@OpenAI：OpenAI 發表 o3 Deep Research 協助臨床診斷罕見疾病。 OpenAI 攜手波士頓兒童醫院（Boston Children’s Hos…

OpenAI 發表 o3 Deep Research 協助臨床診斷罕見疾病。 OpenAI 攜手波士頓兒童醫院（Boston Children’s Hospital）與哈佛大學，於《NEJM AI》發表一項研究，展示如何利用「o3 Deep Research」模型，針對過去已進行基因定序與專家審查、卻仍無法確診的 376 例罕見疾病案例進行重新分析。研究結果顯示，該 AI 模型協助專家識別出 18 項診斷結果，涵蓋神經發育障礙、罕見神經肌肉疾病、兒科猝死及早發性精神病等領域。 AI 在罕見疾病診斷中的角色 罕見疾病的診斷極具挑戰性，因為基因定序可能產生數百萬個變異數據，且醫學知識更新迅速，導致臨床資訊與科學文獻往往呈現碎片化。OpenAI 強調，AI 並非用於取代醫師進行診斷或決策，而是扮演「推理層」的角色： 整合臨床特徵、遺傳模式、變異證據與科學文獻，生成可供專家審查的假設。 協助專家在複雜且碎片化的證據中進行更快速、更全面的推理。 所有 AI 產出的結果均須經過人類專家審查、臨床確認，並透過認證實驗室進行驗證。 一位遺傳學家分享如何利用 AI 工具協助處理複雜的基因數據分析。 研究方法與臨床價值 該研究針對已累積多年未解的案例進行回顧性分析，旨在探討 AI 如何讓「專家主導的定期重新分析」更具擴充性。隨著醫學知識進步，過去無法解釋的數據可能在今日變得具備意義，這使得 AI 成為處理龐大基因數據庫的有效輔助工具。在實際操作中，研究團隊將患者的臨床表現（使用「Human Phenotype Ontology」術語描述）、變異表與家族史輸入模型，並要求模型展示其推理過程，而非僅給出單一結論。 這張流程圖展示了在罕見疾病基因組重新分析中，結合人類決策與大型語言模型（LLM）分析的協作工作流程。 未來展望與限制 儘管研究成果顯示 AI 能提升診斷效率，但 OpenAI 與研究團隊明確指出： 此研究為回顧性分析，並非臨床診斷工具的直接應用，亦未測量時間成本或臨床負擔。 未來需進行前瞻性、多中心研究，以評估 AI 輔助分析在診斷產出、臨床工作流程及醫療決策上的實際影響。 OpenAI 基金會將資助波士頓兒童醫院的 Manton Center，進一步開發平台無關（platform-agnostic）且低成本的遺傳學 AI 協作工具，協助臨床團隊更一致地分析罕見疾病。 這項研究證明了透過 AI 輔助，專家能更有效地將結構生物學、免疫學與臨床遺傳學的零散發現，轉化為具體的科學假設，為那些等待多年卻未獲答案的家庭帶來一線希望。一位遺傳學家分享如何利用 AI 工具協助處理複雜的基因數據分析。 影片中的 Prompt 與操作：Prompt（01:47）： 為我總結一下。原文：Summarize it for me.Prompt（01:49）： 為我總結這部分。原文：Summarize this part for me.操作步驟： 1. （01:47）在筆記型電腦的 AI 對話框輸入指令 2. （01:49）在筆記型電腦的 AI 對話框輸入指令原文：https://easyvibecoding.app/curated/2089