Tekoäly ratkaisi 18 vuosia selvittämätöntä harvinaista lastentautitapausta – NEJM AI -tutkimus avaa uuden aikakauden
NEJM AI lehdessä julkaistussa vertaisarvioidussa tutkimuksessa Bostonin lastensairaalan ja Harvardin tutkijat käyttivät OpenAI:n o3 Deep Research päättelymallia analysoidakseen 376 aiemmin ratkaisematonta lasten harvi... Laajemmin Boston Children’s Hospital on diagnosoinut tekoälyn avulla yli 40 harvinaista tautia,...
JulkaisijaMuokattu mallilla DeepSeek-V4-FlashKuvat luotu mallilla GPT Image 1.5
NEJM AI lehdessä julkaistussa vertaisarvioidussa tutkimuksessa Bostonin lastensairaalan ja Harvardin tutkijat käyttivät OpenAI:n o3 Deep Research päättelymallia analysoidakseen 376 aiemmin ratkaisematonta lasten harvi...
Laajemmin Boston Children’s Hospital on diagnosoinut tekoälyn avulla yli 40 harvinaista tautia, säästänyt 7 miljoonaa dollaria ja 60 000 työtuntia, ja kolmasosa henkilökunnasta käyttää tekoälyä päivittäisessä työssään.
Tulokset viittaavat siihen, että tekoälyavusteisesta genomisesta uudelleenanalyysistä voi tulla tavanomainen työkalu, joka lyhentää harvinaisten tautien diagnostista matkaa vuosista viikkoihin arviolta 300 miljoonalle...
What key findings and implications are associated with the peer-reviewed study published Wednesday in NEJM AI, in which researchers at BostoConceptual representation of AI-assisted genomic analysis used to identify rare pediatric genetic diseases that evaded years of expert review.
AI Prompt
Create a landscape editorial hero image for this Studio Global article: What key findings and implications are associated with the peer-reviewed study published Wednesday in NEJM AI, in which researchers at Bosto. Article summary: Here is a breakdown of the study, the broader hospital-wide AI initiative, and what this means globally.. Topic tags: general, general web, user generated, government, education. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an ill
openai.com
Harvinaista geneettistä sairautta sairastavan lapsen perheelle diagnoosin saaminen on usein vuosien, ei päivien, mittainen prosessi. Lukuisat erikoislääkärit, toistuvat testit ja loputtomat umpikujat muodostavat sen, mitä lääkärit kutsuvat ”diagnostiseksi odysseiaksi”.
Uusi vertaisarvioitu tutkimus, joka julkaistiin NEJM AI -lehdessä, tarjoaa toivoa nopeammasta tiestä. Bostonin lastensairaalan Manton Center for Orphan Disease Research -keskuksen, Harvardin yliopiston ja OpenAI:n tutkijat käyttivät o3 Deep Research -päättelymallia analysoidakseen uudelleen 376 potilastapausta, joille ei ollut saatu diagnoosia tavanomaisilla geneettisillä testeillä ja asiantuntija-arvioinneilla . Tuloksena syntyi 18 uutta varmistettua diagnoosia lapsille, joilla oli aiemmin ratkaisemattomia harvinaisia geneettisiä sairauksia .
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
What is the short answer to "Tekoäly ratkaisi 18 vuosia selvittämätöntä harvinaista lastentautitapausta – NEJM AI -tutkimus avaa uuden aikakauden"?
NEJM AI lehdessä julkaistussa vertaisarvioidussa tutkimuksessa Bostonin lastensairaalan ja Harvardin tutkijat käyttivät OpenAI:n o3 Deep Research päättelymallia analysoidakseen 376 aiemmin ratkaisematonta lasten harvi...
What are the key points to validate first?
NEJM AI lehdessä julkaistussa vertaisarvioidussa tutkimuksessa Bostonin lastensairaalan ja Harvardin tutkijat käyttivät OpenAI:n o3 Deep Research päättelymallia analysoidakseen 376 aiemmin ratkaisematonta lasten harvi... Laajemmin Boston Children’s Hospital on diagnosoinut tekoälyn avulla yli 40 harvinaista tautia, säästänyt 7 miljoonaa dollaria ja 60 000 työtuntia, ja kolmasosa henkilökunnasta käyttää tekoälyä päivittäisessä työssään.
