子どもの希少遺伝性疾患をめぐる診断プロセスが変わり始めている。専門医による長年の解析でも原因が特定できなかった症例に対し、AIの高度な推論能力を組み合わせることで、新たに18件の診断が確定した。これは単なる技術発表ではなく、「診断の再解析」という医療行為のあり方そのものを変える可能性を示している。

この記事を一言でいうと

専門家チームがOpenAIの推論モデルを用いて未解決だった希少疾患376例を再解析し、4.8%にあたる18例で新たな診断を確定させた。AIが直接診断するのではなく、根拠に基づく仮説を提示し、医師が検証する形で成果を上げた点が重要だ。

なぜ話題なのか

遺伝子解析技術が普及しても、希少疾患の約半数は原因の特定に至らない。患者のゲノム情報や表現型の記録は複数のデータベースに分散し、識別子も形式も異なるため、専門家でも見落としが生じる。さらに、解析当初は関連が知られていなかった遺伝子と疾患の関係が、科学の進歩とともに後から明らかになることも多い。

今回の研究では、過去に専門家が解析しても診断に至らなかった症例を、OpenAIの推論モデル「o3 Deep Research」で再解析した。モデルは膨大な遺伝子変異情報、断片的な臨床記録、最新の科学文献を横断的に検討し、証拠に裏付けられた候補仮説を提示。その後、専門家による評価、追加検査、臨床確認を経て診断確定に至った。AIの推論能力を「診断の再解析」という医療プロセスに組み込んだ初めての大規模な実証例として注目されている。

一般読者や企業にどう関係するのか

希少疾患の診断がつかないことは、患者と家族にとって長期にわたる身体的・心理的負担を意味する。今回示されたAI活用の形は、見落とされていた診断の可能性を定期的に再評価する仕組みの実現に近づくものだ。

日本国内でも、希少疾患の診断体制は専門施設への集中と長時間待機が課題となっている。AIによる再解析支援が実用化されれば、限られた専門医の労力を大幅に補完し、診断までの時間短縮や地域格差の緩和につながる可能性がある。国内外の希少疾患研究コミュニティでは、定期的な再解析の重要性が以前から指摘されており、AIはその実行可能性を高める存在として位置づけられる。

AI業界の構造で見ると何が変わるのか

今回の成果は、AIモデルの性能が単なる情報検索や生成から「専門家の思考補助」の段階に移行していることを示す。特に、異なるデータベースや形式に分散した大規模な情報を横断的に評価し、エビデンスに基づく仮説を組み立てる能力は、医療分野に限らず、科学研究や法律、産業調査など多くの専門領域に展開可能だ。

OpenAIの推論モデルは、モデル内部で中間的な推論ステップを経る設計を採用しており、複雑で多段階の分析を必要とするタスクに強みを持つ。今回の研究は学術機関との共同研究として実施されたが、同様のワークフローは、クラウドAPIを通じて他の医療機関や研究機関に提供される可能性が高い。AI企業にとっては、単一モデルの性能競争から、専門領域のワークフロー全体を支援する垂直統合型サービスの設計へと競争軸が移ることを示唆している。

一次情報から確認できる事実

確認できる事実は以下の通り。この研究は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の研究者らによって実施された。2026年6月18日付でNEJM AIに掲載された本論文では、OpenAI o3 Deep Researchモデルを使用して、過去に解析済みだが未解決だった376症例を再解析した。

モデルは臨床情報とゲノム情報を分析し、証拠に基づく候補仮説を提示した。その後、専門家による評価、追加検査、臨床検査室での確認を経て、18件で新たな診断が確定。これは従来の専門家による解析後の追加診断率として4.8%に相当する。モデルは診断を下したり臨床判断を行ったりしたわけではなく、専門家が検証するための仮説を生成したという立場が明確にされている。

関連企業・関連技術

  • OpenAI: 推論モデル「o3 Deep Research」を提供。大規模情報の横断的評価と仮説生成に強みを持つ
  • ボストン小児病院マントン希少疾患研究センター: 希少疾患研究の世界的拠点のひとつ
  • ハーバード大学: 共同研究機関として参加
  • NEJM AI: 本論文が掲載されたNEJMグループのAI専門ジャーナル
  • ゲノム解析技術: 全エクソーム解析や全ゲノム解析が前提技術として存在
  • 関連ドメイン: 医療AI、希少疾患診断、臨床意思決定支援、ゲノム医学

今後の論点

今後の焦点は3つある。第一に、この追加診断率4.8%が他の患者集団や医療機関でも再現されるかどうか。第二に、AIが提示する仮説の質と範囲をどのように標準化し、専門家が効率的に検証できる体制を構築できるか。第三に、定期的な再解析を医療制度に組み込む際の費用対効果と、保険償還を含めた制度設計のあり方だ。

また、モデルが提示した仮説のうち、最終的に診断確定に至らなかった候補についても、なぜ棄却されたのかを分析することで、モデルの改善や今後の研究開発の方向性が見えてくるだろう。AIが専門家の思考をどこまで補完できるか、その限界と可能性を丁寧に評価する段階に入ったと言える。