ボストン小児病院とハーバード大学、そしてOpenAIの研究チームが、これまで原因を特定できなかった376件の希少疾患の症例をAIで再解析し、新たに18件の診断につなげたと発表しました[1]。使われたのはOpenAIの推論モデル「o3 Deep Research」です。研究成果は2026年6月18日、医学誌NEJM AIに掲載されました。AIが医師に代わって診断を下したのではなく、専門家が検証するための手がかりを示した点が特徴です。

専門家でも解けなかった376件を再解析

希少疾患は、ゲノム解析を受けても約半数が明確な遺伝的診断に至らないとされます[1]。原因となる手がかりは検査データの中にあっても、数千から数百万に及ぶ遺伝的変異や、断片化した診療記録、日々更新される論文の中から見つけ出すのは簡単ではありません。新しい遺伝子と病気の関係が次々と報告されるなかで、過去には解けなかった症例が、後から解釈可能になることもあります。

研究チームは、すでに解析済みで未解決のまま残っていた376件について、匿名化された臨床・ゲノム情報をo3 Deep Researchで再解析しました[1]。モデルが提示した候補を専門家がレビューし、追加検査と臨床確認を経た結果、18件で診断が確定しました。専門家による解析の後にさらに4.8パーセントの診断がついた計算で、すでに多くの目で検討された症例群としては小さくとも意味のある上積みです。

診断ではなく「検証できる仮説」を出す設計

このワークフローで重要なのは、モデルが既存のゲノム解析の上に乗る「説明を生む推論層」として働く点です[1]。単に候補となる遺伝子を順位付けして返すのではなく、臨床的な特徴や遺伝形式、変異の証拠、関連論文を結びつけ、人間のレビュアーが問いただせる根拠つきの仮説を示すよう設計されています。

出力はそのまま診断とはされません[1]。臨床検査室が使うACMG/AMPの枠組みで少なくとも2名が評価し、意見が割れた場合は合議で判断します。変異が「病的」または「病的の可能性が高い」と分類され、CLIA認定の検査室で確認され、臨床チームが家族に結果を返して初めて診断と認められます。

精度の検証では、診断が確定済みの51件のうち48件で正しい遺伝子と変異を再現し、神経筋疾患57件では45件、ロングリードのゲノム15件ではすべてで正しい遺伝子を言い当てました[1]。モデル自身が申告する確信度も、正解時の平均が85.6、不正解や不明の場合の42.1と差が出ており、レビューの優先順位づけに役立ったとしています。

約20年を経て診断がついた女性のケース

成果のひとつに、神経筋疾患のコホートで見つかったKyraさんのケースがあります[1]。9歳のとき空手の構えが低く取れなくなったことをきっかけに筋力低下が見つかり、その後20年近く診断のつかない日々が続きました。13歳で人工呼吸器と車いすが必要になりましたが、再解析でHSPB8遺伝子のフレームシフト変異が突き止められ、筋線維にタンパク質の異常な塊がたまる「ミオフィブリラーミオパチー」と診断されました。28歳の誕生日の約1週間前に、遺伝カウンセラーから連絡が入ったといいます。

モデルは、入力データに無かった構造的な変化を推定する場面もありました[1]。早期精神病の症例では、22番染色体上の品質の低い解析結果と、心臓・免疫・神経発達・精神面の特徴を結びつけ、DiGeorge症候群に関係する「22q11.2欠失」を仮説として提示し、追加のゲノム解析で確認されました。さらに、皮膚の色素が抜けるvitiligo（尋常性白斑）について、S1PR1遺伝子の欠失が関わるという新しい仕組みの可能性も示しています。

期待と、見落とせない限界

研究チームは成果の範囲を慎重に区切っています[1]。今回は過去の症例を振り返る後ろ向き研究で、対象群の性質にはばらつきがあり、レビュアーはモデルの確信度を知った状態で評価していました。診断にかかった時間やコスト、誤検出の負担、医療への影響までは測っていません。大規模言語モデルは文脈を読み違え、一見もっともらしいが精査に耐えない説明を出すこともあるため、すべての結果に人間の判断と臨床確認を通したと強調しています。AIによる広い探索が、専門家による絞り込みを助けた、という位置づけです。

次の段階では、Manton CenterがOpenAI Foundationの助成を受け、特定の基盤に依存しない低コストの「遺伝学AIコパイロット」の開発を主導します[1]。一連の取り組みは海外メディアでも広く報じられ、AIを医療研究に生かす具体例として注目を集めています[2]。「研究者であってもキャサリンや私が8,000もの異なる病気を頭の中に保つことはできない。そこにAIの力がある」と、Manton CenterのAlan Beggs所長は語っています[1]。

まとめ

OpenAIの推論モデル「o3 Deep Research」を使い、専門家でも未解決だった376件の希少疾患を再解析した結果、新たに18件の診断が確定しました[1]。モデルは診断そのものを下すのではなく、検証できる根拠つきの仮説を提示し、最終判断は医師が担います。精度や限界の両面を見据えつつ、知識が更新されるたびに過去の症例を見直す「定期的な再解析」を現実的にする一歩と言えるでしょう。

出典:https://openai.com/index/diagnose-rare-childhood-diseases
出典:https://www.nbcnews.com/tech/innovation/ai-boston-childrens-hospital-diagnose-rare-diseases-kids-openai-rcna350387