Un sistema agentico per la diagnosi delle malattie rare con ragionamento tracciabile

Perché trovare le malattie rare più in fretta è importante

Per le famiglie che convivono con malattie rare, dare un nome alla loro condizione può richiedere anni di appuntamenti, opinioni contrastanti e vicoli ciechi. Questa lunga “odissea diagnostica” ritarda i trattamenti, prosciuga i risparmi e lascia i pazienti in sospeso. Questo studio presenta DeepRare, un sistema di intelligenza artificiale concepito per agire come un compagno digitale per i medici. Il suo obiettivo è individuare le malattie rare prima e spiegare il suo ragionamento in modo che i clinici possano verificarlo e fidarsi.

Un nuovo tipo di assistente digitale per i medici

DeepRare è progettato per lavorare come fanno le cliniche reali. Può leggere note cliniche in testo libero, elenchi strutturati di sintomi e risultati di moderni test genetici, quindi trasformare tutto ciò in una lista classificata di possibili malattie rare. A differenza di molti strumenti esistenti che si limitano a restituire un elenco di nomi, DeepRare produce una catena di ragionamento passo dopo passo che collega ogni ipotesi a articoli medici, database di esperti e casi passati simili. Ciò significa che un clinico può vedere non solo cosa raccomanda il sistema, ma anche perché.

Come il sistema ragiona su un caso

Sotto il cofano, DeepRare è organizzato come un sistema “multi‑agente”. Al centro c’è un potente modello linguistico che funge da coordinatore, decidendo cosa fare dopo man mano che arrivano nuove informazioni. Intorno a esso operano moduli ausiliari specializzati: alcuni puliscono e standardizzano i sintomi, altri cercano nella letteratura medica e nei database di casi di malattie rare, e altri ancora interpretano lunghe liste di varianti geniche. Per ogni paziente, DeepRare cicla attraverso la raccolta di prove, la proposta di diagnosi e la verifica delle proprie idee. Se individua problemi in una spiegazione candidata, torna indietro a cercare prove migliori invece di proseguire con un’ipotesi fragile.

Mettere DeepRare alla prova nel mondo reale

I ricercatori hanno testato DeepRare su 6.401 casi di pazienti provenienti da nove fonti diverse, tra cui grandi set di dati pubblici, report di casi online e quattro grandi ospedali in Europa, Nord America e Cina. Complessivamente questi casi coprivano 2.919 malattie rare distinte in 14 sistemi d’organo, dai disturbi cerebrali alle patologie renali. Utilizzando solo descrizioni strutturate dei sintomi, DeepRare ha collocato correttamente la malattia reale al primo posto in circa il 57% dei casi—più di 20 punti percentuali in più rispetto al metodo migliore successivo e ben oltre strumenti ampiamente usati come PhenoBrain e PubCaseFinder. Quando erano disponibili anche i risultati del sequenziamento genetico, l’accuratezza del primo posto di DeepRare è salita intorno al 69%, superando uno strumento genetico leader chiamato Exomiser in due coorti ospedaliere indipendenti.

Confrontare l’IA con gli specialisti umani

Per verificare se le prestazioni di DeepRare reggessero il confronto con esperti umani, il team ha condotto un confronto diretto usando 163 casi difficili provenienti da un ospedale pediatrico. Cinque medici con oltre dieci anni di esperienza nelle malattie rare sono stati invitati a suggerire fino a cinque possibili diagnosi per caso, usando motori di ricerca ma senza IA. DeepRare ha ricevuto le stesse informazioni sui sintomi. Il sistema non solo ha pareggiato i clinici quando gli sono state concesse cinque ipotesi, ma ha effettivamente superato la loro accuratezza per la singola previsione al primo posto. Un altro gruppo di dieci medici specializzati in malattie rare ha esaminato le catene di ragionamento dell’IA per 180 casi e ha giudicato oltre il 95% delle prove citate come accurate e rilevanti, suggerendo che le sue spiegazioni sono affidabili dal punto di vista medico e non semplici “racconti dell’IA”.

Perché il ragionamento tracciabile cambia le regole del gioco

Oltre alla semplice accuratezza, gli autori sostengono che DeepRare potrebbe rimodellare il modo in cui si investigano le malattie rare. Poiché il sistema collega ogni passaggio del suo ragionamento a fonti mediche e pazienti simili, può ridurre drasticamente il tempo che un clinico impiega a cercare nella letteratura o nei database di casi. La sua buona performance attraverso molti sistemi d’organo significa che potrebbe aiutare i medici non specialisti a riconoscere condizioni che vedono raramente, soprattutto in ospedali privi di centri dedicati alle malattie rare. Lo studio segnala comunque sfide aperte, come la confusione tra sindromi simili e la necessità di estendere il sistema verso screening precoci e pianificazione dei trattamenti. Tuttavia, i risultati suggeriscono che compagni IA progettati con cura come DeepRare potrebbero abbreviare l’odissea diagnostica per migliaia di famiglie rendendo le malattie rare più facili da riconoscere e analizzare nella pratica clinica quotidiana.

Citazione: 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

Parole chiave: diagnosi delle malattie rare, IA medica, modelli linguistici di grandi dimensioni, supporto decisionale clinico, medicina genomica