Kutumia AI kuwasaidia madaktari kutambua magonjwa nadra ya kijeni kwa watoto

Hata kwa upangaji mfuatano wa jenomu, watu wengi wenye magonjwa nadra hawapati utambuzi wazi wa kijeni. Takriban nusu hubaki bila utambuzi baada ya vipimo vingi na mapitio ya wataalamu. Data zao za matibabu zinaweza kuwa na vidokezo, lakini kuzipata kunaweza kuhitaji kuchuja maelfu hadi mamilioni ya tofauti za kijeni zinazowezekana, rekodi za kliniki zilizotawanyika, na fasihi ya kisayansi inayobadilika haraka.

Kadiri mahusiano mapya ya jeni na magonjwa, ripoti za kesi, na ushahidi wa uainishaji vinavyoongezeka, kesi zisizotatuliwa zinaweza kueleweka upya.

Watafiti kutoka Manton Center for Orphan Disease Research ya Boston Children’s Hospital, Harvard University, na OpenAI walitumia muundo wa uwazaji wa OpenAI o3 Utafiti wa Kina kuchanganua taarifa za kliniki na jenomu zisizotambulisha watu kutoka kesi 376 zilizokuwa zimechanganuliwa awali lakini hazikutatuliwa. Muundo uliibua maelezo tarajiwa yaliyohusishwa na ushahidi ili watafiti na matabibu wayapitie. Baada ya mapitio ya wataalamu, vipimo vya ziada, na uthibitisho wa kliniki, madaktari walithibitisha utambuzi katika kesi 18—ongezeko la 4.8% baada ya uchanganuzi wa awali wa wataalamu. Utafiti huu ulichapishwa tarehe 18 Juni 2026 katika NEJM AI na unaonyesha jinsi mtiririko wa utafiti unaosaidiwa na AI unaweza kusaidia wataalamu kupata vidokezo wanaporejelea baadhi ya kesi ngumu zaidi.

Kesi nyingi kati ya hizi zilikuwa zimekwepa uchanganuzi wa wataalamu kwa miaka mingi. Katika utafiti huu, OpenAI o3 Utafiti wa Kina iliwasaidia watafiti kubaini vidokezo vilivyotathminiwa baadaye kupitia taratibu zilizowekwa za kliniki, ikidokeza kuwa uchanganuzi upya wa mara kwa mara unaoongozwa na wataalamu unaweza kuongezeka kadiri maarifa yanavyoendelea. Muundo haukumtambua mgonjwa yeyote wala kufanya uamuzi wowote wa kliniki. Ulitoa dhana zilizohusishwa na ushahidi ili wataalamu wazipitie na, inapofaa, wazichunguze kwa vipimo vya ziada na kuzithibitisha katika maabara ya kliniki.

Kipimo cha kijeni kisichotoa hitimisho si lazima kiwe matokeo ya kudumu. Maelezo ya fenotipu ya mgonjwa, matokeo ya vipimo, na historia ya familia yanaweza kugawanyika katika hifadhidata zinazotumia vitambulishi, miundo na misamiati tofauti. Kuunganisha rekodi hizo ni vigumu, kwa hiyo hata wataalamu wanaweza kukosa utambuzi. Wataalamu pia wanaweza kupanga mfuatano wa jenomu ya mtoto kabla jeni husika au tofauti zake hazijahusishwa na ugonjwa. Maarifa ya kisayansi yanapoendelea, data ileile inaweza kufichua majibu ambayo hapo awali hayangeweza kupatikana.

Uchanganuzi upya wa magonjwa nadra ni changamoto ya kisayansi na ya utunzaji wa taarifa. Jenomu ya mgonjwa inaweza kubaki ileile, lakini ushahidi unaoizunguka hubadilika: watafiti huunganisha jeni na tofauti mpya na magonjwa, maabara huainisha upya tofauti za zamani, na hifadhidata za kesi na machapisho huongeza uchunguzi mpya. Kila sasisho linaweza kufanya kesi ya zamani isiyo na hitimisho istahili kurejelewa, hivyo taasisi nyingi hurithi mlundikano unaokua wa jenomu zinazopaswa kusawazishwa na msingi wa maarifa unaosonga.