What should I do next in practice?
Tulokset viittaavat siihen, että tekoälyavusteisesta genomisesta uudelleenanalyysistä voi tulla tavanomainen työkalu, joka lyhentää harvinaisten tautien diagnostista matkaa vuosista viikkoihin arviolta 300 miljoonalle...
Tekoäly ratkaisi 18 vuosia selvittämätöntä harvinaista lastentautitapausta – NEJM AI -tutkimus avaa uuden aikakauden
NEJM AI lehdessä julkaistussa vertaisarvioidussa tutkimuksessa Bostonin lastensairaalan ja Harvardin tutkijat käyttivät OpenAI:n o3 Deep Research päättelymallia analysoidakseen 376 aiemmin ratkaisematonta lasten harvi... Laajemmin Boston Children’s Hospital on diagnosoinut tekoälyn avulla yli 40 harvinaista tautia,...
JulkaisijaMuokattu mallilla DeepSeek-V4-FlashKuvat luotu mallilla GPT Image 1.5
NEJM AI lehdessä julkaistussa vertaisarvioidussa tutkimuksessa Bostonin lastensairaalan ja Harvardin tutkijat käyttivät OpenAI:n o3 Deep Research päättelymallia analysoidakseen 376 aiemmin ratkaisematonta lasten harvi...
Laajemmin Boston Children’s Hospital on diagnosoinut tekoälyn avulla yli 40 harvinaista tautia, säästänyt 7 miljoonaa dollaria ja 60 000 työtuntia, ja kolmasosa henkilökunnasta käyttää tekoälyä päivittäisessä työssään.
Tulokset viittaavat siihen, että tekoälyavusteisesta genomisesta uudelleenanalyysistä voi tulla tavanomainen työkalu, joka lyhentää harvinaisten tautien diagnostista matkaa vuosista viikkoihin arviolta 300 miljoonalle...
What key findings and implications are associated with the peer-reviewed study published Wednesday in NEJM AI, in which researchers at BostoConceptual representation of AI-assisted genomic analysis used to identify rare pediatric genetic diseases that evaded years of expert review.
AI Prompt
Create a landscape editorial hero image for this Studio Global article: What key findings and implications are associated with the peer-reviewed study published Wednesday in NEJM AI, in which researchers at Bosto. Article summary: Here is a breakdown of the study, the broader hospital-wide AI initiative, and what this means globally.. Topic tags: general, general web, user generated, government, education. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an ill
openai.com
Harvinaista geneettistä sairautta sairastavan lapsen perheelle diagnoosin saaminen on usein vuosien, ei päivien, mittainen prosessi. Lukuisat erikoislääkärit, toistuvat testit ja loputtomat umpikujat muodostavat sen, mitä lääkärit kutsuvat ”diagnostiseksi odysseiaksi”.
Uusi vertaisarvioitu tutkimus, joka julkaistiin NEJM AI -lehdessä, tarjoaa toivoa nopeammasta tiestä. Bostonin lastensairaalan Manton Center for Orphan Disease Research -keskuksen, Harvardin yliopiston ja OpenAI:n tutkijat käyttivät o3 Deep Research -päättelymallia analysoidakseen uudelleen 376 potilastapausta, joille ei ollut saatu diagnoosia tavanomaisilla geneettisillä testeillä ja asiantuntija-arvioinneilla . Tuloksena syntyi 18 uutta varmistettua diagnoosia lapsille, joilla oli aiemmin ratkaisemattomia harvinaisia geneettisiä sairauksia .
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
What is the short answer to "Tekoäly ratkaisi 18 vuosia selvittämätöntä harvinaista lastentautitapausta – NEJM AI -tutkimus avaa uuden aikakauden"?
NEJM AI lehdessä julkaistussa vertaisarvioidussa tutkimuksessa Bostonin lastensairaalan ja Harvardin tutkijat käyttivät OpenAI:n o3 Deep Research päättelymallia analysoidakseen 376 aiemmin ratkaisematonta lasten harvi...
What are the key points to validate first?
