OpenAIのo3 Deep Research、遺伝子疾患診断で新たな成果
遺伝子疾患の診断領域で、AIが長年の未解決症例に新たな光を当てる研究結果が発表された。OpenAIの推論モデル「o3 Deep Research」を使って過去に解析済みの376症例を再分析したところ、18件で医師による確定診断に至ったのだ。18件は4.8%にあたる数字だが、専門家チームが何年も答えを出せなかった難症例群である点が重要である。
この研究は2026年6月18日にNEJM AI誌で公開された。ボストン小児病院マントン希少疾患研究センター、ハーバード大学、OpenAIの共同研究チームが主導している。AIが単独で診断を下したわけではなく、あくまで専門家が検証すべき仮説を提示し、その後の臨床検査と照合を経て診断が確定された一連の流れが報告されている。
推論モデルが果たした「説明生成エンジン」としての役割
研究チームが設計したワークフローの特徴は、AIを「説明生成エンジン」として既存のゲノム解析パイプラインの上位に配置した点にある。単に候補遺伝子のランク付けを返すのではなく、患者の臨床的特徴や遺伝様式、変異のエビデンス、最新の科学文献を横断的に結びつけ、人間の査読者が検証できる根拠付きの仮説を提示させる設計だ。
AIに与えたインプットは、標準化されたヒト表現型オントロジー（HPO）用語、年齢や性別といったメタデータ、フィルタリング済みの変異テーブルである。変異テーブルには各変異の稀少性やタンパク質への影響予測、ClinVar分類、家族間のシグナル品質が含まれており、ほとんどの症例では患児と実父母の3人分のデータが揃っていた。
検証プロセスの厳格さ
AIが出したアウトプットは、臨床検査室が遺伝子変異の分類に使うACMG/AMPフレームワークに沿って、必ず2名以上のチームメンバーが査読した。意見の相違はコンセンサスで解決し、モデルの出力がそのまま診断として扱われることは一度もない。診断と認定されたのは、有資格の専門家がエビデンスを精査し、変異が病原性または病原性疑いと分類され、CLIA認定ラボが確認し、臨床チームが結果を家族に返したケースのみである。
この厳格なプロセスは、AIを医療に応用する際の安全設計として参考になる。AIはあくまで「検索範囲を広げ、その後の人間による分析の焦点を絞る」役割に徹しており、最終判断は常に人間の専門家が下している。
未解決症例の再分析がもたらした18の診断
診断率4.8%は決して高い数字には見えないが、この数字の重みは対象症例の性質にある。これらの症例はすでに複数の商業的・学術的解析パイプラインを通り、多分野の専門家チームが議論した後も未解決だったケースばかりだ。類似の再分析研究でも、このように徹底的に精査された症例群での診断率向上は1桁台が一般的であり、初回解析や既知疾患の遺伝子確認を含む研究のほうが高い数値が出やすい。
18件の診断のうち7件は「再発見」だった。研究チームが参照した記録には含まれていなかったが、別の研究ワークフローで既に診断が確立されていたケースである。いくつかの変異は公的データベースで病原性または病原性疑いと登録済みだったにもかかわらず見落とされていた事実が、複数データソースに分散した情報を統合することの運用上の難しさを浮き彫りにしている。
AIが見抜いた構造変異と新規疾患メカニズム
特筆すべき発見として、ある早期精神病の症例では、モデルが入力データに明示されていなかったゲノム構造変異を推論した。22番染色体上の低品質コールの連続パターンと、心臓・免疫・神経発達・精神症状を結びつけ、ディジョージ症候群に関連する22q11.2欠失を仮説として提示したのだ。この仮説は後続のゲノムシークエンシングで確認された。
