OpenAI o3 и редкие заболевания: что показало исследование NEJM AI

По состоянию на 20 июня 2026 года OpenAI o3 в теме редких заболеваний стоит обсуждать осторожно. В новом исследовании NEJM AI модель o3 Deep Research помогла врачам и исследователям заново разобрать 376 ранее нерешённых случаев. После экспертной проверки, дополнительных тестов и лабораторного подтверждения диагнозы установили в 18 случаях.

Заголовок «ИИ поставил диагноз» здесь был бы опасным упрощением. Модель связала клинические признаки, генетические варианты, наследование и научную литературу в проверяемые гипотезы, а решение оставалось за специалистами. Такой подход называют AI-assisted reanalysis: повторный анализ старых клинических и геномных данных с помощью ИИ, но внутри обычного клинического процесса.

Для рынка медицинского ИИ это важнее очередного громкого заголовка. Новость показывает не автономного врача в браузере, а рабочее место, где модель снижает стоимость поиска гипотез. Если этот сценарий выдержит дальнейшие проверки, редкие заболевания могут стать одной из первых областей, где пользу моделей рассуждения будут считать не по демо, а по найденным ответам для семей.

Что сделала модель, а что осталось за врачами

Эта граница принципиальна. OpenAI прямо пишет, что исследование не описывает и не рекомендует использовать o3 Deep Research, ChatGPT или другой продукт OpenAI для диагностики. Модель расширяла поиск и объясняла кандидатов; диагнозы ставили квалифицированные специалисты через установленную процедуру.

Почему старые случаи можно найти заново

Редкое заболевание часто остаётся без ясного генетического объяснения даже после секвенирования и консультаций. По оценке OpenAI, примерно половина людей с редкими заболеваниями не получает однозначный диагноз после расширенного тестирования и экспертного разбора.

Проблема не всегда в том, что данных мало. Иногда данных много, но они разрознены: фенотип записан в одних терминах, семейная история хранится отдельно, варианты генов лежат в таблицах, а новые публикации и базы данных обновляются уже после первичного анализа. Геном ребёнка почти не меняется, зато меняется знание вокруг него. Вариант, который пять лет назад выглядел непонятным, сегодня может получить связь с конкретным заболеванием.

Поэтому повторный анализ геномных данных давно считается полезным. Но делать его вручную для тысяч старых случаев трудно: врачам и генетикам нужно заново поднять документы, сверить классификации, прочитать литературу и понять, какие гипотезы заслуживают проверки. В этом месте модель рассуждения может быть полезна как слой поиска и объяснения, а не как финальный арбитр.

Как был устроен рабочий процесс

Команда собрала для каждого случая обезличенный пакет: Human Phenotype Ontology-термины, иногда врачебные заметки, возраст, пол и таблицу отфильтрованных генетических вариантов. В таблицу входили редкость варианта, предполагаемый эффект на белок, классификация ClinVar и качество сигнала по доступным членам семьи. В большинстве случаев были данные ребёнка и обоих биологических родителей.

o3 Deep Research просили предложить наиболее вероятное молекулярное объяснение и показать ход рассуждения. Для врачей это важная деталь: модель не просто возвращала название гена, а связывала симптомы, наследование, вариант и литературу в проверяемую цепочку.

Дальше начиналась человеческая часть. Кандидаты проходили экспертную оценку по ACMG/AMP, спорные результаты обсуждались несколькими участниками, а находка считалась диагнозом только после подтверждения в клинической лаборатории и возврата результата семье через клиническую команду.

Какие результаты получили

Перед работой с нерешёнными случаями исследователи проверили рабочий процесс на данных с уже известными диагнозами. В одном наборе модель в двух прогонах нашла правильный ген и вариант в 48 из 51 случая. В наборе из 57 нейромышечных случаев она вернула правильный диагноз в 45 случаях. В 15 случаях с long-read genome-данными назвала правильный ген во всех случаях и обе причинные аллели в 12 случаях.

После этого тот же процесс применили к четырём группам ранее нерешённых случаев. Итоговая таблица выглядит так:

4,8% может звучать скромно, если читать это как обычный технологический оценочный тест. В редких заболеваниях контекст другой. Это были не свежие случаи, которые ещё никто не смотрел, а случаи после прежнего экспертного анализа, коммерческих или институциональных конвейеров разбора и обсуждений междисциплинарными командами. В таком наборе даже однозначные проценты имеют клинический смысл.

OpenAI отдельно отмечает, что 7 из 18 диагнозов оказались повторными находками: они уже были установлены вне локального исследовательского процесса, но отсутствовали в записи, с которой работала команда. Это хороший холодный душ для всей темы. Иногда проблема не в отсутствии знания, а в том, что нужное знание не доезжает до нужного места в нужном формате.

Где o3 оказалась полезнее простого ранжирования генов

Самая интересная часть исследования не только в итоговом числе. В одном случае раннего психоза модель предположила структурное событие, которого не было прямо в исходных данных: она связала низкое качество вызовов на 22-й хромосоме с сердечными, иммунными, нейроразвитийными и психиатрическими признаками ребёнка, а затем выдвинула гипотезу о делеции 22q11.2, связанной с синдромом Ди Джорджи. Гипотезу подтвердили последующим геномным секвенированием.

В других случаях модель не ограничивалась одной моногенной причиной, хотя запрос просил именно её. Например, варианты в LAMA2 и FOXP1 вместе лучше объясняли сочетание мышечных и нейроразвитийных признаков. Ещё один случай оказался дигенным объяснением с TTN и SRPK3.

