ЖИ көмегімен балалардағы сирек генетикалық ауруларды диагностикалау

Геномдық секвенирлеу жүргізілсе де, сирек ауруы бар көптеген адам нақты генетикалық диагноз ала алмайды. Кең ауқымды талдаулар мен мамандардың қарауынан кейін де шамамен жартысының диагнозы қойылмай қалады. Олардың медициналық деректерінде ишаралар болуы мүмкін, бірақ оларды табу үшін мыңдағаннан миллиондағанға дейінгі ықтимал генетикалық варианттарды, үзік-үзік клиникалық жазбаларды және тез өзгеріп жатқан ғылыми әдебиетті сүзгіден өткізу қажет болуы мүмкін.

Жаңа ген-ауру байланыстары, жағдай туралы есептер және жіктеу дәлелдері жиналған сайын, шешілмеген жағдайларды жаңаша түсіндіруге болады.

Boston Children’s Hospital жанындағы Manton Center for Orphan Disease Research, Harvard University және OpenAI зерттеушілері бұрын талданған, бірақ шешілмей қалған 376 жағдайдың дербестендірілмеген клиникалық және геномдық ақпаратын талдау үшін OpenAI o3 Deep Research ойлайтын моделін пайдаланды. Модель зерттеушілер мен клиницистер қарап шығуы үшін дәлелдермен байланыстырылған ықтимал түсіндірмелерді ұсынды. Сарапшылардың қарауынан, қосымша тестілеуден және клиникалық растаудан кейін дәрігерлер 18 жағдайға диагноз қойды — бұл мамандардың бұрынғы талдауынан кейінгі қосымша диагностикалық нәтижелілік 4.8% болды. Бұл зерттеу 2026 жылғы 18 маусымда NEJM AI журналында жарияланды және ЖИ көмегімен жүргізілетін зерттеу жұмыс барысы сарапшыларға ең қиын жағдайлардың кейбірін қайта қарағанда бағыт-бағдар табуға қалай көмектесе алатынын көрсетеді.

Бұл жағдайлардың көбі сарапшылардың көп жылдық талдауынан кейін де шешілмеген еді. Бұл зерттеуде OpenAI o3 Deep Research зерттеушілерге кейін қалыптасқан клиникалық процестер арқылы бағаланған бағыттарды анықтауға көмектесті, бұл білім дамыған сайын сарапшылар басқаратын мерзімді қайта талдауды кеңірек ауқымда жүргізуге болатынын аңғартады. Модель ешбір пациентке диагноз қойған жоқ және ешқандай клиникалық шешім қабылдаған жоқ. Ол мамандар қарап, қажет болған жағдайда қосымша тестілеу арқылы зерттеп, клиникалық зертханада растауы үшін дәлелдерге сүйенген гипотезалар ұсынды.

Нәтижесіз генетикалық тест әрдайым тұрақты қорытынды емес. Пациент фенотипінің сипаттамалары, тест нәтижелері және отбасылық анамнезі әртүрлі идентификаторлар, форматтар мен сөздіктерді қолданатын дерекқорларға бөлініп кетуі мүмкін. Сол жазбаларды байланыстыру қиын, сондықтан тіпті мамандар да диагнозды өткізіп алуы мүмкін. Сарапшылар баланың геномын тиісті ген немесе оның варианттары аурумен байланыстырылмай тұрып та секвенирлеуі мүмкін. Ғылыми білім ілгерілеген сайын, сол деректер бұрын табу мүмкін болмаған жауаптарды ашуы мүмкін.

Сирек ауруларды қайта талдау — әрі ғылыми, әрі қолдау көрсету мәселесі. Пациенттің геномы өзгермеуі мүмкін, бірақ оның айналасындағы дәлелдер үнемі өзгеріп отырады: зерттеушілер жаңа гендер мен варианттарды аурулармен байланыстырады, зертханалар ескі варианттарды қайта жіктейді, ал жағдай дерекқорлары мен мақалалар жаңа бақылаулармен толығады. Әр жаңарту бұрын нәтижесіз болған жағдайды қайта қарауға негіз бола алады, сондықтан көптеген мекемелер қозғалыстағы білім базасымен қатар жаңартып отыру керек геномдардың өсіп жатқан қорын мұраға алады.