Katika utafiti huu, watafiti walibuni mtiririko ili muundo ufanye kazi kama safu ya kwanza ya uwazaji wa maelezo juu ya michakato iliyopo ya jenomu. Badala ya kurudisha tu jeni lililoorodheshwa kwa kipaumbele, uliombwa kuunganisha sifa za kliniki, muundo wa urithi, ushahidi wa tofauti ya kijeni, na fasihi ya kisayansi kuwa hoja ambayo mkaguzi binadamu angeweza kuichunguza. 

Kwa kila kesi, timu iliandaa kifurushi kisichomtambulisha mgonjwa chenye istilahi sanifu za Human Phenotype Ontology kueleza hali ya kliniki ya mgonjwa, noti za daktari za hapa na pale na utambuzi wowote wa kliniki wa kimaelezo, metadata kama umri na jinsia, na jedwali lililochujwa la tofauti za kijeni. Jedwali lilinasa unadra wa kila tofauti ya kijeni, athari yake iliyotabiriwa kwa protini iliyosimbwa, uainishaji wa ClinVar, na ubora wa ishara kwa wanafamilia waliopatikana. Kesi nyingi zilijumuisha data kutoka kwa mtoto na wazazi wake wote wa kibayolojia.

Timu iliomba muundo upendekeze maelezo ya kimolekuli yanayoaminika zaidi na uonyeshe msingi wa hoja zake. Kisha watafiti walipitia matokeo kwa kutumia mfumo uleule wa ACMG/AMP ambao maabara za kliniki hutumia kuainisha tofauti za kijeni. Angalau wanatimu wawili walipitia kila pendekezo, tofauti za maoni zikamalizwa kwa makubaliano, na matokeo ya muundo hayakuwahi kuchukuliwa kama utambuzi. Ugunduzi ulihesabiwa kuwa utambuzi tu baada ya wataalamu wenye sifa kupitia ushahidi, tofauti ya kijeni kuainishwa kuwa ya kisababishi au huenda ya kisababishi, maabara iliyoidhinishwa na CLIA kuithibitisha, na timu ya kliniki kurudisha matokeo kwa familia.

Kabla ya kuchanganua kesi zisizotatuliwa, timu iliboresha mtiririko kwa kutumia kesi zenye utambuzi uliothibitishwa. Katika marudio mawili, ilipata jeni na tofauti sahihi katika kesi 48 kati ya 51 zilizojumuisha aina mbalimbali za magonjwa nadra. Katika kundi la kesi 57 za neva na misuli, mtiririko ulirudisha utambuzi sahihi katika marudio mawili kwa kesi 45. Katika seti ya jenomu 15 zilizosomwa kwa usomaji mrefu, ulitaja jeni sahihi katika kila kesi na aleli zote mbili zinazosababisha ugonjwa katika kesi 12. Tathmini hizi zilisaidia kuboresha dokeza na kuonyesha pale ambapo mapitio ya wataalamu yaliendelea kuwa muhimu.

Alama za kujiamini zilizoripotiwa na muundo ziliendana na utambuzi sahihi katika kesi hizi zilizokuwa zimetatuliwa: wastani wa alama ya chini kabisa ulikuwa 85.6 kwa matokeo yaliyokuwa sahihi kila mara na 42.1 kwa matokeo yasiyo sahihi au yasiyojulikana. Alama hizo hazikuwa uwezekano uliokalibishwa, na timu haikuzitumia badala ya ushahidi au uamuzi wa kliniki. Lakini zilisaidia kuwaongoza wakaguzi wataalamu kuzingatia utambuzi tarajiwa wenye matumaini zaidi. 

Kisha timu ilitumia mtiririko huo kwa makundi manne ya kesi ambazo hazikuwa zimetatuliwa awali: watoto wenye hali za ukuaji wa neva, watu wenye ugonjwa nadra wa neva na misuli, watoto na vijana balehe wenye saikosi ya mapema, na kesi za kifo cha ghafla kisichotarajiwa kwa watoto. Hizi hazikuwa kesi mpya zilizokuwa zikisubiri mapitio ya kwanza. Nyingi tayari zilikuwa zimechunguzwa na michakato kadhaa ya kibiashara au ya taasisi na kujadiliwa na timu za taaluma nyingi.

Baada ya muundo kuibua mapendekezo na wataalamu kukamilisha mapitio na uthibitisho wa kliniki, madaktari walithibitisha utambuzi katika 4.8% ya kesi. Kiwango hicho ni cha wastani lakini kina maana kwa kundi hili kwa sababu mapitio ya awali ya wataalamu hayakuwa yametatua kesi hizo. Tafiti kama hizi za uchanganuzi upya huripoti ongezeko la tarakimu moja katika kesi zilizopitiwa sana; viwango vya juu zaidi kwa kawaida hutokana na tafiti zenye kesi mpya au maradhi yanayojulikana vyema yanayosubiri uthibitisho wa kijeni.

