GPT-5 帮免疫学家重启三年难题：科研 AI 正从“查资料”走向“提假设”
OpenAI 6 月 23 日披露，GPT-5 Pro 帮助免疫学家 Derya Unutmaz 重新分析 T 细胞实验，并提出可验证机制线索。这个案例说明，科研 AI 的价值正在从整理文献扩展到假设生成、实验优先级判断和跨学科解释。
背景：一个被搁置三年的 T 细胞问题
OpenAI 在 2026 年 6 月 23 日发布的案例中提到，免疫学家 Derya Unutmaz 与团队曾在 2022 年研究葡萄糖环境如何影响 T 细胞分化。实验结果并没有按预期呈现：低葡萄糖和使用脱氧葡萄糖并未产生相同结果，后者更明显地推动细胞走向炎症相关方向。
这个差异长期没有被团队解释清楚。等到 GPT-5 Pro 发布后，研究者把实验结果重新交给模型分析，模型给出的线索指向 IL-2 蛋白生成受干扰，以及这可能如何解除 Th17 分化的一道“刹车”。这不是替代实验，而是把跨知识域的机制联系更快呈现给专家判断。
影响：科研 AI 的边界正在前移
过去很多科研 AI 工具的主要价值在于文献检索、摘要和表格整理。这个案例更值得关注的地方在于，模型开始进入“解释异常结果”和“提出下一步实验”的环节。对生命科学来说，真正昂贵的不是问一个问题，而是决定哪些实验值得做、哪些变量应该优先验证。
如果模型能把几百篇论文中的机制线索、实验设计和未公开数据结合起来，科研人员就有机会更快筛掉低价值路线。但这同样要求实验室保留强专家审核：模型给出的是可疑线索和候选解释，是否成立仍要靠领域知识、重复实验和统计验证。
适合哪些人关注
生命科学、药物研发、临床转化、科研管理和高校实验室都值得关注这类变化。它不只是“AI 写论文”的问题，而是研发流程能否更快从异常现象走到可验证假设。
风险与观察点
生物医学场景的 AI 能力越强，越需要把数据权限、实验记录、可追溯性和双用途风险管理前置。对于中文 AI 资讯站来说，这个案例的重点不是宣称 AI 已能独立做科学，而是说明 AI 正在成为专家工作台上的推理放大器。
