité a ktoré závery boli potvrdené mimo modelu.

Najväčšia hodnota tejto správy teda nie je v tvrdení, že GPT-5 Pro „vyriešil“ imunológiu. Je v tom, že ukazuje nový typ spolupráce: AI môže rozšíriť mentálny priestor výskumníka, ale dôkaz zostáva v laboratóriu. Ak sa tento vzorec potvrdí na viacerých nezávislých prípadoch, vedecké tímy budú musieť riešiť nielen prístup k modelom, ale aj metodiku, citovanie, reprodukovateľnosť a zodpovednosť za hypotézy vytvorené s pomocou AI.