OpenAI ukazuje, ako môže AI pomôcť pri opätovnej analýze zriedkavých diagnóz

OpenAI a výskumníci z Boston Children’s Hospital a Harvardu predstavili štúdiu, ktorá ukazuje praktickejší a opatrnejší spôsob využitia veľkých jazykových modelov v medicíne: nie ako samostatného diagnostika, ale ako nástroj na opätovné prehľadávanie zložitých genetických prípadov. V súbore 376 deidentifikovaných pediatrických prípadov, ktoré zostali nevyriešené aj po predchádzajúcej odbornej analýze, model OpenAI o3 Deep Research navrhoval vysvetlenia podložené literatúrou a variantmi. Po následnom klinickom preskúmaní a potvrdení vzniklo 18 nových diagnóz.

Číslo 18 znie skromne, no v kontexte zriedkavých chorôb je významné. Pri mnohých deťoch a rodinách zostáva genetická príčina ťažkostí nejasná aj po sekvenovaní genómu, pretože databázy sú neúplné, popisy príznakov sú roztrieštené a vedecké poznanie sa rýchlo mení. Variant, ktorý bol pred rokmi nejasný, môže byť dnes lepšie popísaný v literatúre alebo v databázach. Opätovná analýza je preto dôležitá, ale časovo náročná.

Model podľa opisu nedával definitívne diagnózy a nerobil klinické rozhodnutia. Jeho úlohou bolo zostaviť hypotézy, ktoré prepájali fenotypové znaky pacienta, dedičnosť, varianty v genóme a dostupnú vedeckú literatúru. Takéto vysvetlenie potom posudzovali odborníci, ktorí mohli vyžiadať ďalšie testovanie a potvrdiť nález klinickým postupom. Práve tento ľudský filter je kľúčový: AI tu funguje ako výskumný asistent pri hľadaní stôp, nie ako autorita nad pacientom.

Štúdia je dôležitá aj metodicky. Veľké modely sa často hodnotia na krátkych medicínskych otázkach, kde stačí vybrať správnu odpoveď alebo zhrnúť známy fakt. Zriedkavé genetické ochorenia sú iný typ problému: vyžadujú prácu s neúplnými dátami, literatúrou, tabuľkami variantov a pravdepodobnosťami. Model musí vysvetliť, prečo je určitá stopa hodná pozornosti, a zároveň sa nemôže tváriť, že našiel istotu tam, kde existuje iba indícia.

Pre nemocnice a genetické pracoviská by takýto prístup mohol znamenať škálovateľnejšiu periodicitu reanalýzy. Dnes môže byť prakticky nemožné pravidelne ručne prechádzať stovky starších nevyriešených prípadov vždy, keď pribudne nový článok alebo sa zmení klasifikácia variantu. Ak AI pomôže zoradiť a odôvodniť kandidátne stopy, odborníci môžu venovať viac času tým prípadom, kde sa objavila nová šanca na odpoveď.

Súčasne platí, že diagnostická hodnota nevzniká samotným výstupom modelu. V správe je jasne oddelená fáza návrhu od klinického potvrdenia. To je dôležité pre dôveru aj reguláciu: rodina pacienta nepotrebuje poetickú hypotézu, ale overiteľný nález, ktorý prešiel laboratórnou a odbornou kontrolou. Ak by sa tento pracovný postup rozšíril, bude potrebovať auditovateľnosť, ochranu súkromia a jasné pravidlá, kto nesie zodpovednosť za ďalší klinický krok.

Pre širší AI ekosystém je prípad zaujímavý tým, že ukazuje hodnotu „hlbokého výskumu“ mimo bežných kancelárskych scenárov. Modely schopné prehľadávať zdroje a skladať argumenty môžu mať najväčší prínos tam, kde je problém príliš rozvetvený pre jednu lineárnu odpoveď. Medicína však zároveň patrí medzi oblasti, kde je rozdiel medzi užitočnou stopou a nebezpečnou halucináciou najcitlivejší.

Najtriezvejšie čítanie výsledku je preto nasledovné: AI môže pomôcť zmenšiť backlog nevyriešených zriedkavých prípadov, ak je nasadená ako vysvetľujúci a kontrolovaný nástroj pre odborníkov. Nie je to dôkaz, že modely majú samostatne diagnostikovať pacientov. Je to však silný signál, že v spojení s klinickým procesom môžu odhaľovať možnosti, ktoré by pri ručnej reanalýze zostali prehliadnuté alebo by sa k nim pracovisko dostalo až oveľa neskôr.

Ak sa podobné systémy dostanú do rutiny, môžu tiež zmeniť ekonomiku zriedkavých diagnóz. Kliniky by nemuseli čakať na veľké jednorazové revízie, ale mohli by pravidelne spúšťať kontrolované reanalýzy vtedy, keď pribudnú nové databázové záznamy alebo publikácie. To však predpokladá dobré dátové štandardy, interoperabilitu a právne isté spracovanie citlivých údajov. Bez nich by model iba rýchlejšie prechádzal neúplný alebo nejednotný materiál, čo by obmedzilo jeho prínos.