Агентная система для диагностики редких заболеваний с прослеживаемым обоснованием

Почему важно быстрее выявлять редкие болезни

Для семей, столкнувшихся с редкими заболеваниями, выяснение названия состояния часто требует лет посещений врачей, противоречивых мнений и тупиковых ситуаций. Это долгое «диагностическое приключение» откладывает лечение, истощает сбережения и оставляет пациентов в неопределённости. В этом исследовании представлена система DeepRare — искусственный интеллект, созданный как цифровой партнёр для врачей. Она призвана выявлять редкие заболевания раньше и объяснять свою логику так, чтобы врачи могли её проверить и доверять ей.

Новый тип цифрового помощника для врачей

DeepRare разработан работать так же, как реальные клиники. Система умеет читать тексты медицинских записей, структурированные списки симптомов и результаты современных генетических тестов, после чего превращать всё это в ранжированный список возможных редких заболеваний. В отличие от многих существующих инструментов, которые просто возвращают перечень названий, DeepRare формирует пошаговую цепочку рассуждений, связывая каждое предположение с медицинскими публикациями, экспертными базами данных и похожими прошлыми случаями. Это означает, что клиницист видит не только рекомендацию системы, но и почему она её даёт.

Как система анализирует случай

Внутри DeepRare организован как «мультиагентная» система. В её центре — мощная языковая модель, действующая как координатор, принимающая решения о следующих шагах по мере поступления новой информации. Вокруг неё располагаются специализированные вспомогательные модули: одни очищают и стандартизируют симптомы, другие ищут в медицинской литературе и банках редких случаев, третьи интерпретируют длинные списки генетических вариантов. Для каждого пациента DeepRare циклически собирает доказательства, предлагает диагнóзы и затем перепроверяет собственные выводы. Если система обнаруживает слабые места в кандидате, она возвращается назад, чтобы найти более убедительные доказательства, вместо того чтобы продвигать ненадёжное предположение.

Проверка DeepRare в реальной практике

Исследователи протестировали DeepRare на 6 401 пациентском случае, взятом из девяти разных источников, включая крупные публичные наборы данных, онлайн‑кейсы и четыре крупных больницы в Европе, Северной Америке и Китае. В сумме эти случаи охватывали 2 919 различных редких заболеваний в 14 органных системах — от заболеваний мозга до почечных патологий. Используя только структурированные описания симптомов, DeepRare верно помещал истинное заболевание на первое место примерно в 57% случаев — более чем на 20 процентных пунктов лучше, чем следующий по качеству метод и значительно выше широко используемых инструментов, таких как PhenoBrain и PubCaseFinder. Когда были доступны результаты секвенирования генома, точность топ‑предсказания DeepRare выросла примерно до 69%, превзойдя ведущий генетический инструмент Exomiser в двух независимых группах больниц.

Сравнение ИИ и человеческих специалистов

Чтобы проверить, выдержит ли DeepRare конкуренцию с экспертами‑людьми, команда провела прямое сравнение на 163 сложных случаях из детской больницы. Пятерым врачам с более чем десятилетним опытом в области редких заболеваний предложили назвать до пяти возможных диагнозов на случай, пользуясь поисковыми системами, но без помощи ИИ. DeepRare получил ту же информацию о симптомах. Система не только сопоставилась с клиницистами при пяти допущенных попытках, но и превзошла их по точности одного верхнего прогноза. Другая группа из десяти врачей по редким заболеваниям изучила цепочки рассуждений ИИ для 180 случаев и посчитала более 95% приведённых им доказательств точными и релевантными, что указывает на медицинскую надёжность его объяснений, а не на простую «AI‑рассказность».

Почему прослеживаемое обоснование меняет правила игры

Помимо чистой точности, авторы утверждают, что DeepRare может изменить подход к расследованию редких заболеваний. Поскольку система связывает каждый шаг своего рассуждения с медицинскими источниками и похожими пациентами, она может значительно сократить время, которое врач тратит на поиск по литературе или базе случаев. Её высокая эффективность в разных органных системах означает, что она может помочь врачам‑не‑специалистам распознавать состояния, с которыми они редко сталкиваются, особенно в больницах без специализированных центров по редким заболеваниям. В исследовании также отмечены открытые проблемы, такие как путаница между похожими синдромами и необходимость расширения системы в сторону раннего скрининга и планирования лечения. Тем не менее результаты указывают на то, что тщательно спроектированные ИИ‑партнёры вроде DeepRare могут сократить диагностическое приключение для тысяч семей, делая редкие заболевания легче распознаваемыми и осмысляемыми в повседневной клинической практике.

Цитирование: 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

Ключевые слова: диагностика редких заболеваний, медицинский ИИ, большие языковые модели, клиническая поддержка принятия решений, геномная медицина