Kati ya utambuzi 18, 7 zilikuwa ugunduzi upya: utambuzi uliowekwa nje ya mtiririko wa utafiti wa eneo husika lakini haukuwepo kwenye rekodi ambayo timu ilipitia. Katika kesi kadhaa, tofauti za kijeni tayari zilikuwa zimeorodheshwa kuwa za kisababishi au huenda za kisababishi katika hifadhidata za umma, jambo linaloonyesha changamoto ya kiutendaji ya kuunganisha taarifa kutoka vyanzo mbalimbali vya data.

Katika kisa kimoja cha saikosi ya mapema, muundo ulibaini tukio la kimuundo katika jenomu ambalo halikuorodheshwa kwenye data ya ingizo. Uliunganisha mfululizo wa matokeo ya ubora duni kwenye kromosomu 22 na sifa za moyo, kinga, ukuaji wa neva na afya ya akili za mtoto, kisha ukapendekeza ufutaji wa 22q11.2 unaohusishwa na sindromu ya DiGeorge. Tofauti hiyo ya kijeni iliyodhaniwa ilithibitishwa kwa upangaji mfuatano wa jenomu uliofuata.

Ingawa dokeza liliomba sababu moja ya jeni moja, muundo wakati mwingine uliibua jeni mbili zilizoeleza vizuri zaidi hali tata. Tofauti za kijeni katika LAMA2 na FOXP1 kwa pamoja zilisaidia kueleza sifa za misuli na ukuaji wa neva katika kisa kimoja; kingine kilikuwa na maelezo ya jeni mbili yaliyokuwa hayajatambuliwa awali, yakihusisha TTN na SRPK3.

Mbali na utambuzi, muundo pia ulibaini maelezo mapya ya kimitambo yanayowezekana kwa hali iitwayo vitiligo. Katika kisa kimoja cha ukuaji wa neva, muundo uliangazia ufutaji wa asidi amino 11 katika S1PR1 kwa mtu mwenye vitiligo. S1PR1 husimba kipokezi cha uso wa seli kinachohusika katika utoaji ishara, mwendo wa seli za kinga, na biolojia ya tishu. Muundo uliunganisha ushahidi unaodokeza kuwa ufutaji huo unaweza kubadilisha muundo wa kipokezi na utoaji ishara kwa njia zinazopunguza uzalishaji wa rangi huku pia zikisaidia seli za kinga kudumu kwenye ngozi.

Uhusiano uliopendekezwa wa S1PR1-vitiligo unahitaji uthibitishaji zaidi wa majaribio, lakini unaonyesha nafasi muhimu ya AI katika kutafsiri matokeo yaliyotawanyika kutoka biolojia ya miundo, kingamaradhi, na jenetiki ya kliniki kuwa dhana mahususi zinazoweza kujaribiwa.

Timu pia iliona uwezekano wa upanuzi wa fenotipu katika kundi la neva na misuli. Tofauti za kijeni hatari katika HSPB8 na CDK13 hazikulingana kikamilifu na maradhi yanayojulikana zaidi ya jeni hizo, zikidokeza wigo mpana wa kliniki ambao kesi zaidi na kazi ya maabara vitahitaji kuujaribu.

Utafiti huu unaonyesha kuwa muundo wa uwazaji wa matumizi ya jumla unaweza kuchangia uchanganuzi upya wa jenomu wa kurudi nyuma kwa kuunganisha fenotipu, urithi, maelezo ya tofauti za kijeni, mifumo ya ubora wa data, na fasihi ya kisayansi kuwa dhana zinazoweza kupitiwa. Pia unaonyesha kwa nini uchanganuzi upya wa mara kwa mara ni muhimu: baadhi ya majibu huibuka tu baada ya maarifa kusonga mbele au rekodi zilizotawanyika kuletwa pamoja.

Utafiti huu si ushahidi kwamba wagonjwa, matabibu, au wateja wanapaswa kutumia miundo ya OpenAI kutambua magonjwa au kufanya maamuzi ya matibabu. Hauelezi wala kupendekeza matumizi yaliyokusudiwa kwa wateja ya OpenAI o3 Utafiti wa Kina, ChatGPT, au bidhaa nyingine yoyote ya OpenAI kwa utambuzi. Muundo haukumtambua mshiriki yeyote; madaktari na wataalamu wengine wa kliniki wenye sifa walifanya kila utambuzi kupitia taratibu zilizowekwa za mapitio, vipimo, na uthibitisho wa kliniki.

