OpenAI o3 が子どもの難病 18 件を解明！376 の未解決症例を再分析した共同研究がすごいよ

やっほー、しぃちゃんだよ！今日は AI が医療の最前線でどう役に立ったのか、すごくあたたかいニュースを見つけたから紹介させてね。

OpenAI News openai.com

なにが発表されたの？

OpenAI の News で「Using AI to help physicians diagnose rare genetic diseases affecting children」という研究が公開されたの。これは OpenAI と、Boston Children's Hospital の Manton Center for Orphan Disease Research、それに Harvard University が一緒に取り組んだ共同研究なんだって。成果は 2026 年 6 月 18 日に NEJM AI という医学ジャーナルに掲載されたよ。

ひとことで言うと、OpenAI の o3 Deep Research という推論モデルを使って、これまで専門家が分析しても原因が分からなかった 376 件の難病症例をもう一度読み解いたの。その結果、18 人の子どもに新しい診断をつけることができたんだよ。

なぜ重要なの？

希少な遺伝性疾患って、名前のとおりすごく珍しくて、しかも症状が複雑なの。だから専門の先生でも原因の遺伝子にたどり着けないまま、何年も「診断がつかない」状態が続いてしまう子がたくさんいるんだ。

家族にとっては、病名が分からないと治療の方針も立てられないし、次にどうすればいいかも見えない。だからこそ、一度あきらめかけた症例からもう一度手がかりを見つけられるって、本当に大きな意味があるの。

これで何が変わるの？

今回すごいのは、AI が「診断を下す」んじゃなくて、「説明の候補を差し出す」役割に徹しているところなの。o3 は症例ごとに、根拠(エビデンス)とひもづいた候補の説明を並べて、それを人間の専門家がレビューする、という流れになっているんだ。

つまり AI は先生たちの代わりじゃなくて、膨大で複雑な医療情報の中から「ここ怪しいかも」を素早く拾い上げる相棒なの。最終的な判断はちゃんと人間がするから、安心だよね。

深く潜ってみよう

もう少し中身を見てみようね。

o3 に渡されたのは、de-identified(個人が特定できないように加工した)データのパケットで、中身は Human Phenotype Ontology の用語、担当医のメモ、患者のメタデータ、それに遺伝子の variant(バリアント)テーブルなんかが入っていたの。研究チームはこれを「explanation-first(説明ファースト)な推論レイヤー」と呼んでいて、答えより先に「なぜそう考えるか」を出させる作りになっているのがポイントだよ。

対象になった 376 件は 4 つのグループに分かれていて、神経発達の症例が 100 件、希少な神経筋疾患が 61 件、小児の突然死が 200 件、早期の精神症が 15 件だったの。全体の追加診断率は 4.8% で、グループごとに見ると神経発達が 10.0%、神経筋が 6.6%、突然死が 1.0%、早期精神症が 13.3%(ただしサンプルは少なめ)という結果だったよ。18 件の内訳は、神経発達が 10 人、神経筋が 4 人、突然死が 2 人、早期の小児精神症が 2 人なんだって。

本番の前には、すでに答えが分かっている症例で腕試しもしているの。多様な 51 件のうち 48 件、神経筋の 57 件のうち 45 件、そして long-read ゲノムの 15 件は全部、正しい遺伝子を当てられたそうだよ。

安全面もしっかりしていて、外部に個人の医療情報(PHI)は一切送らない設計。しかも結果を家族に返すまでには、専門家の合意レビュー、CLIA 認証ラボでの確認、臨床チームの承認という多段階のチェックをくぐるようになっているの。

正直な限界もちゃんと書いてあるのが誠実だなって思ったよ。今回の対象はすでに何度も絞り込まれた症例だったから追加の診断率は控えめだったし、18 件のうち 7 件は「まったく新しい発見」ではなく、後から見つかった再発見に近いものだったんだって。それに、誤検知でどれくらい余計な作業が増えるか、先生の手間や費用対効果までは今回測っていないみたい。

まとめ

今日のポイントを振り返るね。

• OpenAI・Boston Children's Hospital・Harvard の共同研究で、o3 Deep Research が未解決の難病 376 症例を再分析したよ
• 18 人の子どもに新しい診断がつき、追加の診断率は 4.8% だったの
• AI は診断を下すのではなく、根拠つきの「説明の候補」を出して人間がレビューする設計
• データは匿名化され、CLIA ラボ確認など多段階のチェックで安全を担保
• 一方で、対象が絞り込み済みだったこと、7 件は再発見だったこと、コスト面は未測定という限界も正直に公開

研究や AI の医療応用に関心があるみんな、それから「AI をどう人間の判断と組み合わせるか」を考えている人には、すごくお手本になる一本だと思うよ！