ChatTogoVar: een TogoVar-gebaseerd retrieval-augmented generation-systeem voor precieze interpretatie van genomische varianten

Waarom slimere genetische antwoorden ertoe doen

Genetische tests worden steeds meer onderdeel van de reguliere gezondheidszorg, maar de rauwe resultaten zijn moeilijk te interpreteren. Artsen en onderzoekers moeten weten of een kleine verandering in DNA veel voorkomt en onschadelijk is, of zeldzaam en geassocieerd met ziekte. Grote taalmodellen, dezelfde soort AI achter populaire chatbots, kunnen complexe informatie in gewone taal uitleggen, maar ze klinken soms zelfverzekerd terwijl ze het mis hebben. Deze studie introduceert ChatTogoVar, een systeem dat een AI-chatbot koppelt aan een betrouwbare Japanse genetische database zodat het duidelijkere, beter onderbouwde antwoorden kan geven over veranderingen in menselijk DNA.

Van rauw DNA naar bruikbare antwoorden

Wanneer iemands genoom wordt geanalyseerd, is het resultaat een lange lijst met kleine DNA-verschillen, varianten genoemd. Op zichzelf zeggen deze codes weinig over gezondheid. Specialisten vertrouwen op databases die bijhouden hoe vaak elke variant in verschillende populaties voorkomt, welke genen worden aangetast en of een variant aan ziekte is gekoppeld. De TogoVar-database richt zich op varianten die bij mensen in Japan zijn gezien en bundelt informatie uit veel grote studies en klinische bronnen. ChatTogoVar bouwt voort op dit fundament en fungeert als een conversatielaag die natuurlijke taalvragen kan beantwoorden, bijvoorbeeld of een bepaalde variant met een ziekte is verbonden of hoe vaak deze in bepaalde groepen voorkomt.

Hoe het nieuwe systeem werkt

ChatTogoVar volgt een retrieval augmented generation-benadering. Wanneer een gebruiker een vraag stelt over een specifieke variant, detecteert het systeem eerst het identificatienummer en raadpleegt de programmeerinterface van TogoVar. TogoVar retourneert gestructureerde gegevens over de variant, inclusief de positie in het genoom, het aangetaste gen, waargenomen frequenties in Japanse en andere populaties, de voorspelde impact op het eiwit en bekende klinische interpretaties uit bronnen zoals ClinVar. ChatTogoVar verpakt deze informatie vervolgens in een zorgvuldig ontworpen prompt en stuurt die naar een onderliggend taalmodel, dat een leesbaar antwoord formuleert dat de gebruikte databasebewijzen moet citeren en moet aangeven wanneer gegevens ontbreken.

Het systeem op de proef gesteld

De auteurs vergeleken ChatTogoVar met een algemeen chatbot en met een bestaande op varianten gerichte assistent genaamd VarChat. Ze bouwden 50 vraagtypen die basisfeiten, populatiefrequenties, ziekteverbindingen, geneesmiddelrespons, functionele impact, evolutie, gerelateerde varianten en beschikbare tools beslaan, en combineerden deze met 30 echte varianten, wat 1500 vraag-variantparen opleverde. Menselijke experts beoordeelden handmatig antwoorden van alle drie de systemen op een deelset van 150 vragen, en beoordeelden nauwkeurigheid, volledigheid, logica, helderheid en gebruik van bewijs. Een afzonderlijke grootschalige evaluatie gebruikte een AI-gebaseerde scoremethode op alle 1500 vragen om prestaties consistent te meten over veel varianten en onderwerpen.

Wat de vergelijkingen aan het licht brachten

In vrijwel alle vragen en scorecategorieën presteerde ChatTogoVar beter dan zowel de algemene chatbot als VarChat. In de expertbeoordeling gaf het voor 90 procent van de vragen het beste antwoord, terwijl de algemene chatbot slechts in een paar gevallen het beste bleek. Een sprekend voorbeeld betrof een variant die daadwerkelijk aan de ziekte van Parkinson gekoppeld is. ChatTogoVar identificeerde correct het gen en de ziekte en verwees naar het relevante klinische registratiepunt, terwijl de algemene chatbot de variant verwarde met een andere genvariant en de verkeerde aandoening noemde. De grote AI-gebaseerde evaluatie, die tienmaal zoveel vragen besloeg, liet hetzelfde patroon zien: het verankeren van antwoorden in actuele databankrecords verminderde dergelijke verwisselingen en ongefundeerde beweringen sterk.

Stappen naar veiliger genomisch advies

Dit werk toont aan dat het koppelen van een chatstijl-AI aan een zorgvuldig samengestelde genetische database variantuitleg accurater en beter gedocumenteerd kan maken. ChatTogoVar vervangt geen deskundig oordeel, en het is nog steeds beperkt door de dekking van de databases die het gebruikt, vooral op terreinen zoals geneesmiddelrespons en complexe variantpatronen. Door echter te benadrukken wat bekend is, wat onzeker is en waar de ondersteunende gegevens vandaan komen, biedt het een betrouwbaarder startpunt voor artsen, genetisch adviseurs en onderzoekers die genomische testresultaten in de dagelijkse praktijk moeten interpreteren.

Bronvermelding: Mitsuhashi, N., Fujiwara, T. & Yamaguchi, A. ChatTogoVar: a TogoVar-based retrieval-augmented generation system for precise genomic variant interpretation. Hum Genome Var 13, 12 (2026). https://doi.org/10.1038/s41439-026-00344-4

Trefwoorden: genomische varianten, retrieval augmented generation, TogoVar, grote taalmodellen, genomische geneeskunde