NEJM AI lehdessä julkaistussa vertaisarvioidussa tutkimuksessa Bostonin lastensairaalan ja Harvardin tutkijat käyttivät OpenAI:n o3 Deep Research päättelymallia analysoidakseen 376 aiemmin ratkaisematonta lasten harvi... Laajemmin Boston Children’s Hospital on diagnosoinut tekoälyn avulla yli 40 harvinaista tautia, säästänyt 7 miljoonaa dollaria ja 60 000 työtuntia, ja kolmasosa henkilökunnasta käyttää tekoälyä päivittäisessä työssään.
What should I do next in practice?
Tulokset viittaavat siihen, että tekoälyavusteisesta genomisesta uudelleenanalyysistä voi tulla tavanomainen työkalu, joka lyhentää harvinaisten tautien diagnostista matkaa vuosista viikkoihin arviolta 300 miljoonalle...
Harvinaisten tautien diagnosointi on äärimmäisen vaikeaa. Genomisekvensointi voi paljastaa miljoonia geneettisiä variantteja, ja tieto näistä varianteista muuttuu jatkuvasti . Perinteinen työnkulku – jossa ihminen käy manuaalisesti läpi mahdollisia variantteja viimeisimmän kirjallisuuden valossa – on hidasta, vaivalloista ja rajallista yhden ihmisen työmuistin kapasiteetin takia.
Tämän ongelman ratkaisemiseksi tutkimusryhmä syötti 376 potilastapausta OpenAI:n o3 Deep Research -malliin. Tekoälyn tehtävänä oli yhdistää kliiniset piirteet, periytymismallit, varianttitodisteet ja uusin tieteellinen kirjallisuus näyttöön perustuviksi selitysehdotuksiksi. Jokainen mallin ehdottama johtolanka kävi läpi ihmisen suorittaman arvioinnin: asiantuntija-analyysin, lisätestauksen ja kliinisen vahvistuksen .
Löydetyt sairaudet kattoivat neurrokehityshäiriöitä, harvinaisia hermolihassairauksia, äkillisiä odottamattomia kuolemia lastenlääketieteessä ja varhain alkavaa psykoosia . Monet näistä tapauksista olivat vuosia vältelleet asiantuntija-analyysiä.
”Lähes 5 prosentin uusien diagnoosien määrä ei ehkä kuulosta suurelta”, myönsi innovaatiojohtaja John Brownstein NBC Newsille, ”mutta kun ottaa huomioon aiemman analyysin tiheyden ja käytetyn asiantuntemuksen, se on itse asiassa varsin merkittävää” .
Tutkimusta laajemmin: tekoäly Boston Children’s Hospitalin ydininfrastruktuurina
Tämä NEJM AI -tutkimus ei ole irrallinen koe. Se on osa paljon laajempaa, koko sairaalan kattavaa tekoälymuutosta Boston Children’s Hospitalissa, jota laitos kuvaa tekoälyn kohteluksi ”ydininfrastruktuurina” .
Keskeisiä tuloksia laajemmasta yhteistyöstä OpenAI:n kanssa:
Yli 40 harvinaista tautia on diagnosoitu, jotka olivat aiemmin jääneet ratkaisematta .
7 miljoonan dollarin kustannussäästöt ja 60 000 työtunnin säästö kliinisissä, tutkimus- ja operatiivisissa tiimeissä .
Yli kolmannes työntekijöistä käyttää nyt tekoälytyökaluja päivittäisissä työnkuluissaan, kuten turvallista sisäistä ChatGPT-ympäristöä tutkimuksessa, kliinisessä hoidossa ja operatiivisilla alueilla, kuten toimitusketjussa ja leikkausten ajanvarauksessa .
Sairaala raportoi, että tekoäly on vähentänyt hallinnollista taakkaa, leikannut kustannuksia, laajentanut kliinistä kapasiteettia ja mahdollistanut sellaisten diagnostisten tapausten ratkaisemisen, joita pidettiin aiemmin mahdottomina .
OpenAI:n 50 miljoonan dollarin sitoumus
50 miljoonan dollarin luku, joka usein esiintyy tämän uutisen yhteydessä, koostuu kahdesta osasta.