Utafiti ulikuwa wa kurudi nyuma, makundi yalikuwa tofauti, na wakaguzi hawakufichwa kuhusu kujiamini kwa muundo. Watafiti hawakupima muda uliookolewa, gharama, juhudi za daktari, mzigo wa kazi wa matokeo chanya ya uongo, au mabadiliko katika huduma. Wala hawakutathmini kwa mpangilio aina nyingine za utofauti wa kijeni kama tofauti za kimuundo, upanuzi wa marudio, mabadiliko ya ndani sana ya introni, au mosaisizimu.

Miundo mikubwa ya lugha inaweza kusoma muktadha vibaya au kutoa maelezo yanayoonekana kuaminika lakini hushindwa yakichunguzwa kwa karibu. Kwa hiyo, kila matokeo yalipitia uamuzi wa binadamu na uthibitisho wa kliniki. Muundo ulipanua utafutaji na kuelekeza uchanganuzi uliofuata ulioongozwa na binadamu; haukuamua taarifa au utambuzi gani urudishwe kwa familia.

Utafiti huu ulitumia taarifa zisizotambulisha watu, bila taarifa yoyote ya afya iliyolindwa kutumiwa au kusambazwa nje ya mazingira yaliyoidhinishwa. Utekelezaji mpana wa kliniki utahitaji umakini uleule kwa faragha, usalama, ukaguzi, na kanuni za eneo husika unaotumika kwa huduma zote za matibabu. Ufikiaji wa muundo hauchukui nafasi ya miundombinu ya upangaji mfuatano, ushauri wa kijeni, vipimo vya uthibitisho, au uamuzi wa mtaalamu.

Tafiti za baadaye za vituo vingi zinapaswa kulinganisha uchanganuzi upya unaosaidiwa na LLM na utaratibu wa kawaida kwa kiwango cha utambuzi, muda wa kupata pendekezo, juhudi za daktari, mzigo wa matokeo chanya ya uongo, gharama, na athari kwa huduma. Dokeza zenye matoleo, ukaguzi wa marejeleo, kumbukumbu za ukaguzi, na kutokuwa na uhakika kulikokalibishwa vitakuwa muhimu kwa urudikaji na usalama. Tafiti kama hizo bado zingehitaji matabibu wenye sifa kutathmini ushahidi, kuagiza vipimo vinavyofaa, na kufanya uamuzi wowote wa utambuzi au matibabu.

Utafiti huu ulitumia OpenAI o3 Utafiti wa Kina. Miundo mipya ya matumizi ya jumla inaweza kutafuta na kuunganisha nyenzo zaidi za kisayansi, ilhali mifumo iliyojengwa kwa madhumuni maalum kama GPT‑Rosalind imeundwa kwa kazi za kina zaidi za sayansi ya maisha, ikijumuisha athari za tofauti za kijeni kwa muundo na utendaji wa protini. Uwezo huo haukujaribiwa hapa na utahitaji tathmini na vidhibiti vyake vya ufikiaji.

Ingawa OpenAI ilisaidia kuunga mkono utafiti huu wa awali, Manton Center itaongoza hatua inayofuata ya kazi kupitia ruzuku kutoka OpenAI Foundation. Ruzuku hiyo itaunga mkono juhudi pana za Kituo kuunda copilot ya AI ya kijeni isiyofungamana na jukwaa, ya gharama nafuu, inayosaidia timu za kliniki kuchanganua kesi za magonjwa nadra kwa haraka na kwa uthabiti zaidi.

Fursa ya utafiti ya muda mrefu ni kuchunguza kama uchanganuzi upya unaoongozwa na wataalamu na kusaidiwa na AI unaweza kusaidia uelewa wa kisayansi kwenda sambamba na uvumbuzi. Ahadi si kwamba AI inachukua nafasi ya utambuzi wa daktari, bali kwamba zana za utafiti zilizotathminiwa kwa makini zinaweza kusaidia wataalamu kubaini ushahidi unaostahili kuchunguzwa. Kwa maelfu ya familia, maswali ya leo yasiyo na majibu hayapaswi kubaki hivyo milele.