Австралиец без медицинского образования за несколько месяцев сделал то, на что у фармкомпаний уходят годы и миллиарды. Это история о любви, нейросетях и системе, которая не торопится спасать жизни.
Рози умирала, врачи разводили руками
Пол Конингем - инженер по данным из Австралии - несколько лет наблюдал, как его собака Рози проигрывает битву с раком. Он взял ее с приюта обычным щенком и прожил с ней шесть лет. Обычная ветеринария уже не помогала: операции и химиотерапия дали временный эффект, а потом болезнь вернулась. Врачи отвели Рози несколько месяцев.
Вместо того чтобы смириться, Пол сел за компьютер. Не как отчаявшийся хозяин, а как специалист, привыкший решать задачи с данными. Он открыл ChatGPT и начал задавать вопросы про иммунотерапию и персонализированные вакцины - сначала простые, потом всё глубже.
Геном опухоли как набор данных
По совету нейросети Пол обратился в Центр геномики Ramaciotti при Университете Нового Южного Уэльса. Там секвенировали ДНК здоровых клеток Рози и клеток опухоли - за 3 000 австралийских долларов. На выходе получились гигабайты символов, похожие на бесконечный текст без смысла.
Именно здесь начался его настоящий вклад. Пол написал собственные алгоритмы, которые сравнивали два генома и искали аномалии - точки, где раковая клетка отличается от здоровой. Директор центра Мартин Смит потом признавался, что был поражён: непрофессионал самостоятельно нашёл то, на что у команды учёных ушли бы недели.
Биологию он превратил в задачу машинного обучения. Найти паттерн в огромном массиве данных - именно это он умеет делать профессионально уже почти два десятилетия.
AlphaFold, неоантигены и полстраницы формул
Найти мутацию - это ещё полдела. Нужно понять, как выглядит белок, который из неё получается: торчит ли он наружу клетки, где иммунная система сможет его заметить, или прячется внутри. Для этого Пол использовал AlphaFold - нейросеть от Google DeepMind, которая предсказывает трёхмерную структуру белков. В 2024 году её создатели получили Нобелевскую премию по химии.
Перебрав сотни мутаций, он отобрал самые перспективные мишени - так называемые неоантигены. Потом спроектировал последовательность мРНК, которая должна была научить иммунные клетки Рози распознавать и атаковать именно эти мишени. Весь «рецепт» уместился на половине страницы.
Учёные из Института РНК при том же университете взялись синтезировать вакцину бесплатно - потому что это был первый в мире подобный случай, и они сами хотели посмотреть, что получится. От получения рецепта до готового препарата прошло меньше 2 месяцев.
100 страниц бумаг ради одного укола
Самым долгим этапом оказалась не наука, а разрешение. Три месяца Пол каждую ночь по два часа заполнял заявку в этическую комиссию - итоговый документ занял 100 страниц. Только чтобы ввести вакцину своей собаке.
Когда разрешение наконец получили, Пол посадил Рози в машину и проехал 10 часов до лаборатории в Квинсленде - единственного места, где у исследователя Рейчел Аллавены было необходимое этическое одобрение. В декабре 2025 года Рози сделали первый укол.
Через месяц опухоль на ноге уменьшилась на три четверти. Рози снова начала прыгать и гоняться за кроликами.
Почему это не стало нормой раньше
История Пола выглядит как прорыв - но на самом деле это демонстрация того, что уже возможно технологически. Секвенирование генома, которое десять лет назад стоило десятки тысяч долларов, сегодня доступно за несколько тысяч. Нейросети выполняют работу целых лабораторий. Идея персонализированной мРНК-вакцины против рака обсуждается в науке уже несколько лет.
Проблема не в технологиях. Проблема в том, что система движется по своей логике. Клинические исследования требуют трёх фаз, сотен пациентов и многих лет. Каждый шаг этого пути появился не случайно - за ним стоят реальные трагедии, когда непроверенные препараты калечили и убивали людей. Бюрократия писалась кровью, и это честно признать.
Но между кустарным шарлатанством и десятилетиями клинических испытаний есть огромное пространство, которое система пока не освоила. Пол потратил 3 месяца на бумаги - почти столько же, сколько на саму науку. Это сигнал.
