מערכת פועלת לאבחון מחלות נדירות עם הסבריות ניתנת למעקב

מדוע חשוב לאתר מחלות נדירות מהר יותר

עבור משפחות החיות עם מחלות נדירות, קבלת שם למצב יכולה לקחת שנים של פגישות, דעות מנוגדות וסכנות סגירות. "אודיסיאה מאבחנת" ארוכה זו מעכבת טיפול, מרוקנת חסכונות ומשאירה את המטופלים במצב של אי וודאות. המחקר הזה מציג את DeepRare, מערכת בינה מלאכותית שנועדה לפעול כעמית דיגיטלי לרופאים. מטרתה לזהות מחלות נדירות מוקדם יותר ולהסביר את תהליך המחשבה שלה בצורה שרופאים יכולים לבדוק ולהסתמך עליה.

סוג חדש של עוזר דיגיטלי לרופאים

DeepRare בנויה לעבוד כמו קליניקה אמיתית. היא יכולה לקרוא תמלילים חופשיים מרשומות קליניות, רשימות תסמינים מובנות ותוצאות מבחני גנים מודרניים, ואז להפוך את כל זה לרשימת מחלות נדירות אפשריות מדורגת. בשונה מהרבה כלים קיימים שמחזירים פשוט רשימת שמות, DeepRare מייצרת שרשרת חשיבה צעד־אחר־צעד שמקשרת כל הצעה למאמרים רפואיים, מאגרי מומחים ומקרים דומים בעבר. משמעות הדבר היא שרופא יכול לראות לא רק מה המערכת ממליצה, אלא גם מדוע.

איך המערכת חושבת דרך מקרה

מתחת למכסה, DeepRare מאורגנת כמערכת "רב‑סוכנית". במרכז עומד מודל שפה חזק שפועל כמנחה, המחליט מה לעשות הלאה ככל שמגיע מידע חדש. סביבה יש מודולים עוזרים מתמחים: חלקם מנקים ומאחדים תיאורי תסמינים, אחרים מחפשים בספרות הרפואית ובמאגרי מקרים של מחלות נדירות, ואחרים מפרשים רשימות ארוכות של וריאנטים גנטיים. עבור כל מטופל, DeepRare מחזורית באיסוף ראיות, הצעת אבחנות ואז בדיקה חוזרת של רעיונותיה. אם היא מוצאת בעיות בהסבר מועמד, היא חוזרת לחפש ראיות טובות יותר במקום להתקדם עם השערה רעועה.

בדיקת DeepRare בעולם האמיתי

החוקרים בדקו את DeepRare על 6,401 מקרים של מטופלים שנלקחו מתשעה מקורות שונים, כולל מאגרי נתונים ציבוריים גדולים, דיווחי מקרים מקוונים וארבעה בתי חולים מרכזיים באירופה, צפון אמריקה וסין. יחד, מקרים אלה כיסו 2,919 מחלות נדירות נפרדות ברחבי 14 מערכות איברים, מהפרעות מוחיות ועד מצבי כליה. בשימוש רק בתיאורי תסמינים מובנים, DeepRare הציבה נכון את המחלה האמיתית במקום הראשון בכ־57% מהמקרים—יותר בכ־20 נקודות אחוז מהשיטה השנייה הטובה ביותר והרבה מעל כלים בשימוש נרחב כגון PhenoBrain ו‑PubCaseFinder. כאשר היו זמינים גם תוצאות רצף גנים, דיוק המקום הראשון של DeepRare עלה לכ‑כ־69%, כשהיא מביסה כלי גנטי מוביל בשם Exomiser בשני קוהורטים עצמאיים מבתי חולים.

השוואת הבינה המלאכותית למומחים אנושיים

כדי לבדוק האם ביצועי DeepRare יעמדו מול מומחים אנושיים, הצוות ערך השוואה פנים‑אל‑פנים בעזרת 163 מקרים קשים מבית חולים לילדים. חמש רופאים עם למעלה מעשור ניסיון במחלות נדירות התבקשו להציע עד חמש אבחנות אפשריות לכל מקרה, תוך שימוש במנועי חיפוש אך ללא בינה מלאכותית. DeepRare קיבלה את אותן מידע על התסמינים. המערכת לא רק השוותה את הרופאים כשהתירה חמש השערות, אלא אף עלתה על דיוקם בתחזית המובילה היחידה. קבוצה נוספת של עשרה רופאים מומחי מחלות נדירות בחנה את שרשראות ההגיון של ה‑AI עבור 180 מקרים ושפטה שיותר מ‑95% מהראיות שצוינו מדויקות ורלוונטיות, מה שמרמז שההסברים שלה אמינים מבחינה רפואית ולא סתם "סיפוריות AI".

מדוע הסבריות ניתנת למעקב משנה את המשחק

מעבר לדיוק גולמי, המחברים טוענים ש‑DeepRare עשויה לעצב מחדש את האופן שבו חוקרים מחלות נדירות. מאחר שהמערכת מקשרת כל שלב במחשבתה למקורות רפואיים ולמטופלים דומים, היא יכולה לקצר באופן דרמטי את הזמן שרופא מבלה בחיפוש בספרות או במאגרי מקרים. הביצועים החזקים שלה בחללי מערכות איברים רבים משמעותם שהיא יכולה לעזור לרופאים שאינם מומחים לזהות מצבים שהם כמעט שלא נתקלים בהם, במיוחד בבתי חולים שאין בהם מרכזים ייעודיים למחלות נדירות. המחקר מציין אתגרים פתוחים, כגון בלבול בין תסמינים דומים והצורך להרחיב את המערכת לסקר מוקדם ותכנון טיפולים. עם זאת, הממצאים מציעים כי עמיתים בינה מלאכותית שתוכננו בקפידה כמו DeepRare עשויים לקצר את האודיסיאה האבחנתית לאלפי משפחות על‑ידי הקלת זיהוי והנמקה של מחלות נדירות בפרקטיקה קלינית יומיומית.

ציטוט: Zhao, W., Wu, C., Fan, Y. et al. An agentic system for rare disease diagnosis with traceable reasoning. Nature 651, 775–784 (2026). https://doi.org/10.1038/s41586-025-10097-9

מילות מפתח: אבחון מחלות נדירות, בינה מלאכותית רפואית, מודלים לשוניים גדולים, תמיכה בקבלת החלטות קליניות, רפואה גנומית