さらに、モデルは白斑という皮膚症状について新規のメカニズム仮説も提示している。神経発達症の1症例で、S1PR1遺伝子の11アミノ酸欠失に着目し、受容体構造の変化が色素産生の低下と免疫細胞の皮膚への残留を引き起こす可能性を文献横断的に組み立てた。この仮説は追加の実験的検証を必要とするが、構造生物学・免疫学・臨床遺伝学に散在する知見を具体的な検証可能仮説に翻訳するAIの役割を示した好例だ。
症例に見る近20年の診断の旅
研究チームが発表した代表的な事例がKyraさんのケースだ。9歳のときに空手とサッカーでの動きの異変から始まり、13歳までに人工呼吸器と車椅子が必要になった。それでも原因はわからず、約20年間診断のないまま経過していた。
今回の研究でKyraさんの症例は神経筋疾患コホートの4診断の1つとして浮上した。HSPB8のフレームシフト変異が特定され、筋原線維性ミオパチー（筋繊維内に異常なタンパク質構造が蓄積する疾患）の一種と診断された。マントンセンターの遺伝カウンセラーから連絡が入ったのは、Kyraさんの28歳の誕生日の約1週間前だった。あまりに稀少な疾患のため長期予後は不明だが、Kyraさんにとっては区切りとなる結果である。
AI支援再分析の実用化に向けた課題と展望
本研究はあくまで後方視的な検証であり、実臨床への展開には慎重なステップが必要だ。チームは時間短縮効果やコスト、偽陽性による追加作業負荷、診療への影響を測定していない。また、構造変異やリピート伸長、深部イントロン変異、モザイクといった他の遺伝子変異形式についても体系的な評価は行われていない。
それでも研究チームは次のステップを明確に描いている。OpenAI Foundationからの助成金を受けて、マントンセンターが主導する形で、プラットフォームにとらわれない低コストの遺伝学AIコパイロットの開発を進める計画だ。臨床チームが稀少疾患の症例をより迅速かつ一貫して分析できるようにする支援ツールを目指している。
OpenAI Blogの記事ではマントンセンターのキャサリン・ブラウンスタイン博士が「ボトルネックは時間だ。専門家が1人の患者に割ける時間には限りがある」と指摘し、同センターのアラン・ベッグス所長は「研究者が8,000もの疾患を頭に入れておくことは不可能だ。そこにAIの力がある」と述べている。専門家の知識の限界をAIが補完し、限られた時間の中で見落としを減らすというビジョンだ。
あくまでツールであり診断装置ではない
OpenAIは今回の研究について、患者や臨床医、一般利用者がOpenAIのモデルを診断目的で使用することを推奨または支持するものではないと明言している。o3 Deep ResearchもChatGPTも、いかなるOpenAI製品も診断用途を意図したものではないという立場だ。
すべての結果は人間による判定と臨床確認を通過しており、AIはあくまで「探索範囲を広げ、その後の人間主導の分析の焦点を絞る」役割を果たしたにすぎない。どの情報や診断を家族に返すべきかをAIが決定することは一切なかった。
この記事のポイント
- OpenAI o3 Deep Researchを使い、専門家チームが未解決だった376の稀少遺伝子疾患症例を再分析し、18件（4.8%）で新たな診断を確定した
- AIは単独で診断を下したのではなく、臨床的特徴・変異情報・文献を統合した「検証可能な仮説」を専門家に提示する役割を担った
- 全結果がACMG/AMPフレームワークに基づく人間の査読とCLIA認定ラボの確認を経ており、安全設計のモデルケースといえる
- 実用化には前向き研究での診断率・時間・コスト・偽陽性負荷の評価が不可欠であり、AIはあくまで専門家の判断を補助するツールである
・ 複数業界における17年間のデジタルビジネス開発経験
・ ウェブサイト開発のためのHTML、PHP、CSS、Java等の実用的知識
・ 15ヶ国語対応の多言語SaaSの開発経験
・ 17年間にも及ぶ、Eコマース長期運営経験
・ 幅広い業界でのSEO最適化の豊富な経験