ИИ как уравнитель возможностей
Пол не биолог. Он не заканчивал медицинский факультет и не работал в фармацевтике. Но он умеет работать с данными и задавать правильные вопросы инструментам, которые знают ответы. ChatGPT стал его репетитором по иммунологии, AlphaFold - молекулярным инженером, а его собственный код - командой биоинформатиков. К слову, этот код, теперь взят на вооружение учеными - возможно, что парню еще поставят памятник, если не дадут Нобелевскую премию.
Профессор Палл Тордарсон, директор Института РНК, сформулировал это точно: инженер по данным без биологического образования смог сгенерировать рецепт мРНК-вакцины. Раньше такое было невозможно в принципе - не потому что не хватало желания, а потому что не было инструментов.
Одна опухоль не ответила на лечение
История не закончена. У Рози было несколько опухолей, и одна из них на вакцину не отреагировала. Пол уже заказал второй раунд секвенирования, чтобы понять почему - скорее всего, мутации в этой опухоли другие, и нужен новый рецепт.
Это напоминает о главном свойстве рака: он не стоит на месте. Опухоль мутирует, учится обходить защиту и адаптируется. Именно поэтому онкологи говорят не об «излечении», а об управлении болезнью. Персонализированная вакцина - это не финальный ответ, а новый инструмент в постоянно меняющейся схватке.
Что это значит для людей
Пол уже задаётся вопросом: если это работает для собаки, почему мы не делаем это для людей с раком прямо сейчас. Технологически путь уже понятен. Коммерческое производство такой вакцины по всем стандартам качества оценивается в сотни тысяч долларов за курс - но это цена сегодня, а не потолок.
В Центре Гамалеи в РФ похожие персонализированные вакцины для людей уже разрабатываются в рамках государственных программ. В США прогнозируют выход таких препаратов на рынок в течение ближайших нескольких лет. Пол показал, что цикл от биопсии до готовой вакцины можно сократить до 2 месяцев - если убрать лишние барьеры.
Его история - не аргумент против регулирования. Это аргумент за то, чтобы регулирование было умным: умело отличать проверенный инженерный подход от шарлатанства и не заставлять любящего хозяина три месяца заполнять бумаги ради спасения собственной собаки.
Сколько стоит вакцина от рака и кто потеряет триллионы
Пол Конингем потратил на создание персонализированной вакцины меньше, чем среднестатистический американец тратит на подержанный автомобиль. Фармацевтическая индустрия смотрит на это с ужасом.
Пол Конингем - не просто «любящий хозяин с компьютером». За плечами у него 17 лет работы в машинном обучении и анализе данных.
Когда из лаборатории вернулись гигабайты геномных данных, большинство людей увидело бы в них бессмыслицу. Пол написал собственный код - алгоритмы машинного обучения, которые сравнили геном здоровых клеток Рози и клеток опухоли, нашли мутации и отсортировали их по вероятности иммунного ответа. Это именно та работа, которую в исследовательском институте делает команда биоинформатиков за несколько недель.
Параллельно он использовал AlphaFold от Google DeepMind, чтобы предсказать трёхмерную структуру мутировавших белков: нужно было понять, торчит ли нужный фрагмент наружу клетки, где иммунная система сможет его атаковать. Весь pipeline - от сырых данных до финального рецепта из полстраницы формул мРНК - он написал сам, у себя на ноутбуке.
Предыдущее традиционное лечение - операции и химиотерапия - обошлось Полу в десятки тысяч долларов и не дало результата. Сама вакцина в пересчёте на прямые расходы стоила меньше, чем один курс стандартной химии.
Директор Центра геномики Мартин Смит признался, что был поражён: человек без биологического образования самостоятельно проанализировал данные и нашёл интересные мутации. Он назвал это «поразительным».
Расходы Пола: секвенирование ДНК - около $1 900 (3 000 австр. долл.); синтез вакцины - бесплатно (университет взял на себя как научный случай); ИИ-инструменты - около $20 в месяц за подписку ChatGPT. Итого на саму науку - примерно $2 000.
Сколько будет стоить это для людей - когда дойдёт до клиник
Сделать вакцину «для себя» в университетской лаборатории и выпустить её как сертифицированный медицинский препарат - принципиально разные задачи по деньгам. В клиническом производстве появляются расходы, которых у Пола просто не было: стерильные условия, контроль качества каждой партии, одноразовые компоненты, юридическое сопровождение.
