Een agentisch systeem voor de diagnose van zeldzame ziekten met traceerbare redenering

Waarom het sneller opsporen van zeldzame aandoeningen ertoe doet

Voor gezinnen die leven met zeldzame aandoeningen kan het jaren duren voordat hun aandoening een naam krijgt, met talloze afspraken, tegengestelde meningen en doodlopende wegen. Deze lange “diagnostische odyssee” vertraagt behandelingen, put spaargelden uit en laat patiënten in onzekerheid achter. Deze studie introduceert DeepRare, een kunstmatig‑intelligentiesysteem ontworpen om als digitale ploeggenoot voor artsen te functioneren. Het heeft tot doel zeldzame ziekten eerder op te sporen en zijn denkwijze zodanig uit te leggen dat artsen die kunnen controleren en vertrouwen.

Een nieuw soort digitale assistent voor artsen

DeepRare is gebouwd om te werken zoals echte klinieken dat doen. Het kan vrije‑tekst klinische aantekeningen lezen, gestructureerde symptoomlijsten en resultaten van moderne genetests, en zet al die informatie om in een gerangschikte lijst van mogelijke zeldzame ziekten. In tegenstelling tot veel bestaande tools die simpelweg een lijst met namen teruggeven, genereert DeepRare een stap‑voor‑stap redeneerketen die elke suggestie koppelt aan medische artikelen, expertendatabases en vergelijkbare eerdere gevallen. Dat betekent dat een clinicus niet alleen kan zien wat het systeem aanbeveelt, maar ook waarom.

Hoe het systeem een casus doordenkt

Onder de motorkap is DeepRare georganiseerd als een “multi‑agent” systeem. In het midden staat een krachtig taalmodel dat fungeert als coördinator en beslist wat de volgende stap is zodra nieuwe informatie binnenkomt. Daaromheen zitten gespecialiseerde hulpmodules: sommige ruimen symptomen op en standaardiseren ze, andere doorzoeken medische literatuur en zeldzame‑ziektegevallenbanken, en weer anderen interpreteren lange lijsten met genetische varianten. Voor elke patiënt doorloopt DeepRare cycli van bewijsverzameling, het voorstellen van diagnoses en het hercontroleren van zijn eigen ideeën. Vindt het problemen met een kandidaatverklaring, dan gaat het terug om beter bewijs te zoeken in plaats van door te gaan met een wankele gok.

DeepRare in de praktijk getest

De onderzoekers testten DeepRare op 6.401 patiëntencasus afkomstig uit negen verschillende bronnen, waaronder grote openbare datasets, online casusrapporten en vier grote ziekenhuizen in Europa, Noord‑Amerika en China. Gezamenlijk besloegen deze gevallen 2.919 verschillende zeldzame ziekten over 14 orgaansystemen, van hersenaandoeningen tot nierproblemen. Met alleen gestructureerde symptoombeschrijvingen plaatste DeepRare de werkelijke ziekte in ongeveer 57% van de gevallen op de eerste plaats—meer dan 20 procentpunten beter dan de op één na beste methode en ver boven veelgebruikte tools zoals PhenoBrain en PubCaseFinder. Wanneer ook gen‑sequencingresultaten beschikbaar waren, steeg de top‑rank nauwkeurigheid van DeepRare naar ongeveer 69%, waarmee het een toonaangevende genetica‑tool genaamd Exomiser versloeg in twee onafhankelijke ziekenhuiscohorten.

AI vergelijken met menselijke specialisten

Om te zien of DeepRare het ook zou opnemen tegen menselijke experts, voerde het team een directe vergelijking uit met 163 moeilijke gevallen uit een kinderziekenhuis. Vijf artsen met meer dan tien jaar ervaring in zeldzame ziekten werden gevraagd tot vijf mogelijke diagnoses per geval te suggereren, met gebruik van zoekmachines maar zonder AI. DeepRare kreeg dezelfde symptoominformatie. Het systeem kwam niet alleen gelijk op met de clinici wanneer vijf gokjes waren toegestaan, het overtrof hun nauwkeurigheid zelfs voor de enkele topvoorspelling. Een andere groep van tien zeldzame‑ziekteartsen beoordeelde de redeneerketens van de AI voor 180 gevallen en oordeelde dat meer dan 95% van het geciteerde bewijs accuraat en relevant was, wat suggereert dat zijn verklaringen medisch betrouwbaar zijn en geen loutere “AI‑vertelling.”

Waarom traceerbare redenering het verschil maakt

Naast pure nauwkeurigheid betogen de auteurs dat DeepRare de manier waarop zeldzame ziekten worden onderzocht kan hervormen. Omdat het systeem elke stap van zijn redenering koppelt aan medische bronnen en vergelijkbare patiënten, kan het de tijd die een clinicus besteedt aan het doorzoeken van literatuur of casusdatabases aanzienlijk verkorten. De sterke prestaties over veel orgaansystemen heen betekenen dat het huisartsen en niet‑specialisten kan helpen aandoeningen te herkennen die ze zelden zien, vooral in ziekenhuizen zonder speciale centra voor zeldzame ziekten. De studie noemt wel openstaande uitdagingen, zoals verwarring tussen op elkaar lijkende syndromen en de noodzaak het systeem uit te breiden naar vroegtijdige screening en behandelplanning. Toch suggereren de bevindingen dat zorgvuldig ontworpen AI‑ploeggenoten zoals DeepRare de diagnostische odyssee voor duizenden gezinnen kunnen verkorten door zeldzame ziekten gemakkelijker herkenbaar en bespreekbaar te maken in de dagelijkse klinische praktijk.

Bronvermelding: 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

Trefwoorden: diagnose van zeldzame ziekten, medische AI, grote taalmodellen, klinische besluitvorming, genoomgeneeskunde