AI Berjaya Diagnosis 18 Penyakit Pediatrik Langka Yang Doktor Gagal Selesaikan Selama Bertahun-Tahun – Analisis Kajian NEJM AI
Dalam kajian yang disemak rakan sebaya di NEJM AI, penyelidik dari Boston Children's Hospital dan Harvard menggunakan model penaakulan o3 Deep Research OpenAI untuk menganalisis semula 376 kes pediatrik yang tidak dap... Di luar kajian, Boston Children's Hospital telah mendiagnosis lebih 40 keadaan langka menggunaka...
Diterbitkan olehDisunting dengan DeepSeek-V4-FlashImej dijana dengan GPT Image 1.5
Dalam kajian yang disemak rakan sebaya di NEJM AI, penyelidik dari Boston Children's Hospital dan Harvard menggunakan model penaakulan o3 Deep Research OpenAI untuk menganalisis semula 376 kes pediatrik yang tidak dap...
Di luar kajian, Boston Children's Hospital telah mendiagnosis lebih 40 keadaan langka menggunakan AI, menjimatkan $7 juta dan 60,000 jam masa kakitangan, serta mengintegrasikan AI ke dalam aliran kerja harian lebih se...
Penemuan ini mencadangkan bahawa analisis semula genomik berbantukan AI berpotensi menjadi alat diagnostik barisan kedua standard, memendekkan tempoh pencarian diagnosis yang mengambil masa bertahun tahun kepada beber...
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
Bagi keluarga kanak-kanak yang menghidap penyakit genetik langka, laluan untuk mendapatkan diagnosis selalunya diukur dalam tahun, bukan hari. Pelbagai pakar, ujian berulang, dan jalan buntu yang tidak berkesudahan menentukan apa yang doktor panggil sebagai "pengembaraan diagnostik".
Satu kajian baru yang disemak rakan sebaya yang diterbitkan dalam NEJM AI menawarkan gambaran laluan yang lebih pantas. Penyelidik di Pusat Penyelidikan Penyakit Orphan Manton di Boston Children's Hospital, Universiti Harvard, dan OpenAI menggunakan model penaakulan o3 Deep Research untuk menganalisis semula 376 kes pediatrik tanpa nama yang telah melalui ujian genetik standard dan semakan pakar tanpa menghasilkan diagnosis . Hasilnya: 18 diagnosis baru yang disahkan untuk kanak-kanak dengan keadaan genetik langka yang sebelum ini tidak dapat diselesaikan .
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 "AI Berjaya Diagnosis 18 Penyakit Pediatrik Langka Yang Doktor Gagal Selesaikan Selama Bertahun-Tahun – Analisis Kajian NEJM AI"?
Dalam kajian yang disemak rakan sebaya di NEJM AI, penyelidik dari Boston Children's Hospital dan Harvard menggunakan model penaakulan o3 Deep Research OpenAI untuk menganalisis semula 376 kes pediatrik yang tidak dap...
What are the key points to validate first?
Dalam kajian yang disemak rakan sebaya di NEJM AI, penyelidik dari Boston Children's Hospital dan Harvard menggunakan model penaakulan o3 Deep Research OpenAI untuk menganalisis semula 376 kes pediatrik yang tidak dap... Di luar kajian, Boston Children's Hospital telah mendiagnosis lebih 40 keadaan langka menggunakan AI, menjimatkan $7 juta dan 60,000 jam masa kakitangan, serta mengintegrasikan AI ke dalam aliran kerja harian lebih se...
What should I do next in practice?
Penemuan ini mencadangkan bahawa analisis semula genomik berbantukan AI berpotensi menjadi alat diagnostik barisan kedua standard, memendekkan tempoh pencarian diagnosis yang mengambil masa bertahun tahun kepada beber...
AI Berjaya Diagnosis 18 Penyakit Pediatrik Langka Yang Doktor Gagal Selesaikan Selama Bertahun-Tahun – Analisis Kajian NEJM AI
Dalam kajian yang disemak rakan sebaya di NEJM AI, penyelidik dari Boston Children's Hospital dan Harvard menggunakan model penaakulan o3 Deep Research OpenAI untuk menganalisis semula 376 kes pediatrik yang tidak dap... Di luar kajian, Boston Children's Hospital telah mendiagnosis lebih 40 keadaan langka menggunaka...
