AI 如何協助 Boston Children's Hospital 破解醫學謎團｜OpenAI Forum（第 2/3 段） ☕ Buy me a coffee

🧑‍🏫 波士頓兒童醫院的專家分享，他們怎麼用 OpenAI 的 AI 模型重新分析多年找不到病因的罕見基因疾病。這段先談一個診斷對家庭的意義，再具體說明 AI 在流程裡做什麼、怎麼測試，以及真的解開了哪些案子。看完能了解 AI 在醫療上是當「幫忙縮小範圍的助手」，而不是替代醫師。

• 13:41 有家人聽到診斷結果時的反應是「原來是這個原因」，診斷解釋了一切
  ↳ 對很多家庭來說，最難熬的是「不知道為什麼」。一個診斷能把多年來各種說不通的症狀串起來，家人終於明白問題出在哪。
• 13:41 意外發現例子：為孩子定序 DNA 時，發現一個遺傳自母親、與乳癌易感性相關的基因
  ↳ 定序 DNA 就是把人的基因密碼逐字讀出來。幫孩子讀的時候，意外看到媽媽傳下來、會提高乳癌風險的基因：原本沒在找，卻找到了。
• 13:41 身為護理師的母親恍然大悟：她的姊妹、母親、阿姨都得過乳癌，但她們原本不知道這是遺傳性的
  ↳ 家裡好幾位女性都得過乳癌，大家原本不知道這是遺傳的。這次才知道背後有遺傳原因，家族其他人也能因此提早注意、安排檢查。
• 14:11 目前只有一小群病人能因診斷得到特定治療；其他人則獲得病名、社群、未來資訊、預後，以及家庭計畫的可能
  ↳ 能直接「對症下藥」的病人目前還不多。但有了病名，家屬能找到同病的社群，知道預後（病情未來可能怎麼發展），想生小孩時也能先規劃。
• 14:41 Catherine 通常不見家屬，只有家屬主動要求時才會見面，這些場合總是很感性
  ↳ Catherine 是負責分析的專家，平常在幕後工作，不直接面對病人。會見面多半是家屬主動想親自道謝或了解狀況，所以每次都很感性。
• 15:11 家屬求診之路漫長又累人：一個醫師換過一個醫師、一個專科換過一個專科，不斷做檢查
  ↳ 罕見病家庭常跑遍各科、做了一堆檢查還是找不到答案，身心都被消耗。所以一個診斷對他們的份量特別重。
• 15:11 Mayo Clinic 案例：一種傳了三代的疾病終於找出原因，並把結果分享給整個家族
  ↳ Mayo Clinic 是美國知名的醫療機構。這個家族祖孫三代都有同一種病，終於找到原因，結果分享給全家族，每個人都能知道自己的風險。
• 15:42 一位 91 歲的家族成員說：「終於，我們懂發生什麼事了。」
  ↳ 對一位 91 歲、看著家人一代代生病的長輩來說，「終於懂了」本身就是很大的安慰，就算不一定能治。
• 15:42 每解開一個案例，Catherine 也會因為其他案例還沒解開而感到挫折，這驅使她回去繼續工作
  ↳ 解開一個案子的高興，很快就被「還有很多人在等」的感覺蓋過。這份挫折感，就是她一直回去工作的動力。
• 16:15 團隊在研究流程中使用 OpenAI o3-mini：先測已確診、答案已知的案例，再用在未解的案例上
  ↳ o3-mini 是 OpenAI 的一款推理型 AI 模型。團隊先拿答案已知的案例考它，確認它夠可靠，才拿去處理真正還沒解開的案例。
• 16:15 動機：專家逐一檢視可能致病的基因變異非常費力，團隊想知道能否加快這個過程
  ↳ 一個病人可能有上千個基因變化要看，專家得一個個查資料判斷，非常耗時。團隊想試試 AI 能不能幫忙省下這段功夫。
• 16:45 構想：讓 AI 模型搜尋文獻、提出假設，再把清單交給人類排序優先順序
  ↳ 分工是這樣：AI 負責大量翻資料，提出「可能是這幾個基因」；人負責判斷哪個最值得先查。AI 當助手，決定由人來做。
• 16:45 團隊先請 Alan 與 Catherine 定義：模型該收到什麼 query、要達成什麼、分析基因與症狀時要避免哪些錯誤、該用哪些最佳做法
  ↳ query 就是送給模型的指令。團隊先請兩位專家把「要給它什麼資料、要它做到什麼、哪些錯別犯、該照什麼標準做」寫清楚。