Ensinnäkin maaliskuussa 2025 OpenAI käynnisti NextGenAI-konsortion, johon kuuluu 15 tutkimuslaitosta (mukaan lukien Harvard) ja jolle myönnettiin 50 miljoonaa dollaria tutkimusapurahoihin, laskentatehoon ja API-resursseihin . Boston Children’s Hospital on ollut suora edunsaaja. Innovaatiojohtaja John Brownstein kiitti julkisesti 50 miljoonan dollarin sitoumusta harvinaisten tautien tekoälytyön edistämisestä maaliskuun 2025 LinkedIn-päivityksessään .
Toiseksi, OpenAI Foundation sitoutui alkuvuodesta 2026 lisäämään 50 miljoonaa dollaria People-First AI Fund -rahastoonsa, osana laajempaa sitoumusta sijoittaa vähintään miljardi dollaria seuraavan vuoden aikana biotieteisiin ja tautitutkimukseen .
Mitä tämä tarkoittaa maailmanlaajuiselle harvinaisten tautien yhteisölle
Arviolta 300 miljoonaa ihmistä maailmanlaajuisesti kärsii harvinaisista sairauksista . Monet heistä käyvät läpi vuosia kestävän diagnostisen odysseian: useita erikoislääkäreitä, toistuvia testejä ja jäävät usein ilman lopullista vastausta. Henkinen ja taloudellinen taakka perheille on valtava.
NEJM AI -tutkimus osoittaa, että tekoälyn päättelymallit voivat löytää diagnooseja olemassa olevasta genomitiedosta, jotka ihmisasiantuntijat ovat aiemmin ohittaneet – mikä voi mahdollisesti lyhentää vuosien etsinnän viikoiksi tai päiviksi . Menetelmä on skaalautuva, toistettava ja paranee tiedon lisääntyessä. Tämä tarkoittaa, että tekoälyavusteisesta genomisesta uudelleenanalyysistä voi tulla tavanomainen työkalu, joka vähentää dramaattisesti diagnostista taakkaa miljoonille perheille.
5 prosentin diagnostinen saanto aiemmin loppuun käsitellyistä tapauksista saattaa tuntua pieneltä. Mutta harvinaisten tautien maailmassa, jossa jokainen prosenttiyksikkö edustaa oikeita lapsia, jotka vihdoin saavat vastauksia ja hoitosuunnitelmia, joita voidaan todella alkaa toteuttaa, vaikutus on välitön – ja kehityssuunta vain kiihtyy.
nbcnews.com
AI helped diagnose 18 children whose rare diseases had stumped doctors
Harvinaisten tautien diagnosointi on äärimmäisen vaikeaa. Genomisekvensointi voi paljastaa miljoonia geneettisiä variantteja, ja tieto näistä varianteista muuttuu jatkuvasti . Perinteinen työnkulku – jossa ihminen käy manuaalisesti läpi mahdollisia variantteja viimeisimmän kirjallisuuden valossa – on hidasta, vaivalloista ja rajallista yhden ihmisen työmuistin kapasiteetin takia.
Tämän ongelman ratkaisemiseksi tutkimusryhmä syötti 376 potilastapausta OpenAI:n o3 Deep Research -malliin. Tekoälyn tehtävänä oli yhdistää kliiniset piirteet, periytymismallit, varianttitodisteet ja uusin tieteellinen kirjallisuus näyttöön perustuviksi selitysehdotuksiksi. Jokainen mallin ehdottama johtolanka kävi läpi ihmisen suorittaman arvioinnin: asiantuntija-analyysin, lisätestauksen ja kliinisen vahvistuksen .
Löydetyt sairaudet kattoivat neurrokehityshäiriöitä, harvinaisia hermolihassairauksia, äkillisiä odottamattomia kuolemia lastenlääketieteessä ja varhain alkavaa psykoosia . Monet näistä tapauksista olivat vuosia vältelleet asiantuntija-analyysiä.
”Lähes 5 prosentin uusien diagnoosien määrä ei ehkä kuulosta suurelta”, myönsi innovaatiojohtaja John Brownstein NBC Newsille, ”mutta kun ottaa huomioon aiemman analyysin tiheyden ja käytetyn asiantuntemuksen, se on itse asiassa varsin merkittävää” .
Tutkimusta laajemmin: tekoäly Boston Children’s Hospitalin ydininfrastruktuurina
Tämä NEJM AI -tutkimus ei ole irrallinen koe. Se on osa paljon laajempaa, koko sairaalan kattavaa tekoälymuutosta Boston Children’s Hospitalissa, jota laitos kuvaa tekoälyn kohteluksi ”ydininfrastruktuurina” .