Diterbitkan olehDisunting dengan DeepSeek-V4-FlashImej dijana dengan GPT Image 1.5
Dalam kajian yang disemak rakan sebaya di NEJM AI, penyelidik dari Boston Children's Hospital dan Harvard menggunakan model penaakulan o3 Deep Research OpenAI untuk menganalisis semula 376 kes pediatrik yang tidak dap...
Di luar kajian, Boston Children's Hospital telah mendiagnosis lebih 40 keadaan langka menggunakan AI, menjimatkan $7 juta dan 60,000 jam masa kakitangan, serta mengintegrasikan AI ke dalam aliran kerja harian lebih se...
Penemuan ini mencadangkan bahawa analisis semula genomik berbantukan AI berpotensi menjadi alat diagnostik barisan kedua standard, memendekkan tempoh pencarian diagnosis yang mengambil masa bertahun tahun kepada beber...
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
Bagi keluarga kanak-kanak yang menghidap penyakit genetik langka, laluan untuk mendapatkan diagnosis selalunya diukur dalam tahun, bukan hari. Pelbagai pakar, ujian berulang, dan jalan buntu yang tidak berkesudahan menentukan apa yang doktor panggil sebagai "pengembaraan diagnostik".
Satu kajian baru yang disemak rakan sebaya yang diterbitkan dalam NEJM AI menawarkan gambaran laluan yang lebih pantas. Penyelidik di Pusat Penyelidikan Penyakit Orphan Manton di Boston Children's Hospital, Universiti Harvard, dan OpenAI menggunakan model penaakulan o3 Deep Research untuk menganalisis semula 376 kes pediatrik tanpa nama yang telah melalui ujian genetik standard dan semakan pakar tanpa menghasilkan diagnosis . Hasilnya: 18 diagnosis baru yang disahkan untuk kanak-kanak dengan keadaan genetik langka yang sebelum ini tidak dapat diselesaikan .
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 "AI Berjaya Diagnosis 18 Penyakit Pediatrik Langka Yang Doktor Gagal Selesaikan Selama Bertahun-Tahun – Analisis Kajian NEJM AI"?
Dalam kajian yang disemak rakan sebaya di NEJM AI, penyelidik dari Boston Children's Hospital dan Harvard menggunakan model penaakulan o3 Deep Research OpenAI untuk menganalisis semula 376 kes pediatrik yang tidak dap...
What are the key points to validate first?
Dalam kajian yang disemak rakan sebaya di NEJM AI, penyelidik dari Boston Children's Hospital dan Harvard menggunakan model penaakulan o3 Deep Research OpenAI untuk menganalisis semula 376 kes pediatrik yang tidak dap... Di luar kajian, Boston Children's Hospital telah mendiagnosis lebih 40 keadaan langka menggunakan AI, menjimatkan $7 juta dan 60,000 jam masa kakitangan, serta mengintegrasikan AI ke dalam aliran kerja harian lebih se...
What should I do next in practice?
Penemuan ini mencadangkan bahawa analisis semula genomik berbantukan AI berpotensi menjadi alat diagnostik barisan kedua standard, memendekkan tempoh pencarian diagnosis yang mengambil masa bertahun tahun kepada beber...
Diagnosis penyakit langka adalah sangat sukar. Penjujukan genom boleh menghasilkan berjuta-juta varian genetik, dan pengetahuan perubatan tentang varian ini sentiasa berubah . Aliran kerja tradisional — seorang pakar manusia menyemak secara manual varian calon terhadap literatur terkini — adalah perlahan, memakan masa, dan terhad oleh kapasiti ingatan seseorang.
Untuk menangani masalah ini, pasukan penyelidik memasukkan 376 kes tanpa nama ke dalam model o3 Deep Research OpenAI. AI ditugaskan untuk menghubungkan ciri klinikal, corak pewarisan, bukti varian, dan literatur saintifik terkini menjadi penjelasan calon yang disokong bukti. Setiap petunjuk yang dihasilkan oleh model kemudiannya melalui adjudikasi manusia: semakan pakar, ujian tambahan, dan pengesahan klinikal .
Keadaan yang dikenal pasti merangkumi gangguan neurodevelopmental, penyakit neuromuskular langka, kematian mengejut yang tidak dijangka dalam pediatrik, dan psikosis awal . Kebanyakan kes ini telah mengelak daripada analisis pakar selama bertahun-tahun.
Ketua Pegawai Inovasi John Brownstein mengakui hasil yang sederhana. "Mencapai hampir 5% diagnosis baru mungkin kedengaran tidak besar," katanya kepada NBC News, "tetapi memandangkan kekerapan analisis dan kepakaran yang digunakan sebelum ini, ia sebenarnya agak signifikan" .
