OpenAI 推理模型協助醫生診斷兒童罕見遺傳病
Using AI to help physicians diagnose rare genetic diseases affecting children
研究人員使用 OpenAI 推理模型協助診斷兒童罕見遺傳病,並在此前未解的病例中識別出 18 項新診斷。
文中同時交代模型介入的診斷場景與未解病例結果,提供觀察 AI 參與兒童罕見遺傳病研究的一個具體切面。
即使已進行基因組測序,許多罕見病患者仍未能獲得明確的遺傳診斷。經過廣泛檢測和專家審閱後,約有一半仍未獲診斷。他們的醫療資料可能包含線索,但要找出這些線索,可能需要在數以千計至數以百萬計的可能基因變異、零散的臨床紀錄,以及快速變化的科學文獻中仔細搜尋。
隨著新的基因與疾病關聯、病例報告及分類證據不斷累積,未解決個案可能變得可以重新解讀。
來自 Boston Children’s Hospital 的 Manton Center for Orphan Disease Research、Harvard University 及 OpenAI 的研究人員,使用 OpenAI o3 Deep Research 推理模型,分析了 376 宗先前已分析但仍未解決個案的去識別化臨床及基因組資料。模型提出有證據支持的候選解釋,供研究人員和臨床醫生審閱。經專家審閱、額外檢測及臨床確認後,醫生在 18 宗個案中確立了診斷;相較於專家先前的分析,診斷檢出率額外增加 4.8%。該研究於 June 18, 2026 刊於 NEJM AI,顯示 AI 輔助研究流程如何協助專家在重新檢視一些最棘手的個案時找出線索。
許多這些個案多年來一直未能透過專家分析解決。在這項研究中,OpenAI o3 Deep Research 協助研究人員找出其後透過既定臨床流程評估的線索,顯示隨著知識演進,由專家主導的定期重新分析或可更易大規模推行。模型沒有診斷任何患者,也沒有作出任何臨床決定。模型提出有證據支持的假設,供專家審閱,並在適當情況下透過額外檢測調查,再於臨床實驗室確認。
為何舊個案可能藏有新答案
基因檢測結果未能定論,並不代表結論永遠如此。患者的表型描述、檢測結果及家族病史,可能分散在採用不同識別碼、格式和詞彙的資料庫中。要連結這些紀錄並不容易,因此即使專家也可能錯過診斷。專家亦可能在某個相關基因或其變異尚未被確認與疾病有關之前,已為兒童進行基因組測序。隨著科學知識進步,同一批資料可能揭示以往無法發現的答案。
罕見病個案重新分析既是科學問題,也涉及維護工作。患者的基因組可能維持不變,但相關證據會不斷變化:研究人員發現新的基因和變異與疾病有關,實驗室重新分類舊有變異,而病例資料庫和論文也會累積新的觀察結果。每次更新都可能令一宗舊有、未有定論的個案值得重新檢視,因此許多機構都要處理不斷增加的待分析基因組,並使其與持續變動的知識庫保持同步。
在這項研究中,研究人員設計此流程,讓模型在現有基因組分析流程之上擔任「以解釋為先」的推理層。模型不只要回傳排序最高的基因,還要把臨床特徵、遺傳模式、變異證據及科學文獻連結起來,提出人類審閱者可仔細檢視的理據。
重新分析如何進行
團隊為每宗個案整理了一份經去識別化的資料包,內含用以描述患者臨床表現的標準化 Human Phenotype Ontology 詞條、偶爾提供的臨床醫生筆記及任何描述性臨床診斷、年齡和性別等中繼資料,以及經篩選的變異表。該表記錄每個變異的罕見程度、對其所編碼蛋白質的預測影響、ClinVar 分類,以及可取得的各家庭成員樣本的訊號品質。大多數個案包括兒童及其親生父母雙方的資料。
