OpenAIは2026年6月18日、Boston Children’s HospitalのManton Centerなどと行った研究として、以前の専門家レビューで未解決だった376件の希少遺伝性疾患ケースを再解析し、18件で追加診断につながる手掛かりが得られたと公表しました。数字だけ見ると派手に見えますが、重要なのは「AIが診断した」のではなく、専門医と検査体制が残ったまま再解析の探索範囲を広げた点です。医療機関や製薬・検査関連企業が注目すべきなのは、診断の自動化ではなく、滞留ケースの再評価をどう標準化するかという運用設計です。
OpenAIの発表で何が分かったのか
今回の研究で使われたのは、OpenAI o3 Deep Researchを用いた再解析ワークフローです。対象は新規患者ではなく、すでに複数のパイプラインや専門家チームで見直しても診断が付かなかった難症例でした。OpenAIの説明では、医師や研究者は患者の症状を表すHPO用語、臨床メモ、年齢・性別などのメタデータ、さらに絞り込まれた変異テーブルをまとめ、モデルに最も妥当な分子レベルの説明候補と根拠を出させています。
そのうえで、候補は必ず人間の専門家がACMG/AMPの枠組みで再審査し、病原性または病的疑いの判定、CLIA認定ラボでの確認、臨床チームから家族への返却まで終わって初めて診断として数えています。つまり、生成AIは結論を確定する装置ではなく、証拠をつなぎ直す推論レイヤーとして使われています。
再解析フローはどこが実務的に新しいのか
希少疾患の再解析は、ゲノム自体が変わらなくても、文献・症例データベース・変異分類が更新され続けるため、時間とともに新しい答えが見つかる領域です。課題は知識不足というより、症状記述、家系情報、既存の変異解釈、最新文献が分断されていることでした。今回のワークフローは、この断片情報を一度説明可能な仮説として束ね、人間がレビューしやすい形に再構成した点に価値があります。
OpenAIの公開内容では、既知症例での事前評価も行われており、51症例中48症例、57の神経筋症例中45症例、15のlong-read症例では全例で正しい遺伝子を挙げたとしています。もちろんそのまま実運用精度とは言えませんが、少なくともプロンプト改善やレビュー優先順位付けに耐える再現性を確認したうえで未解決症例へ展開した設計です。
376症例・18件の内訳をどう読むべきか
4つのコホート別では、神経発達100症例で10件、神経筋疾患61症例で4件、突然死関連200症例で2件、早期精神病15症例で2件の診断が成立しました。合計では376症例中18件、追加診断率4.8%です。早期精神病コホートは症例数が小さいため率の振れ幅が大きく、分野横断で単純比較はできません。
むしろ実務上の示唆は、重くレビューされた既存バックログでも単位数%の改善余地があり得ることです。しかも18件のうち7件は、外部では診断済みだったのにチームが見ていた記録には反映されていなかった再発見でした。これはモデル性能だけでなく、データ統合や院内外の記録同期が診断率に効くことを示しています。
医療機関が導入前に確認したい4つの判断軸
1つ目は対象業務です。今回の対象は初診断ではなく、未解決症例の再解析でした。新患トリアージや診断確定にそのまま広げると、期待値と責任分界がずれます。2つ目はデータ品質です。HPO記述、家系情報、変異注釈、文献参照が揃っていない環境では、AI以前に候補生成の土台が弱くなります。
3つ目はレビュー体制です。OpenAIも明示している通り、診断は必ず資格を持つ専門家、確認検査、臨床返却のプロセスを経ています。AI候補を誰が何営業日で確認し、どの時点でラボ再検査に回すかを決めないと、出力だけ増えて運用が詰まります。4つ目は監査性です。プロンプト版管理、参照文献、レビュー記録、却下理由を残せるかが、院内説明責任や将来の再評価で効いてきます。
向いている用途と向いていない用途
向いているのは、長年未解決の症例群を一定周期で洗い直す業務、分断された知識源を横断する仮説生成、希少な症候群で候補遺伝子の説明文を人が読みやすくまとめる用途です。OpenAIの事例でも、22q11.2 deletionやdigenic explanationのように、入力表に直接書かれていない構造的な可能性まで仮説として浮上させた点は強みです。
一方で向いていないのは、患者や家族への直接説明をAI単独で任せる運用、未確認の仮説を診断名のように扱う運用、時間短縮だけをKPIにした導入です。今回の公開情報でも、時間短縮量、誤陽性コスト、ケアへの影響はまだ十分に測られていません。したがって、現時点では「臨床判断を代替するAI」ではなく「専門家が再解析 backlog を扱うための補助線」と理解するのが安全です。
FAQ
Q. AIが18件を自動診断したのですか？ A. いいえ。OpenAIの説明では、モデルは候補と根拠を示しただけで、診断成立には専門家レビュー、追加検査、CLIA認定ラボ確認、臨床返却が必要でした。
Q. 4.8%は高い数字ですか？ A. 新規症例ではなく、すでに何度も見直された未解決症例群での追加診断率として読むべきです。派手な改善率ではありませんが、重いバックログに対する実務価値はあります。
Q. どんな組織が参考にしやすいですか？ A. 希少疾患の再解析を抱える病院、ゲノム検査会社、研究病院、製薬のメディカル部門です。導入時は、個人情報保護、監査ログ、専門家レビュー工数の設計を先に詰める必要があります。
医療・研究用途で生成AIの再解析フローや監査設計を整理したい場合は、 お問い合わせください 。PoCで終わらせず、対象業務の切り分け、レビュー動線、社内ガイドラインまで含めて一緒に整理できます。