Бұл зерттеуде зерттеушілер жұмыс барысын модель қолданыстағы геномдық конвейерлердің үстіндегі алдымен түсіндірме беретін ой қорыту қабаты ретінде әрекет ететіндей етіп құрды. Тек рейтингтелген генді қайтарудың орнына, одан клиникалық белгілерді, тұқымқуалау үлгісін, вариант дәлелдерін және ғылыми әдебиетті адам рецензент тексере алатын негіздемеге біріктіру сұралды. 

Әр жағдай үшін команда пациенттің клиникалық көрінісін сипаттайтын стандартталған Human Phenotype Ontology терминдерін, кейде клиницист жазбалары мен кез келген сипаттамалық клиникалық диагнозды, жас және жыныс сияқты метадеректерді, сондай-ақ сүзгіден өткен варианттар кестесін қамтитын дербестендірілмеген пакет жинады. Кестеде әр варианттың сиректігі, кодталған ақуызға болжанған әсері, ClinVar жіктемесі және қолжетімді отбасы мүшелері бойынша сигнал сапасы қамтылды. Жағдайлардың көбінде бала мен оның екі биологиялық ата-анасының деректері болды.

Команда модельден ең ықтимал молекулалық түсіндірмені ұсынуды және өз жұмысын көрсетуді сұрады. Содан кейін зерттеушілер нәтижелерді клиникалық зертханалар генетикалық варианттарды жіктеу үшін қолданатын сол ACMG/AMP шеңбері бойынша қарап шықты. Әр кандидатты кемінде екі команда мүшесі қарады, келіспеушіліктер консенсус арқылы шешілді және модель шығарған нәтиже ешқашан диагноз ретінде қарастырылмады. Қорытынды тек білікті сарапшылар дәлелдерді қарап, вариант патогенді немесе ықтимал патогенді деп жіктеліп, оны CLIA сертификаты бар зертхана растағаннан кейін және клиникалық команда нәтижені отбасына жеткізгеннен кейін ғана диагноз ретінде есептелді.

Шешілмеген жағдайларды талдаудан бұрын команда жұмыс барысын диагнозы анықталған жағдайларда жетілдірді. Әртүрлі сирек жағдайларды қамтыған 51 жағдайдың 48-інде ол қайталама іске қосуларда дұрыс ген мен вариантты қайта тапты. 57 нейробұлшықет жағдайынан тұратын жиында жұмыс барысы 45 жағдай үшін қайталама іске қосуларда дұрыс диагнозды қайтарды. Ұзын оқылымды геномдардың 15 жағдайлық жиынында ол әр жағдайда дұрыс генді және 12 жағдайда ауру тудыратын екі аллельді де атады. Бұл бағалаулар көмексөзді әзірлеуге көмектесті және сарапшы қарауы қай жерде әлі де маңызды екенін көрсетті.

Модель өзі хабарлаған сенімділік ұпайлары бұрын шешілген осы жағдайларда дұрыс диагноздармен сәйкес келді: орташа ең төменгі ұпай тұрақты дұрыс анықтаулар үшін 85.6, ал қате немесе белгісіз анықтаулар үшін 42.1 болды. Бұл ұпайлар калибрленген ықтималдықтар емес еді және команда оларды дәлелдердің немесе клиникалық төреліктің орнына қолданған жоқ. Бірақ олар сарапшы рецензенттерді ең үмітті кандидат диагноздарға назар аударуға бағыттауда пайдалы болды. 

Содан кейін команда жұмыс барысын бұрын шешілмеген жағдайлардың төрт тобына қолданды: нейродаму жағдайлары бар балалар, сирек нейробұлшықет ауруы бар адамдар, ерте психозы бар балалар мен жасөспірімдер және педиатриядағы кенет күтпеген өлім жағдайлары. Бұлар алғашқы қарауды күтіп тұрған жаңа жағдайлар емес еді. Көбі бұған дейін бірнеше коммерциялық немесе институционалдық конвейер арқылы тексеріліп, мультидисциплинарлық командаларда талқыланған болатын.