• 17:16 目標是產出有證據、有說服力的清單，列出支持該基因的證據與文獻，而不是像 black box 一樣直接指定致病基因
  ↳ black box（黑盒子）指只丟出結論、看不到理由的系統。團隊要每個候選基因都附上證據和文獻，專家才能檢查它為什麼這樣判斷。
• 17:16 團隊不讓模型自行下結論，而是請專家審查它產生的假設清單，判斷是否合理
  ↳ 模型只提出假設，不下結論。合不合理由專家判斷，這樣就算模型出錯，也有人把關。
• 17:47 專家審查的結果可以作為進一步檢測的起點，最後再決定能否把結果帶回給病人
  ↳ 專家覺得可信的假設，還要再做檢測確認，站得住腳才會告訴病人。AI 的建議只是起點，不是最後答案。
• 18:17 可能致病的突變與變異很多，重點是把清單縮短，讓人能集中注意力在最有希望的選項
  ↳ 可疑的基因變化太多，人看不完。AI 的價值在於把名單砍短，讓專家把力氣集中在最有機會的幾個。
• 18:47 選擇這些困難案例的原因：人工解不開，而且累積了 10–15 年的資料，當時是用當年的知識分析，沒有得出診斷
  ↳ 這些案子累積了 10–15 年的資料，當年用當時的知識分析仍找不到原因，是真正的硬骨頭，最能看出 AI 到底有沒有幫助。
• 18:47 致病基因的新發現不斷出現，因此可以帶著新資訊回頭重新檢視舊案例
  ↳ 醫學界不斷發現「哪個基因會造成哪種病」。所以當年解不開的案子，拿今天的知識重看，可能就有答案了。
• 19:19 輸入資料：人類基因體有 30 億個 base pairs，最後形成約 50 萬列的資料集，每一列是一個基因變化
  ↳ base pairs（鹼基對）是組成 DNA 的基本單位，像密碼裡的一個個字母。人有 30 億個，整理後剩約 50 萬列，每列是一個 genetic variant（基因變化）。
• 19:19 每個基因變化約有 20–30 欄資訊，例如在一般族群中的常見程度、可能影響哪個基因、影響的性質、是否可能有害
  ↳ 每個變化都附一整排資料，例如一般人身上常不常見、落在哪個基因、改變了什麼、會不會有害，像一張很寬的試算表。
• 19:49 人類分析師通常第一步是過濾掉族群中常見的變化，但仍會剩下幾千到 1 萬個變異，影響約 500 到 1,000 個基因
  ↳ 常見的變化多半無害，所以分析師會先刪掉。但刪完還剩幾千到一萬個，牽涉 500 到 1,000 個基因，人工逐一查還是很吃力。
• 20:19 每位專家只熟悉一小部分基因，沒人熟悉全部約 8,000 個已知致病基因，但 LLM 擁有這些資訊
  ↳ 已知致病基因約 8,000 個，每位專家只熟其中一部分。LLM（大型語言模型，就是 ChatGPT 背後那類 AI）讀過大量資料，涵蓋範圍比單一專家廣。
• 20:19 送出的請求會附上病人的 metadata，通常是描述 phenotype 的數字 ontology codes，例如「無力」、「腳踝無力導致的垂足」各有代碼
  ↳ metadata 是隨請求附上的病人背景資料。phenotype 指病人的臨床樣貌。ontology codes 是把症狀標準化的數字代碼，例如「無力」和「垂足」各有編號。
• 20:49 這組代碼描述病人的臨床樣貌；query 請 LLM 依既有知識，把臨床表現與特定基因變化做配對
  ↳ 這組代碼合起來，就是病人的症狀輪廓。指令請 LLM 用它已知的醫學知識，找出哪個基因變化最可能對得上這些症狀。
• 21:19 模型報告通常提出 2 到 6 個可能的變化，也可能都不是正確答案；它不能取代診斷專家
  ↳ 模型通常給 2 到 6 個候選，但也可能全部猜錯。它是幫忙縮小範圍的工具，不能取代專家做診斷。
• 21:19 但這大幅減少分析師需要考慮的資訊量，縮小了搜尋範圍
  ↳ 從幾千個變化縮到幾個，分析師要看的量大減。就算答案不在名單裡，也先幫他們縮小了搜尋範圍。