團隊要求模型提出最合理的分子層面解釋,並展示推理過程。研究人員隨後使用臨床實驗室分類基因變異所採用的同一套 ACMG/AMP 框架審閱模型輸出。每個候選結果至少由兩名團隊成員審閱,分歧透過共識解決,而模型輸出絕不會被視為診斷。只有在合資格專家審閱證據、變異被分類為致病或可能致病、CLIA 認證實驗室確認變異,並由臨床團隊向家屬告知結果後,研究才會將發現計作一項診斷。
在分析尚未解決的個案之前,團隊先以已有確診結果的個案改良工作流程。在涵蓋多種罕見病症的 51 個個案中,有 48 個個案在重複執行時都找回正確的基因和變異。在 57 個神經肌肉個案中,工作流程有 45 個個案在重複執行時都得出正確診斷。在一組 15-case 長讀長基因組個案中,每個個案都找出正確的基因,並在 12 個個案中找出兩個致病等位基因。這些評估有助設計提示,亦顯示專家覆核仍不可或缺。
在這些先前已確診的個案中,模型自行回報的信心分數與正確診斷相關:持續正確的判定,其最低分數平均為 85.6;錯誤或未知的判定則為 42.1。這些分數並非經校準的概率,團隊也沒有用它們取代證據或臨床裁定。不過,這些分數有助引導專家審閱者聚焦於最有希望的候選診斷。
研究人員的發現
團隊隨後將此流程應用於四組先前未解決的個案:有神經發育障礙的兒童、罹患罕見神經肌肉疾病的人士、患有早期精神病的兒童及青少年,以及兒科突發非預期死亡個案。這些並非剛收集、正等待首次審閱的新個案。當中許多個案已由多個商業或機構分析流程檢查,並曾由多專科團隊討論。
各組別的結果
組別 | 個案數目 | 找出的診斷 | 診斷率 |
|---|---|---|---|
神經發育障礙 | 100 | 10 | 10.0% |
神經肌肉疾病 | 61 | 4 | 6.6% |
兒科突發非預期死亡 | 200 | 2 | 1.0% |
早期精神病 | 15 | 2 | 13.3% |
總計 | 376 | 18 | 4.8% |
早期精神病組別規模較小,因此其百分比的信賴區間較闊。診斷率亦反映各組別有多大可能存在單基因病因。
模型提出候選結果後,經專家審閱及臨床確認,醫生在 4.8% 的個案中確立了診斷。對這個群體而言,這個比例雖然不高,卻有意義,因為先前的專家審閱未能解決這些個案。類似的重新分析研究顯示,在經過多輪審閱的個案中,診斷率增幅通常只有個位數;較高的診斷率通常來自納入新個案,或納入已知疾病但仍待基因確認的研究。
18 項診斷中有 7 項屬於重新發現:這些診斷在本地研究流程以外已經確立,但團隊審閱的紀錄中並無載明。多宗個案的變異已在公開資料庫中列為致病或可能致病,突顯整合多個資料來源資訊的實際操作挑戰。
展示識別變異時的靈活性
在一宗早期精神病個案中,模型推斷出輸入資料中未有列出的基因組結構變化。模型將第 22 號染色體上一連串低品質的變異判讀結果,與該兒童的心臟、免疫、神經發育及精神健康特徵聯繫起來,繼而提出可能存在與 DiGeorge 綜合症相關的 22q11.2 缺失。這項假設的變異其後透過後續基因組測序獲得確認。
儘管提示詞要求找出單一基因病因,模型有時會提出兩個更能解釋複雜臨床表現的基因。其中的變異位於 LAMA2 及 FOXP1,兩者共同有助解釋其中一宗個案的肌肉及神經發育特徵;另一宗個案則有一個此前未被識別、涉及 TTN 及 SRPK3 的雙基因解釋。
提出可驗證且符合生物學邏輯的假設
除了診斷之外,模型亦為一種名為白蝕的病症識別出可能的新機制解釋。在一宗神經發育個案中,模型指出一個 11-amino-acid 缺失位於 S1PR1 基因,出現在一名患有白蝕的人士身上。S1PR1 編碼一種細胞表面受體,參與訊號傳遞、免疫細胞移動及組織生物學。模型整合證據,顯示該缺失可能改變受體結構和訊號傳遞,減少色素生成,同時有助免疫細胞持續留在皮膚中。