Модель кандидаттарды көрсетіп, сарапшылар қарауды және клиникалық растауды аяқтағаннан кейін дәрігерлер жағдайлардың 4.8%-ында диагноз қойды. Бұл көрсеткіш қарапайым болғанымен, осы популяция үшін маңызды, өйткені алдыңғы сарапшы қараулары жағдайларды шеше алмаған. Ұқсас қайта талдау зерттеулері мұқият қаралған жағдайларда бір таңбалы өсімдер туралы хабарлайды; жоғарырақ нәтижелілік әдетте жаңа жағдайлары немесе генетикалық растауды күтіп тұрған жақсы белгілі бұзылыстары бар зерттеулерде байқалады.

18 диагноздың 7-еуі қайта табылған диагноздар болды: олар жергілікті зерттеу жұмыс барысынан тыс қойылған, бірақ команда қараған жазбада болмаған. Бірнеше жағдайда варианттар қоғамдық дерекқорларда патогенді немесе ықтимал патогенді ретінде бұрыннан көрсетілген, бұл дереккөздер бойынша ақпаратты біріктірудің операциялық қиындығын айқындайды.

Ерте психозға қатысты бір жағдайда модель кіріс деректерінде көрсетілмеген геномдағы құрылымдық оқиғаны болжады. Ол 22-хромосомадағы сапасы төмен анықтаулар тізбегін баланың жүрек, иммундық, нейродаму және психиатриялық белгілерімен байланыстырып, кейін Ди Джордж синдромымен байланысты 22q11.2 делециясы болуы мүмкін деген гипотеза ұсынды. Бұл болжанған вариант кейінгі геномдық секвенирлеу арқылы расталды.

Көмексөз бір моногенді себепті сұрағанымен, модель кейде күрделі клиникалық көріністі жақсырақ түсіндіретін екі генді көрсетті. Бір жағдайда LAMA2 және FOXP1 варианттары бірге бұлшықет пен нейродаму белгілерін түсіндіруге көмектесті; басқа жағдайда TTN және SRPK3 қатысқан, бұрын танылмаған дигенді түсіндірме болды.

Диагноздармен қатар, модель витилиго деп аталатын жағдайдың ықтимал жаңа механистік түсіндірмесін де анықтады. Бір нейродаму жағдайында модель витилигосы бар адамдағы S1PR1 геніндегі 11 аминқышқылдық делецияны атап көрсетті. S1PR1 сигнал беру, иммундық жасушалардың қозғалысы және тін биологиясына қатысатын жасуша беті рецепторын кодтайды. Модель делеция рецептор құрылымы мен сигнал беруін пигмент түзілуін азайтатындай, сонымен қатар иммундық жасушалардың теріде сақталуына көмектесетіндей өзгертуі мүмкін екенін көрсететін дәлелдерді біріктірді.

Ұсынылған S1PR1-витилиго байланысы қосымша эксперименттік растауды қажет етеді, бірақ ол құрылымдық биология, иммунология және клиникалық генетикадағы шашыраңқы нәтижелерді нақты, тексерілетін гипотезаларға айналдыруда ЖИ атқара алатын қуатты рөлді көрсетеді.

Команда нейробұлшықет когортасында фенотиптің кеңеюі мүмкін екенін де байқады. HSPB8 және CDK13 гендеріндегі зақымдаушы варианттар бұл гендердің ең белгілі бұзылыстарына толық сәйкес келмеді, бұл кеңірек клиникалық спектр болуы мүмкін екенін және оны тексеру үшін көбірек жағдай мен зертханалық жұмыс қажет болатынын аңғартады.

Бұл зерттеу жалпы мақсаттағы ойлайтын модель фенотипті, тұқымқуалауды, вариант аннотацияларын, дерек сапасы үлгілерін және ғылыми әдебиетті қарауға болатын гипотезаларға біріктіру арқылы ретроспективті геномдық қайта талдауға үлес қоса алатынын көрсетеді. Ол мерзімді қайта талдаудың неліктен маңызды екенін де көрсетеді: кейбір жауаптар білім ілгерілегеннен немесе үзік-үзік жазбалар біріктірілгеннен кейін ғана көрінеді.

Бұл зерттеу пациенттер, клиницистер немесе клиенттер ауруды диагностикалау не медициналық шешімдер қабылдау үшін OpenAI модельдерін қолдануы керек дегенге дәлел емес. Онда OpenAI o3 Deep Research, ChatGPT немесе OpenAI-дың кез келген басқа өнімін диагностикада клиенттік қолдану тәсілі сипатталмайды және мақұлданбайды. Модель ешбір қатысушыға диагноз қойған жоқ; әр диагнозды дәрігерлер мен басқа білікті клиникалық сарапшылар қалыптасқан қарау, тестілеу және клиникалық растау процестері арқылы қойды.

