System agentowy do diagnozowania rzadkich chorób z możliwym do śledzenia rozumowaniem

Dlaczego szybsze wykrywanie rzadkich chorób ma znaczenie

Dla rodzin dotkniętych rzadkimi chorobami nadanie nazwy schorzeniu może zająć lata wizyt, sprzecznych opinii i ślepych uliczek. Ta długa „diagnostyczna odyseja” opóźnia leczenie, uszczupla oszczędności i pozostawia pacjentów w zawieszeniu. W tym badaniu przedstawiono DeepRare, system sztucznej inteligencji zaprojektowany jako cyfrowy współpracownik dla lekarzy. Ma na celu wykrywanie rzadkich chorób wcześniej i wyjaśnianie swojego toku rozumowania w sposób, który klinicyści mogą sprawdzić i któremu mogą zaufać.

Nowy typ cyfrowego asystenta dla lekarzy

DeepRare został zbudowany tak, aby działać w sposób zbliżony do rzeczywistych klinik. Potrafi odczytywać notatki w formie tekstu wolnego, ustrukturyzowane listy objawów oraz wyniki nowoczesnych badań genetycznych, a następnie zamieniać te informacje na uszeregowaną listę możliwych rzadkich chorób. W przeciwieństwie do wielu istniejących narzędzi, które po prostu zwracają listę nazw, DeepRare generuje krok po kroku łańcuch rozumowania, łącząc każdą sugestię z artykułami medycznymi, bazami wiedzy ekspertów i podobnymi przypadkami z przeszłości. Oznacza to, że klinicysta widzi nie tylko co system rekomenduje, ale także dlaczego.

Jak system rozważa przypadek

W warstwie technicznej DeepRare jest zorganizowany jako system „wielu agentów”. W jego centrum znajduje się potężny model językowy pełniący rolę koordynatora, decydujący, co zrobić dalej w miarę napływu nowych informacji. Wokół niego działają wyspecjalizowane moduły pomocnicze: jedne oczyszczają i standaryzują objawy, inne przeszukują literaturę medyczną i banki przypadków rzadkich chorób, a jeszcze inne interpretują obszerne listy wariantów genetycznych. Dla każdego pacjenta DeepRare przechodzi cykl zbierania dowodów, proponowania diagnoz, a następnie ponownego sprawdzania własnych pomysłów. Jeśli znajdzie problemy z kandydatem na wyjaśnienie, wraca do wyszukiwania lepszych dowodów zamiast forsować niepewną hipotezę.

Testy DeepRare w praktyce

Naukowcy przetestowali DeepRare na 6 401 przypadkach pacjentów pochodzących z dziewięciu różnych źródeł, w tym dużych publicznych zbiorów danych, raportów przypadków online oraz czterech głównych szpitali w Europie, Ameryce Północnej i Chinach. Razem przypadki te obejmowały 2 919 odrębnych rzadkich chorób w 14 układach narządów, od zaburzeń mózgu po schorzenia nerek. Używając jedynie ustrukturyzowanych opisów objawów, DeepRare prawidłowo umieszczał prawdziwą chorobę na pierwszym miejscu w około 57% przypadków — o ponad 20 punktów procentowych lepiej niż następna najlepsza metoda i znacznie lepiej niż powszechnie stosowane narzędzia takie jak PhenoBrain i PubCaseFinder. Gdy dostępne były także wyniki sekwencjonowania genów, dokładność umieszczenia choroby na pierwszym miejscu wzrosła do około 69%, przewyższając wiodące narzędzie genetyczne Exomiser w dwóch niezależnych kohortach szpitalnych.

Porównanie AI z ludzkimi specjalistami

Aby sprawdzić, czy osiągi DeepRare wytrzymają porównanie ze specjalistami, zespół przeprowadził bezpośrednie starcie na 163 trudnych przypadkach z szpitala dziecięcego. Pięciu lekarzy z ponad dziesięcioletnim doświadczeniem w rzadkich chorobach zostało poproszonych o zaproponowanie do pięciu możliwych diagnoz na przypadek, korzystając z wyszukiwarek, lecz bez użycia AI. DeepRare otrzymał te same informacje o objawach. System nie tylko dorównał klinicystom przy pięciu sugestiach, ale faktycznie przewyższył ich dokładność w pojedynczej, najwyżej ocenionej predykcji. Inna grupa dziesięciu lekarzy zajmujących się rzadkimi chorobami przejrzała łańcuchy rozumowania AI dla 180 przypadków i oceniła ponad 95% cytowanych dowodów jako dokładne i istotne, co sugeruje, że jego wyjaśnienia są medycznie wiarygodne, a nie jedynie „opowiadaniem AI”.

Dlaczego możliwe do śledzenia rozumowanie zmienia zasady gry

Ponad samą dokładność autorzy argumentują, że DeepRare może przekształcić sposób prowadzenia dochodzeń w rzadkich chorobach. Ponieważ system łączy każdy krok rozumowania ze źródłami medycznymi i podobnymi pacjentami, może znacznie skrócić czas, jaki klinicysta poświęca na przeszukiwanie literatury lub baz przypadków. Jego silne rezultaty w wielu układach narządów oznaczają, że może pomóc lekarzom niespecjalistom rozpoznawać schorzenia, które rzadko widują, szczególnie w szpitalach bez wyspecjalizowanych ośrodków ds. rzadkich chorób. Badanie wskazuje także na otwarte wyzwania, takie jak mylenie podobnych zespołów objawów oraz konieczność rozbudowy systemu w kierunku wczesnego przesiewu i planowania leczenia. Mimo to wyniki sugerują, że starannie zaprojektowane cyfrowe zespoły współpracujące, takie jak DeepRare, mogą skrócić diagnostyczną odyseję tysięcy rodzin, ułatwiając rozpoznawanie rzadkich chorób i rozumowanie nad nimi w codziennej praktyce klinicznej.

Cytowanie: 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

Słowa kluczowe: diagnozowanie rzadkich chorób, sztuczna inteligencja w medycynie, duże modele językowe, wspomaganie decyzji klinicznych, medycyna genetyczna