Di Luar Kajian: AI sebagai Infrastruktur Teras di Boston Children's Hospital
Kajian NEJM AI ini bukanlah satu eksperimen terpencil. Ia adalah sebahagian daripada transformasi AI seluruh perusahaan yang lebih besar di Boston Children's Hospital yang digambarkan oleh institusi itu sebagai memperlakukan AI sebagai "infrastruktur teras" .
Keputusan utama daripada inisiatif yang lebih luas bersama OpenAI:
Lebih 40 keadaan langka didiagnosis yang sebelum ini tidak dapat diselesaikan .
Penjimatan kos $7 juta dan 60,000 jam masa kakitangan dijimatkan merentasi pasukan klinikal, penyelidikan, dan operasi .
Lebih daripada satu pertiga pekerja kini menggunakan alat AI yang diintegrasikan ke dalam aliran kerja harian, merangkumi persekitaran ChatGPT dalaman yang selamat digunakan dalam penyelidikan, penjagaan klinikal, dan kawasan operasi seperti rantaian bekalan dan penjadualan pembedahan .
Hospital melaporkan bahawa AI telah mengurangkan beban pentadbiran, memotong kos, memperluas kapasiti klinikal, dan memungkinkan untuk menangani kes diagnostik yang pernah dianggap mustahil .
Komitmen $50 Juta daripada OpenAI
Angka $50 juta yang sering muncul bersama berita ini mempunyai dua komponen.
Pertama, pada Mac 2025, OpenAI melancarkan konsortium NextGenAI dengan 15 institusi penyelidikan (termasuk Harvard) dan pembiayaan $50 juta untuk geran penyelidikan, akses komputasi, dan sumber API . Boston Children's Hospital telah menjadi penerima manfaat langsung. Ketua Pegawai Inovasi John Brownstein secara terbuka mengiktiraf komitmen $50 juta itu kerana memajukan kerja AI penyakit langka mereka dalam siaran LinkedIn pada Mac 2025 .
Kedua, pada awal 2026, Yayasan OpenAI komited tambahan $50 juta kepada Dana AI Utama Rakyat, sebahagian daripada komitmen yang lebih luas untuk melabur sekurang-kurangnya $1 bilion sepanjang tahun depan merentasi sains hayat dan penyelidikan penyakit .
Apa Maknanya untuk Komuniti Penyakit Langka Global
Dianggarkan 300 juta orang di seluruh dunia menderita penyakit langka . Ramai yang menanggung pengembaraan diagnostik bertahun-tahun: melawat pelbagai pakar, menjalani ujian berulang, dan sering kali tidak mendapat jawapan yang pasti. Kesan emosi dan kewangan ke atas keluarga adalah sangat besar.
Kajian NEJM AI menunjukkan bahawa model penaakulan AI boleh menghasilkan diagnosis daripada data genomik sedia ada yang terlepas oleh pakar manusia — berpotensi memendekkan pencarian bertahun-tahun kepada minggu atau hari . Pendekatan ini berskala, boleh dihasilkan semula, dan bertambah baik apabila pengetahuan perubatan berkembang. Implikasinya ialah analisis semula genomik berbantukan AI boleh menjadi alat standard barisan kedua, mengurangkan beban diagnostik secara drastik untuk berjuta-juta keluarga.
Hasil diagnostik 5% daripada kes yang sebelum ini telah habis dikaji mungkin kelihatan kecil. Tetapi dalam dunia penyakit langka, di mana setiap mata peratusan mewakili kanak-kanak sebenar yang akhirnya mendapat jawapan dan pelan rawatan yang boleh benar-benar dimulakan, impaknya adalah segera — dan trajektorinya hanya semakin memecut.
nbcnews.com
AI helped diagnose 18 children whose rare diseases had stumped doctors
Diagnosis penyakit langka adalah sangat sukar. Penjujukan genom boleh menghasilkan berjuta-juta varian genetik, dan pengetahuan perubatan tentang varian ini sentiasa berubah . Aliran kerja tradisional — seorang pakar manusia menyemak secara manual varian calon terhadap literatur terkini — adalah perlahan, memakan masa, dan terhad oleh kapasiti ingatan seseorang.
Untuk menangani masalah ini, pasukan penyelidik memasukkan 376 kes tanpa nama ke dalam model o3 Deep Research OpenAI. AI ditugaskan untuk menghubungkan ciri klinikal, corak pewarisan, bukti varian, dan literatur saintifik terkini menjadi penjelasan calon yang disokong bukti. Setiap petunjuk yang dihasilkan oleh model kemudiannya melalui adjudikasi manusia: semakan pakar, ujian tambahan, dan pengesahan klinikal .
