AI幫助診斷18名患有罕見疾病的兒童，這些疾病曾令醫生束手無策

波士頓兒童醫院每天接待超過一千名兒童患者。其中大多數能夠獲得明確診斷並開始治療，但一小部分患有罕見疾病的兒科患者始終無法得到確診。如今，這一情況在人工智能的幫助下開始改變。該醫院罕見病中心與AI公司OpenAI合作的最新研究表明，現成的AI工具可以幫助識別患者基因組中可能導致疾病的錯誤。這項研究於週四發表在《新英格蘭醫學雜誌》的AI特刊《NEJM AI》上，結果顯示OpenAI的o3 Deep Research模型幫助澄清了18名兒童的診斷，這些兒童此前一直未能找到其疾病和症狀的病因。

“這完全是一個遊戲規則的改變者，”該研究的主要研究員之一、波士頓兒童醫院Manton孤兒疾病研究中心遺傳學研究科學主任凱瑟琳·布朗斯坦（Catherine Brownstein）説。她表示，研究團隊分析了數百名未獲得罕見病診斷患者的基因組。“我們獲得了近5%的新診斷率，這聽起來似乎不多，”布朗斯坦承認，“但考慮到這些基因組已經被分析過多少次，這是一個巨大的數字，每一個診斷都意味着一個家庭得到了答案。”

Manton中心與全球以及全美50個州的超過3500名受罕見病影響的個體合作，並與世界各地的醫院和健康中心建立夥伴關係。布朗斯坦説，醫院會定期將這些患者的基因組與新發現的基因進行比對，以尋找可能的診斷，但篩查往往不會帶來新的答案。找到疾病的遺傳原因非常複雜——人類基因組中約有20000個蛋白質編碼基因。儘管現在對患者的完整基因組進行測序已不困難，但在人類基因組的龐大數據中識別清晰的因果關係並非總是可能。

“研究人員在單個病例上只能花費有限的時間，”OpenAI專注於健康應用的技術研究員蘇亞什·什林加普爾（Suyash Shringarpure）説。“也許一個病例最初未被解決，但一年後一篇論文澄清了基因與疾病之間的聯繫。”如今領先的生成式AI系統擅長進行此類數據挖掘，以識別可能存在於現有但分散數據中的關係。想知道OpenAI的大語言模型是否能夠幫助遺傳學家在將患者疾病與特定基因配對方面取得進展，布朗斯坦和Manton中心的研究人員與OpenAI及其什林加普爾合作，看看公開可用的產品是否能提供新的答案。

去年開展研究時，布朗斯坦和研究團隊將376名未獲診斷患者的基因組輸入o3系統，該系統是當時最強大的系統。為了尋找每個基因組中的診斷線索，研究人員為o3模型提供了臨牀醫生的筆記、患者症狀描述以及可能致病基因的過濾列表。人類研究團隊審查了系統的所有輸出，以做出最終診斷。在這376例涉及四個不同疾病領域的病例中，團隊為10名罕見神經發育疾病患者、4名神經肌肉疾病患者、2名突然死亡的兒童以及2名早發性精神病患者找到了新診斷。

凱拉·本頓（Kyra Benton）是這次研究獲得診斷的患者之一。本頓9歲時，她的母親注意到她走路姿勢與同齡人不同，開始用腳尖走路，跑步時步態異常。她很快帶本頓去紐約市看了一位神經肌肉疾病專家，但專家無法確定病因。多年後病情惡化，本頓來到波士頓兒童醫院，卻被告知同樣不知道病因。她很快出現了嚴重的心臟問題，並在13歲時接受了氣管切開術。本頓説，她已經接受了永遠不知道自己診斷的事實——直到去年Manton中心的研究人員打電話告訴她，新研究找到了她症狀的病因：肌原纖維肌病，一種進行性遺傳性神經肌肉疾病，會導致肌肉纖維分解。

“去年夏天，在我20歲生日前一週，我們接到了實驗室研究人員的電話，”本頓説。“她説，‘嗨，我們知道已經過了15年，但我們有一些消息要告訴你，’從那以後一切都變了。”布朗斯坦説，她驚訝於像o3這樣的商業系統能夠在已經分析多次的基因組中發現新診斷，而這些診斷可能需要人類分析師花費數天時間才能得出相同的結論——而布朗斯坦和同事們根本沒有那麼多時間。“這些基因有成頁的內容需要我逐一審視，而大語言模型不會感到疲倦，”她指出，根本沒有足夠的遺傳學家和分析師來在基因組範圍內的乾草堆中找到可能致病的生物針頭。

未參與這項研究的貝斯以色列女執事醫療中心的醫生兼AI醫學應用專家亞當·羅德曼（Adam Rodman）表示，這篇新論文令人興奮地展示了AI系統在醫生使用時診斷疾病的能力。“5%的診斷率確實意義重大，可以作為重要的篩查工具，幫助加快積壓病例的重新分析，”他在給NBC新聞的説明中表示。該論文與之前的研究類似，後者指出大語言模型能夠搜索基因組中患者首次就診後才被測序的基因。但作者強調，這項新研究展示了全國各地的醫生如何使用商業AI系統加快工作，幫助患者獲得難以捉摸的診斷，從而普及關鍵醫療信息的獲取。

未參與該研究的哥倫比亞大學生物信息學教授翁春華（Chunhua Weng）表示，該論文是對該研究領域的“極好”貢獻，儘管她與研究團隊一樣警告説，大語言模型的結果仍需嚴格的人工審查。“在診斷中適當使用大語言模型需要謹慎關注可信度，”她告訴NBC News。週四的論文還指出，Manton中心識別的診斷中有7個實際上是“重新發現”——即一個地點的治療團隊已經確定了患者的特定診斷，但未與世界各地的研究人員分享。布朗斯坦強調，即使是這些重新發現也至關重要，因為“當新療法出現時，我們可以立即找到這些患者，並確保他們優先獲得任何新技術或新療法”。

OpenAI的健康團隊大力宣傳了這一進展，稱這些證據表明當今公開可用的AI系統能夠為患者生活帶來深遠變化。OpenAI為該項目提供了財務支持。與此同時，研究團隊明確表示，他們的發現並非萬能——診斷為特定疾病通常只是尋找和治療方案的第一步——並且大語言模型並不打算供消費者用於治療或診斷疾病。相反，這些工具可以幫助人們和醫生處理複雜的醫療信息。“我們絕對不想過度炒作這一點，”OpenAI健康部門負責人阿什利·亞歷山大（Ashley Alexander）説。“但我也希望確保人們不會忽視正在發生的事情，以及即使是今天口袋裏的ChatGPT版本也能實現的事情。”對於本頓來説，她對AI參與這一突破感到驚訝。“説實話，我是那種不太喜歡AI的人，”她告訴NBC新聞，但她承認AI在某些情況下可能很有幫助。“例如在這種情況下，它可以帶來巨大突破，真正改善人們的生活。”