o3 Deep Research、未解決の小児希少疾患376例から18診断を抽出
Original: o3 Deep Research Finds 18 Diagnoses in 376 Rare Disease Cases View original →
希少疾患の診断で重い負担になるのは、検査そのものだけではない。数年前には解釈できなかったゲノム変異を、更新された論文やデータベースで再評価する作業が必要になる。OpenAIはBoston Children's Hospital、Harvardの研究者とともにo3 Deep Researchをこの再解析に使い、NEJM AI掲載研究で376件の未解決小児症例から18件の新しい診断につながる手掛かりを報告した。
OpenAIの元ツイートは、o3 Deep Researchが"previously unsolved rare pediatric disease cases"の再検討を支援したと説明している。続く投稿では、すべての結果が人間の判定と臨床確認を経たこと、AIの役割が表現型、変異、文献証拠を結び付ける支援だったことも示された。
この研究の読みどころは、AIが医師を置き換えたという話ではない。むしろ、病院が定期的な再解析をどこまで実務として回せるかという問題である。希少疾患の家族は診断まで長い時間を要し、過去に陰性だった症例も、遺伝子と疾患の関係が明らかになった後には再び意味を持つ。
NEJM AI論文によると、o3 Deep ResearchはOpenAI APIまたはChatGPT経由で使われ、研究者はACMG/AMP基準、追加検査、CLIA確認で候補を絞った。次に見るべき点は、18件という成果だけではない。より大きな症例群での見落とし率、根拠提示の監査可能性、そして医療機関がAIの提案を安全に診療記録へ組み込めるかが焦点になる。
Related Articles
OpenAIの次期モデルファミリーAstraが、benchmarkだけでなく研究成果そのもので示された。内部版は10件の未解決問題で新結果を出し、探索に必要なtokensはSol API換算で約$2,000と説明されている。
OpenAIは未公開モデルAstraが数学・理論計算機科学の長年の未解決問題10件で新結果を出したと説明した。探索コストはSol API換算で約$2,000、各論証はLean certificateとして形式化された。
AI research agentの弱点は、論文らしい文章ではなく検証不能な主張だ。Google ResearchはScience One Frameworkで、baselineが最大21%出したphantom referenceをゼロにしたと報告した。