ボストン小児病院の医療ミステリー、AI が解決へ

ボストン小児病院の医療ミステリー、AI が「診断オデッセイ」を終わらせる

世界中で数百万人の家族が苦しむ「希少疾患」。その平均的な診断までの時間はなんと6〜7年にも及びます。OpenAI とハーバード大学、そしてボストン小児病院が共同で行った大規模言語モデル（LLM）を活用した研究は、この長い「診断オデッセイ」に終止符を打つ可能性を示しました。

希少疾患患者が直面する「6〜7年」の壁

希少疾患を持つ人々は、症状が出始めてから正しい病名を知るまで、平均して6年から7年もの時間を費やします。これを専門家は「診断オデッセイ」と呼んでいます。

この研究に参加した Stav Rones さんは、ティーンエイジャーの頃から運動能力に問題を感じていましたが、それが遺伝性の疾患であることに気づくまでに5年以上かかりました。「特定の身体的な問題と、遺伝性疾患、特に希少疾患との相関関係を特定するのは非常に難しい」と Stav さんは振り返ります。

「病名がわからないままでは、自分が何をすべきか分からず、有害な行動をとってしまう恐れもあります。しかし、正確な診断を得ることで、同じ病気の人々とコミュニティを形成したり、家族計画におけるリスクを理解したりできるようになります。」

Stav さんが最終的に遺伝子検査を受け、診断を得たことで、彼自身の病気に特化した薬を開発中の企業とつながり、治療への道が開かれました。しかし、多くの患者はまだその「名付け」の瞬間に辿り着いていません。

なぜ診断はこれほど時間がかかるのか？

なぜ遺伝子解析技術が発達した現代でも、診断にこれほど時間がかかるのでしょうか。ボストン小児病院のマントン希少疾患研究センターの科学ディレクター、Katherine Brownstein 博士がその理由を解説します。

人間のゲノム（DNA）は約30億塩基対からなり、2万個以上の遺伝子をコードしています。さらに、これら8,000〜9,000の疾患関連遺伝子のそれぞれに、無数の変異パターンが存在します。次世代シーケンサーにより全ゲノム解析が可能になった今、患者一人あたりで数百数千、場合によっては数百万もの遺伝子変異データが生まれます。

「人間がこれら膨大なデータの中から、本当に病気を引き起こす『針』を haystack（わら積み）から見つけるのは、もはや人手では不可能なほど時間がかかります。」

医師や遺伝学者は、親と子のトリオ解析を行い、両親にはない「de novo（新生）変異」を探したり、文献データベースを検索してその変異が実際に病気を引き起こすかを確認したりする必要があります。一つの変異を調べるのに数時間を要し、それが数百回繰り返されるため、診断に至るまでのプロセスは極めて時間がかかるのです。

AI が「数百万のデータ」から候補を絞り込む

この研究で試されたのは、大規模言語モデル（LLM）を活用した新しいワークフローです。AI は、数百万に及ぶ遺伝子変異データと患者の臨床症状コードを照合し、人間が検証すべき候補を数個にまで絞り込む役割を果たしました。

OpenAI の機械学習研究者である Suya Shringpur 氏によると、LLM は以下のプロセスで機能します。

1. データの統合: 膨大な遺伝子変異データと臨床症状情報を一元的に処理する。
2. 関連性の特定: 人間の専門家が気づきにくい、複雑なパターンや証拠のリンクを AI が発見する。
3. 候補の削減: 疑わしい変異を数百個から数個にまで絞り込み、医師が確認すべきリストを提示する。

これにより、AI は「人間が処理しきれない情報を整理し、重要な手がかりを抽出する」パートナーとして機能しました。AI が提示した候補は、専門家が最終的に判断するための「提案」であり、あくまで診断支援ツールとしての役割に留まります。

376症例で18件の新規診断を実現

この AI 駆動型ワークフローの有効性を検証するため、研究チームは376の症例を対象とした実証実験を行いました。その結果、AI が関連する証拠を特定し、18症例において新規診断が導き出されました。

これは、これまで「未解決」とされていたケースにおいても、AI の介入によって診断の可能性が開けることを示す画期的な成果です。特に、Stav さんのような事例のように、病名が判明することで治療の選択肢が広がり、患者の生活の質（QOL）が向上する可能性を具体的に証明しました。

「AI は候補を提示するのみであり、最終的な臨床判断や患者への報告は、遺伝学者や医師による厳密な検証プロセスを経る必要があります。」

結論：AI は「診断の加速」をもたらす

この研究は、生成 AI が複雑な遺伝子データ解析を実用的に支援できることを世界に示しました。AI エージェントを臨床ワークフローに統合することで、診断待ち時間の短縮が実現し、患者が新薬開発や治療プログラムに参加する機会が拡大されます。

しかし、AI は万能ではありません。最終的な責任と判断は依然として人間の専門家にあります。AI と人間の専門家が協力して取り組むことで、これまで「見つけられなかった」病名が見つかる未来が、確実に近づいています。