Az OpenAI o3 modellje segít diagnosztizálni megoldatlan gyermekkori ritka betegségeket
Az orvostudomány és a mesterséges intelligencia összefonódása újabb mérföldkőhöz érkezett: a Boston Children’s Hospital és a Harvard kutatói által végzett friss kísérlet során az OpenAI o3 Deep Research modellje bizonyította, hogy képes segíteni a megoldatlannak hitt gyermekkori ritka betegségek diagnosztizálásában. A szakemberek 376 olyan komplex genetikai esetet tápláltak be a rendszerbe, amelyeknél a korábbi klinikai vizsgálatok zsákutcába jutottak, és a szakorvosok már nem láttak további előrelépési lehetőséget. Az MI segítségével végzett elemzés végül 18 esetben vezetett megerősített diagnózishoz, ami 4,8 százalékos sikerességi arányt jelent azokban a helyzetekben, ahol korábban teljesen bizonytalan volt a páciensek állapota. Ez az eredmény nem csupán statisztikailag figyelemreméltó, hanem valódi áttörést jelent az érintett családok és a kezelőorvosok számára is.
A folyamat során az orvosok anonimizált betegadatokat, klinikai tüneteket és a gyanúsnak vélt géneket osztották meg a modellel. Az OpenAI o3 rendszere ezeket az adatokat hatalmas mennyiségű tudományos szakirodalommal, legújabb kutatási eredményekkel és nyilvános genetikai adatbázisokkal vetette össze. A rendszer hatékonyságát jól mutatja, hogy hét esetben a diagnózis ugyan már létezett a tudományos közösség tudásbázisában, de a klinikai gyakorlatban nem jutott el a páciensekhez, így a modell sikeresen kapcsolta össze a korábban elszigetelt információkat. A technológia tehát képes volt áthidalni azt a szakadékot, amely a globális tudományos kutatási eredmények és az egyes klinikák napi gyakorlata között húzódik.
Az ilyen típusú technológiai segítség kritikus fontosságú, mivel a ritka betegségek kutatása és kezelése elképesztő terhet ró az egészségügyi rendszerre. A klinikusok jelenleg komoly kapacitáshiánnyal küzdenek: a ritka betegségek eseteinek mintegy fele azért marad megoldatlan, mert a szakembereknek nincs idejük és erőforrásuk a több éves, esetenként több évtizedes orvosi akták manuális újraelemzésére vagy az elszigetelt adatbázisok közötti szisztematikus kutatásra. Egy dedikált Deep Research modell ezzel szemben képes az összes elérhető adatot percek alatt átfésülni, így a korábban reménytelennek tűnő esetek új esélyt kaphatnak. A kísérlet rávilágított arra, hogy az AI nem az orvosokat helyettesíti, hanem egy olyan hatékony eszközt ad a kezükbe, amellyel jelentősen csökkenthető a diagnosztikai hátralék, és célzottabb, gyorsabb ellátást biztosíthatnak a legsérülékenyebb betegcsoportok számára.
- A csapat 376 olyan megoldatlan esetet elemzett, ahol a korábbi szakorvosi vizsgálatok sikertelenek voltak.
- Az o3 segített 18 megerősített diagnózis azonosításában a tünetek, a legújabb kutatások és adatbázisok összevetésével.
- Hét esetben a diagnózis már létezett máshol, de nem jutott el a páciensek helyi orvosi leletei közé.
- A ritka betegségek eseteinek mintegy fele általában megoldatlan marad az új kutatásokon alapuló akták manuális újraelemzéséhez szükséges erőforrások hiánya miatt.
Ahogy az orvosok említik, a ritka betegségekkel kapcsolatos munka hátralékokkal küzd. A klinikusoknak nincs kapacitásuk az esetek újbóli áttekintésére vagy az elkülönült adatbázisok és klinikák közötti kutatásra. Azonban egy egyéves, általános Deep Research modell képes erre, eszközt adva ahhoz, hogy több „zsákutcának” hitt eset kapjon új esélyt a válaszokra.