Только набор одноразовых трубок для хроматографии при производстве одной дозы стоит больше $5 000. А их на один цикл может понадобиться несколько. При мелкосерийном производстве «под одного пациента» потери реагентов в трубках и фильтрах съедают значительную часть партии - и всё это входит в конечную цену.
Для сравнения в России, НИЦ Гамалеи тратят около $3 500 за персонализированную вакцину для онкопациента в рамках госпрограммы (для пациента бесплатно). В США такая вакцина может стоить - $350 000.
Также есть аналог CAR-T терапия как существующий аналог, которая стоит $400 000–500 000, и она уже одобрена в США.
Большая часть денег - это стоимость безопасности: каждый флакон нужно проверить на стерильность, активность и отсутствие примесей, и делать это в сертифицированных условиях. Но разрыв показывает, насколько велик потенциал для снижения цены по мере масштабирования технологии.
Оптимистичные прогнозы говорят о том, что при массовом внедрении стоимость персонализированного курса мРНК-терапии можно опустить до $15 000 - уже в ближайшие несколько лет, по мере удешевления синтеза и автоматизации анализа данных.
Рынок, который стоит на кону
Глобальный рынок онкологических препаратов оценивается примерно в $250 миллиардов в год. Это огромная машина, заточенная под блокбастеры - препараты, которые продаются миллионами упаковок одной и той же молекулы миллионам пациентов. Именно под такую модель выстроены производство, дистрибуция, клинические исследования и ценообразование.
Персонализированная мРНК-вакцина разрушает эту модель фундаментально. Невозможно произвести «миллион флаконов» вакцины против рака - потому что у каждого пациента свой набор мутаций, своя мишень и свой рецепт. Это производство партиями по 1 единице. Для фармкомпаний, привыкших к экономике масштаба, это катастрофа рентабельности.
Компании, которые зарабатывают на химиотерапии и таргетных препаратах с патентной защитой, не могут просто «переключиться» на персонализированные вакцины - у них нет ни инфраструктуры, ни бизнес-модели для этого.
Кто выиграет, кто проиграет
Победители уже понятны: компании, которые занимаются геномным секвенированием (Illumina, BGI), и платформы синтеза мРНК (BioNTech, Moderna). Moderna и BioNTech уже ведут клинические испытания персонализированных мРНК-вакцин против рака - и инвесторы смотрят на это с большим интересом. Акции BioNTech после объявления промежуточных результатов исследований росли на десятки процентов в течение одного дня.
Проигравшие - традиционные производители химиотерапии и компании, чьи патентозащищённые онкопрепараты стоят сотни тысяч долларов за курс. Если персонализированная вакцина сможет заменить несколько линий терапии одновременно, часть этих препаратов просто перестанет быть нужной.
Весь мировой рынок персонализированной медицины в онкологии к 2030 году аналитики оценивают примерно в $100 миллиардов. Это деньги, которые сейчас размазаны по десяткам других категорий - и их перераспределение будет болезненным для тех, кто привык получать их по старой схеме.
Почему это ещё не запущено для всех
Технология готова - или почти готова. Клинические испытания mRNA-4157 от Moderna и Merck в связке с иммунотерапией Keytruda показали снижение риска рецидива меланомы почти на 50% по сравнению с контрольной группой. Это уже не эксперимент на собаке - это фаза III на людях.
Главный тормоз сейчас - не наука и не производство, а регуляторика и страховое покрытие. В США орган одобряющий лекарства FDA не имеет отдельного ускоренного пути для препаратов, которые по определению уникальны для каждого пациента. Существующие протоколы одобрения писались под препараты с фиксированной молекулой, которую можно проверить на тысячах людей. Персонализированная вакцина принципиально не вписывается в эту логику.
История Пола Конингема хороша именно тем, что она очень конкретна. Один человек, один ноутбук, один умирающий питомец - и вакцина, которая сработала. Это жёсткий вопрос всей системе: если это можно сделать за $2 000 и два месяца, то что именно мешает делать это для людей прямо сейчас.
Ранее стало известно, кто потеряет работу из-за ИИ