• 21:49 先用已知案例測試，是為了調整該如何告訴模型要避免哪些錯誤
  ↳ 拿答案已知的案例測試，就能看出模型在哪裡出錯，再回頭修改指令，告訴它哪些錯要避開。
• 22:19 把已知案例交給模型、觀察答對頻率，並和 Alan、Catherine 一起找出模型常見的錯誤模式
  ↳ 做法像批改考卷：看模型答對幾題，再和兩位專家一起整理它常錯在哪裡，找出規律。
• 22:19 基因資料分析的技術難題連人類分析師都會遇到，模型也會犯類似的錯
  ↳ 基因資料本身就有很多容易誤判的地方，連有經驗的分析師都會遇到，所以模型犯同類錯誤不意外，需要特別提醒。
• 22:49 要提醒模型特定錯誤，例如 sequencing depth 必須夠高，變異才能算數，而不是 false positive
  ↳ sequencing depth（定序深度）指同一段 DNA 被重複讀了幾次。次數太少，看到的變化可能是 false positive（偽陽性：看起來有，其實沒有）。
• 22:49 流程調整後，正確率提升到 80–90%，團隊認為這時才值得花分析師的時間
  ↳ 調整之後，模型在已知案例上答對 80–90%。到這個程度，團隊才覺得值得讓分析師花時間看它的建議。
• 23:22 研究共 376 個案例，找到 18 個新的或意外的診斷
  ↳ 研究一共看了 376 個原本懸而未決的案例，其中 18 個得到新的或意外的診斷。
• 23:55 有些很單純：是已知的 pathogenic variant，只是當初收案時，這個基因和 phenotype 的關聯還沒被發現
  ↳ pathogenic variant 指已知會致病的基因變化。有些案子其實不難，只是收案時醫學界還不知道這個基因和這種症狀有關，現在知道了就解開了。
• 24:28 在這 18 個之外，模型也會依據文獻和看到的變異類型，提出基因與 phenotype 之間的關聯
  ↳ 除了這 18 個，模型還會根據文獻和變異類型，提出「某基因可能和某症狀有關」的新想法，讓研究人員進一步驗證。
• 24:28 舊案例（大約是第 151 號）症狀為白斑症、大血管轉位、肺動脈高壓，團隊看過好幾次都解不開；目前總共約 3,100 個案例
  ↳ 第 151 號左右的老案子（目前總共約 3,100 案），病人有白斑症（皮膚部分失去色素）、大血管轉位（心臟兩條大血管接反）和肺動脈高壓，團隊看過幾次都解不開。
• 24:58 模型提出 S1PR1；Catherine 起初不認同，後來查到約 26 年前的一篇文章，指出 S1PR1 應被認真考慮為白斑症的病因
  ↳ S1PR1 是一個基因的名稱。專家一開始不認同，後來查到約 26 年前的文章，主張它該被認真當成白斑症的病因。模型挖出了人沒注意到的舊知識。
• 25:28 已有數篇文章把相關 pathway 連結起來，而 S1PR1 在其中牽涉頗深
  ↳ pathway 指細胞裡一連串分子接力運作的路線。已有好幾篇文章把相關路線串起來，S1PR1 在其中牽涉很深，讓這個猜測更站得住。
• 25:28 Google 搜尋後發現，1988 年 clone 出 S1PR1 的人就在隔壁大樓的 Boston Children's Hospital 工作
  ↳ clone 一個基因，是指第一次把它找出來、分離並確定序列。團隊上網一查，發現 1988 年做這件事的人，就在隔壁大樓的同一家醫院工作。
• 25:58 寫信詢問後，對方邀他們下午 4 點過去，現在雙方正進一步研究
  ↳ 團隊寫信過去，對方直接請他們下午 4 點過去，現在雙方一起往下研究。AI 的一個提示，最後促成了兩組研究者的合作。
• 25:58 時間無限的話，人類研究者也能找到答案，但模型做得很快；人在 PubMed 上看文章會疲累
  ↳ PubMed 是美國的醫學文獻搜尋資料庫。人讀文章會累、會漏看；時間無限的話人也找得到答案，但模型快得多，這就是它的價值。

根據字幕，這項研究共分析了幾個案例，並找到幾個新的或意外的診斷？