所提出的 S1PR1 與白癜風的關聯仍需更多實驗驗證,但這展示了 AI 將結構生物學、免疫學及臨床遺傳學中的零散發現轉化為具體、可驗證假設的強大作用。
團隊亦在神經肌肉疾病組別中觀察到可能的表型擴展。位於 HSPB8 及 CDK13 中的有害變異,與這些基因最廣為人知的疾病並不完全吻合,顯示臨床表現範圍可能更廣,仍需更多個案和實驗室研究加以檢驗。
限制
這項研究顯示,通用推理模型可透過整合表型、遺傳模式、變異註釋、資料品質模式及科學文獻,提出可供審閱的假設,從而協助回顧性基因組重新分析。研究亦說明定期重新分析的重要性:有些答案只有在知識進步或零散紀錄整合後才會浮現。
本研究並不表示患者、臨床醫生或客戶應使用 OpenAI 模型診斷疾病或作出醫療決定。研究沒有描述或認可客戶預期使用 OpenAI o3 Deep Research、ChatGPT 或任何其他 OpenAI 產品進行診斷。模型沒有診斷任何參與者;所有診斷均由醫生及其他合資格臨床專家按照既定的審閱、檢測和臨床確認流程作出。
這項研究採用回顧性設計,各組別的組成各異,而審閱者亦知道模型的信心分數。研究人員沒有量度節省的時間、成本、臨床醫生的工作量、假陽性工作量或醫療方式的改變。研究亦沒有系統評估其他類型的基因變異,例如結構變異、重複序列擴增、深部內含子變異或嵌合現象。
大型語言模型可能會誤解上下文,或提出看似合理、但經仔細檢視後站不住腳的解釋。因此,每項結果都經過專家判定及臨床確認。模型擴大了搜尋範圍,並聚焦後續由人員主導的分析;應向家屬提供哪些資訊或診斷,並非由模型決定。
本研究使用經去識別化的資料,沒有在經核准的環境以外使用或傳送任何受保護健康資訊。若要在更廣泛的臨床環境中應用,仍須像所有醫療服務一樣,重視私隱、安全、可審核性和當地法規。使用模型不會取代測序基礎設施、遺傳諮詢、確認性檢測或專科判斷。
Catherine Brownstein 醫生,Boston Children’s Hospital 的 Manton Center for Orphan Disease Research
Alan Beggs,Manton Center for Orphan Disease Research 的主任
下一步
前瞻性多中心研究應比較大型語言模型輔助重新分析與標準做法在診斷率、找出候選診斷所需時間、臨床醫生工作量、假陽性負擔、成本及對診療的影響方面的差異。採用版本管理的提示詞、參考資料核查、審計記錄及經校準的不確定性,對可重現性和安全至關重要。這類研究仍須由合資格臨床醫生評估證據、安排適當檢測,並作出任何診斷或治療決定。
本研究使用 OpenAI o3 Deep Research。較新的通用模型可以搜尋和綜合更多科學資料,而 GPT‑Rosalind 等專用系統則旨在深入處理生命科學工作,包括研究變異對蛋白質結構與功能的影響。本研究並未測試這些能力,日後需要為其進行獨立評估並設定存取控制。
OpenAI 協助支持這項初步研究,而下一階段工作將由 Manton Center 透過 OpenAI Foundation 提供的資助主導。這筆資助將支持該中心更廣泛的工作,開發一個不依賴特定平台、成本低廉的遺傳學 AI 協作助手,協助臨床團隊更快捷、一致地分析罕見病個案。
更長遠的研究機會,在於探討由專家主導、AI 輔助的重新分析,能否讓科學理解跟上新發現的步伐。其前景並非讓 AI 取代醫生作出診斷,而是經過審慎評估的研究工具或可協助專家找出值得進一步調查的證據。對數以千計的家庭而言,今天仍未有答案的問題不必永遠懸而未決。
來源:OpenAI News · openai.com