Keskeisiä tuloksia laajemmasta yhteistyöstä OpenAI:n kanssa:
Yli 40 harvinaista tautia on diagnosoitu, jotka olivat aiemmin jääneet ratkaisematta .
7 miljoonan dollarin kustannussäästöt ja 60 000 työtunnin säästö kliinisissä, tutkimus- ja operatiivisissa tiimeissä .
Yli kolmannes työntekijöistä käyttää nyt tekoälytyökaluja päivittäisissä työnkuluissaan, kuten turvallista sisäistä ChatGPT-ympäristöä tutkimuksessa, kliinisessä hoidossa ja operatiivisilla alueilla, kuten toimitusketjussa ja leikkausten ajanvarauksessa .
Sairaala raportoi, että tekoäly on vähentänyt hallinnollista taakkaa, leikannut kustannuksia, laajentanut kliinistä kapasiteettia ja mahdollistanut sellaisten diagnostisten tapausten ratkaisemisen, joita pidettiin aiemmin mahdottomina .
OpenAI:n 50 miljoonan dollarin sitoumus
50 miljoonan dollarin luku, joka usein esiintyy tämän uutisen yhteydessä, koostuu kahdesta osasta.
Ensinnäkin maaliskuussa 2025 OpenAI käynnisti NextGenAI-konsortion, johon kuuluu 15 tutkimuslaitosta (mukaan lukien Harvard) ja jolle myönnettiin 50 miljoonaa dollaria tutkimusapurahoihin, laskentatehoon ja API-resursseihin . Boston Children’s Hospital on ollut suora edunsaaja. Innovaatiojohtaja John Brownstein kiitti julkisesti 50 miljoonan dollarin sitoumusta harvinaisten tautien tekoälytyön edistämisestä maaliskuun 2025 LinkedIn-päivityksessään .
Toiseksi, OpenAI Foundation sitoutui alkuvuodesta 2026 lisäämään 50 miljoonaa dollaria People-First AI Fund -rahastoonsa, osana laajempaa sitoumusta sijoittaa vähintään miljardi dollaria seuraavan vuoden aikana biotieteisiin ja tautitutkimukseen .
Mitä tämä tarkoittaa maailmanlaajuiselle harvinaisten tautien yhteisölle
Arviolta 300 miljoonaa ihmistä maailmanlaajuisesti kärsii harvinaisista sairauksista . Monet heistä käyvät läpi vuosia kestävän diagnostisen odysseian: useita erikoislääkäreitä, toistuvia testejä ja jäävät usein ilman lopullista vastausta. Henkinen ja taloudellinen taakka perheille on valtava.
NEJM AI -tutkimus osoittaa, että tekoälyn päättelymallit voivat löytää diagnooseja olemassa olevasta genomitiedosta, jotka ihmisasiantuntijat ovat aiemmin ohittaneet – mikä voi mahdollisesti lyhentää vuosien etsinnän viikoiksi tai päiviksi . Menetelmä on skaalautuva, toistettava ja paranee tiedon lisääntyessä. Tämä tarkoittaa, että tekoälyavusteisesta genomisesta uudelleenanalyysistä voi tulla tavanomainen työkalu, joka vähentää dramaattisesti diagnostista taakkaa miljoonille perheille.
5 prosentin diagnostinen saanto aiemmin loppuun käsitellyistä tapauksista saattaa tuntua pieneltä. Mutta harvinaisten tautien maailmassa, jossa jokainen prosenttiyksikkö edustaa oikeita lapsia, jotka vihdoin saavat vastauksia ja hoitosuunnitelmia, joita voidaan todella alkaa toteuttaa, vaikutus on välitön – ja kehityssuunta vain kiihtyy.
nbcnews.com
AI helped diagnose 18 children whose rare diseases had stumped doctors
openai.comUsing AI to help physicians diagnose rare genetic diseases affecting children
childrenshospital.orgBoston Children's saves $7 million, 60K hours with OpenAI
openaifoundation.orgUpdate on the People-First AI Fund - OpenAI Foundation
instagram.comTogether with researchers at @bostonchildrens and @harvard ...