Зерттеу ретроспективті болды, когорталар әртекті болды, ал модель сенімділігі туралы ақпарат рецензенттерден жасырылмады. Зерттеушілер үнемделген уақытты, құнды, клиницист еңбегін, жалған оң нәтижелер жүктемесін немесе күтімдегі өзгерістерді өлшеген жоқ. Сондай-ақ олар құрылымдық варианттар, қайталану кеңеюлері, терең интрондық өзгерістер немесе мозаицизм сияқты генетикалық өзгергіштіктің басқа түрлерін жүйелі түрде бағаламады.

Үлкен тілдік модельдер контексті қате түсінуі немесе мұқият тексергенде жарамсыз болып шығатын сенімді көрінетін түсіндірмелер ұсынуы мүмкін. Сондықтан әр нәтиже адам төрелігі мен клиникалық растаудан өтті. Модель іздеу аясын кеңейтіп, кейінгі адам басқаратын талдауды шоғырландырды; ол отбасына қандай ақпарат немесе диагноз қайтарылуы керек екенін шешкен жоқ.

Бұл зерттеуде дербестендірілмеген ақпарат қолданылды; қорғалатын денсаулық туралы ақпарат пайдаланылған жоқ және бекітілген орталардан тыс жіберілген жоқ. Кеңірек клиникалық енгізу барлық медициналық күтімге қолданылатын құпиялылыққа, қауіпсіздікке, аудит жүргізу мүмкіндігіне және жергілікті реттеуге дәл сондай назар аударуды қажет етеді. Модельге қолжетімділік секвенирлеу инфрақұрылымын, генетикалық кеңес беруді, растаушы тестілеуді немесе маман пайымын алмастырмайды.

Проспективті, көп орталықты зерттеулер LLM (үлкен тілдік модель) көмегімен қайта талдауды стандартты практикамен диагностикалық нәтижелілік, кандидатқа дейінгі уақыт, клиницист еңбегі, жалған оң нәтижелер жүктемесі, құн және күтімге әсері бойынша салыстыруы керек. Нұсқаланған көмексөздер, дереккөз тексерістері, аудит журналдары және калибрленген белгісіздік қайталанғыштық пен қауіпсіздік үшін маңызды болады. Мұндай зерттеулерде де дәлелдерді бағалау, тиісті тесттерге тапсырыс беру және кез келген диагноз не емдеу шешімін қабылдау үшін білікті клиницистер қажет болады.

Бұл зерттеуде OpenAI o3 Deep Research қолданылды. Жаңарақ жалпы мақсаттағы модельдер көбірек ғылыми материалды іздеп, синтездей алады, ал GPT‑Rosalind сияқты арнайы жасалған жүйелер өмір туралы ғылымдардағы тереңірек жұмысқа, соның ішінде варианттардың ақуыз құрылымы мен функциясына әсерін зерттеуге арналған. Бұл мүмкіндіктер мұнда тексерілген жоқ және олар үшін жеке бағалаулар мен қолжетімділікті бақылау қажет болады.

OpenAI осы бастапқы зерттеуге қолдау көрсеткенімен, жұмыстың келесі кезеңін OpenAI Foundation гранты арқылы Manton Center басқарады. Грант Орталықтың клиникалық командаларға сирек ауру жағдайларын жылдамырақ әрі бірізді талдауға көмектесетін, платформаға тәуелсіз, шығыны төмен генетикалық ЖИ-копилот әзірлеу жөніндегі кеңірек бастамасын қолдайды.

Ұзақ мерзімді зерттеу мүмкіндігі — сарапшылар басқаратын ЖИ көмегімен қайта талдау ғылыми түсініктің жаңалықтар қарқынына ілесуіне көмектесе ала ма, соны зерттеу. Уәде ЖИ дәрігер диагнозының орнын басады дегенде емес, мұқият бағаланған зерттеу құралдары мамандарға зерттеуге тұратын дәлелдерді анықтауға көмектесе алуында. Мыңдаған отбасы үшін бүгін жауапсыз қалған сұрақтар мәңгі жауапсыз қалуға тиіс емес.