Keadaan yang dikenal pasti merangkumi gangguan neurodevelopmental, penyakit neuromuskular langka, kematian mengejut yang tidak dijangka dalam pediatrik, dan psikosis awal . Kebanyakan kes ini telah mengelak daripada analisis pakar selama bertahun-tahun.
Ketua Pegawai Inovasi John Brownstein mengakui hasil yang sederhana. "Mencapai hampir 5% diagnosis baru mungkin kedengaran tidak besar," katanya kepada NBC News, "tetapi memandangkan kekerapan analisis dan kepakaran yang digunakan sebelum ini, ia sebenarnya agak signifikan" .
Di Luar Kajian: AI sebagai Infrastruktur Teras di Boston Children's Hospital
Kajian NEJM AI ini bukanlah satu eksperimen terpencil. Ia adalah sebahagian daripada transformasi AI seluruh perusahaan yang lebih besar di Boston Children's Hospital yang digambarkan oleh institusi itu sebagai memperlakukan AI sebagai "infrastruktur teras" .
Keputusan utama daripada inisiatif yang lebih luas bersama OpenAI:
Lebih 40 keadaan langka didiagnosis yang sebelum ini tidak dapat diselesaikan .
Penjimatan kos $7 juta dan 60,000 jam masa kakitangan dijimatkan merentasi pasukan klinikal, penyelidikan, dan operasi .
Lebih daripada satu pertiga pekerja kini menggunakan alat AI yang diintegrasikan ke dalam aliran kerja harian, merangkumi persekitaran ChatGPT dalaman yang selamat digunakan dalam penyelidikan, penjagaan klinikal, dan kawasan operasi seperti rantaian bekalan dan penjadualan pembedahan .
Hospital melaporkan bahawa AI telah mengurangkan beban pentadbiran, memotong kos, memperluas kapasiti klinikal, dan memungkinkan untuk menangani kes diagnostik yang pernah dianggap mustahil .
Komitmen $50 Juta daripada OpenAI
Angka $50 juta yang sering muncul bersama berita ini mempunyai dua komponen.
Pertama, pada Mac 2025, OpenAI melancarkan konsortium NextGenAI dengan 15 institusi penyelidikan (termasuk Harvard) dan pembiayaan $50 juta untuk geran penyelidikan, akses komputasi, dan sumber API . Boston Children's Hospital telah menjadi penerima manfaat langsung. Ketua Pegawai Inovasi John Brownstein secara terbuka mengiktiraf komitmen $50 juta itu kerana memajukan kerja AI penyakit langka mereka dalam siaran LinkedIn pada Mac 2025 .
Kedua, pada awal 2026, Yayasan OpenAI komited tambahan $50 juta kepada Dana AI Utama Rakyat, sebahagian daripada komitmen yang lebih luas untuk melabur sekurang-kurangnya $1 bilion sepanjang tahun depan merentasi sains hayat dan penyelidikan penyakit .
Apa Maknanya untuk Komuniti Penyakit Langka Global
Dianggarkan 300 juta orang di seluruh dunia menderita penyakit langka . Ramai yang menanggung pengembaraan diagnostik bertahun-tahun: melawat pelbagai pakar, menjalani ujian berulang, dan sering kali tidak mendapat jawapan yang pasti. Kesan emosi dan kewangan ke atas keluarga adalah sangat besar.
Kajian NEJM AI menunjukkan bahawa model penaakulan AI boleh menghasilkan diagnosis daripada data genomik sedia ada yang terlepas oleh pakar manusia — berpotensi memendekkan pencarian bertahun-tahun kepada minggu atau hari . Pendekatan ini berskala, boleh dihasilkan semula, dan bertambah baik apabila pengetahuan perubatan berkembang. Implikasinya ialah analisis semula genomik berbantukan AI boleh menjadi alat standard barisan kedua, mengurangkan beban diagnostik secara drastik untuk berjuta-juta keluarga.
Hasil diagnostik 5% daripada kes yang sebelum ini telah habis dikaji mungkin kelihatan kecil. Tetapi dalam dunia penyakit langka, di mana setiap mata peratusan mewakili kanak-kanak sebenar yang akhirnya mendapat jawapan dan pelan rawatan yang boleh benar-benar dimulakan, impaknya adalah segera — dan trajektorinya hanya semakin memecut.
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 ...