Модель не стала «умнее генетика». Более точная формулировка: o3 помогала расширять пространство проверяемых гипотез и связывать разрозненные признаки с литературой. Врачам всё равно приходилось решать, что заслуживает тестирования, что похоже на случайную корреляцию и что можно вернуть семье.

Чем это отличается от ChatGPT для вопросов о здоровье

Внутри Toolarium эту новость нужно отделить от соседнего сюжета про OpenAI health intelligence в ChatGPT. Там речь о массовых ответах ChatGPT на вопросы пользователей о здоровье и самочувствии. Здесь речь о ретроспективном исследовательском процессе с обезличенными данными, экспертной проверкой и клиническим подтверждением.

Есть и другой соседний риск: подать историю как «модель превзошла врачей». Мы уже разбирали исследование, где OpenAI o1 оценивали на ER-triage. Такие оценочные истории легко превращаются в заголовки про замену специалистов. В случае o3 и редких заболеваний это особенно опасно: здесь результат появился именно потому, что модель была встроена в человеческий клинический процесс.

Ближе всего по смыслу общий паттерн «ИИ под контролем врача», о котором мы писали в материале про DeepMind AI co-clinician. Медицинский ИИ становится полезным не тогда, когда делает вид, что врач больше не нужен, а когда берёт на себя дорогую часть поиска, сортировки и объяснения, оставляя ответственность специалистам.

Ограничения исследования

Список ограничений здесь важен не меньше результата. Исследование было ретроспективным, группы случаев отличались между собой, а рецензенты видели оценки уверенности модели. Команда не измеряла, сколько времени или денег удалось сэкономить, сколько ложноположительных гипотез пришлось отсеять, как изменилась нагрузка на врачей и повлияло ли это на лечение.

OpenAI также пишет, что исследователи не проводили систематическую оценку всех типов генетических изменений: структурных вариантов, repeat expansions, deep-intronic variants и mosaicism. Для редких заболеваний это существенная сноска: часть причин может прятаться именно в тех классах вариации, которые труднее заметить обычным конвейером анализа.

Наконец, большие языковые модели могут ошибаться убедительно. Они способны неправильно прочитать контекст, переоценить слабую связь или собрать красивое объяснение, которое развалится при проверке. Поэтому в статье нельзя писать, что o3 «нашла 18 диагнозов» в одиночку. Корректнее: o3 подняла кандидатов, которые после человеческой проверки и лабораторного подтверждения привели к 18 диагнозам.

Что дальше: не только o3

OpenAI отмечает, что в этой работе использовался именно o3 Deep Research. Более новые модели и специализированные системы для наук о жизни, включая GPT-Rosalind, в исследовании не тестировались. Это важная оговорка: нельзя переносить результат o3 на всю линейку OpenAI или обещать, что следующая модель автоматически даст больше подтверждённых диагнозов.

Следующий нормальный шаг для такой технологии - перспективные многоцентровые исследования. Нужно сравнить повторный анализ с помощью LLM со стандартной практикой: сколько новых диагнозов появляется, сколько времени уходит до кандидата, сколько труда требуют ложные следы, как меняется стоимость и есть ли влияние на помощь пациенту.

Для OpenAI это также часть более широкой линии ИИ для науки. В материале про OpenAI LifeSciBench мы уже разбирали, что научных ИИ-агентов начинают оценивать не по общим ответам, а по прикладным исследовательским задачам. Редкие заболевания дают похожий урок: модель должна быть полезна в проверяемом процессе, а не только убедительно звучать.

Главное

OpenAI o3 в редких заболеваниях показала сильный, но узкий результат. В 376 сложных ранее нерешённых случаях повторный анализ с помощью ИИ дал 18 подтверждённых диагнозов, то есть 4,8% дополнительной результативности. Для семей это может быть огромной разницей. Для науки это сигнал, что модели рассуждения могут помогать в повторном анализе геномных данных.

Но статья NEJM AI не доказывает, что пациенты или врачи должны использовать ChatGPT для самостоятельной диагностики. Рабочая формула здесь другая: модель помогает искать гипотезы, специалисты проверяют, лаборатория подтверждает, клиническая команда возвращает результат семье. В медицине это не бюрократическая осторожность, а сама суть безопасности.

Читайте также

• OpenAI health intelligence в ChatGPT: где границы рывка
• OpenAI o1 в Harvard-исследовании обошёл врачей на ER-triage
• DeepMind AI co-clinician: ИИ под контролем врача, а не вместо него
• OpenAI LifeSciBench: как теперь измеряют научных ИИ-агентов

Источники и проверка фактов

Факты и ссылки проверены 20 июня 2026 года. Цифры по исследованию, версии модели и формулировки ограничений нужно перепроверять перед обновлением материала.

• OpenAI: Using AI to help physicians diagnose rare genetic diseases affecting children - основной источник по дате публикации, o3 Deep Research, 376 случаям, 18 диагнозам, 4,8%, рабочему процессу, результатам по когортам и ограничениям.
• NEJM AI: LLM-Assisted Reanalysis of Unsolved Rare Disease Genomes Increases Diagnostic Yield - первичная публикация исследования; страница была недоступна для полного чтения через локальный инструмент из-за security verification, поэтому числовые детали в тексте сверены по публичному материалу OpenAI.