ChatTogoVar: ett TogoVar-baserat retrieval-augmented generation-system för precis tolkning av genomiska varianter

Varför smartare genetiska svar är viktiga

Genetiska tester blir en del av rutinvården, men de råa resultaten är svåra att förstå. Läkare och forskare behöver veta om en liten förändring i DNA är vanlig och ofarlig eller sällsynt och kopplad till sjukdom. Stora språkmodeller, samma typ av AI som driver populära chattbottar, kan förklara komplex information på ett begripligt sätt, men de kan ibland låta säkra samtidigt som de har fel. Denna studie introducerar ChatTogoVar, ett system som kopplar en AI-chattbot till en pålitlig japansk genetisk databas så att den kan ge klarare, bättre underbyggda svar om förändringar i mänskligt DNA.

Från rått DNA till användbara svar

När en person får sitt genom analyserat blir resultatet en lång lista med små DNA-skillnader som kallas varianter. Själva kodernas innehåll säger lite om hälsa. Specialister förlitar sig på databaser som spårar hur ofta varje variant förekommer i olika befolkningar, vilka gener som påverkas och om den har kopplats till sjukdom. TogoVar-databasen fokuserar på varianter observerade hos personer i Japan och samlar information från många stora studier och kliniska resurser. ChatTogoVar bygger vidare på denna grund och fungerar som ett konversationellt lager som kan svara på frågor i naturligt språk, till exempel om en viss variant är kopplad till en sjukdom eller hur vanlig den är i vissa grupper.

Hur det nya systemet fungerar

ChatTogoVar följer en retrieval augmented generation-ansats. När en användare ställer en fråga om en specifik variant upptäcker systemet först dess identifierare och frågar TogoVars programmeringsgränssnitt. TogoVar returnerar strukturerade data som beskriver varianten, inklusive dess position i genomet, den påverkade genen, observerade frekvenser i japanska och andra populationer, förutsagt proteinpåverkan och kända kliniska tolkningar från källor som ClinVar. ChatTogoVar paketerar sedan denna information i en omsorgsfullt utformad prompt och skickar den till en underliggande språkmodell, som utformar ett läsbart svar som måste ange den databasmässiga bevisningen den använde och uppge när ingen data finns tillgänglig.

Sätta systemet på prov

Författarna jämförde ChatTogoVar med en allmän chattbot och med en befintlig variantfokuserad assistent kallad VarChat. De byggde 50 frågetyper som täcker grundläggande fakta, populationsfrekvenser, kopplingar till sjukdom, läkemedelssvar, funktionell påverkan, evolution, relaterade varianter och tillgängliga verktyg, och kombinerade dessa med 30 verkliga varianter, vilket skapade 1500 fråga- och variantpar. Mänskliga experter bedömde manuellt svaren från alla tre systemen för ett delmängd av 150 frågor och gav poäng för noggrannhet, fullständighet, logik, tydlighet och användning av bevis. En separat storskalig utvärdering använde en AI-baserad poängsättningsmetod för alla 1500 frågor för att mäta prestanda konsekvent över många varianter och ämnesområden.

Vad jämförelserna visade

Över nästan alla frågor och bedömningskategorier överträffade ChatTogoVar både den generella chattboten och VarChat. I expertgranskningen gav det bästa svaret i 90 procent av frågorna, medan den generella chattboten toppade endast i några få fall. Ett talande exempel involverade en variant som verkligen var kopplad till Parkinsons sjukdom. ChatTogoVar identifierade korrekt genen och sjukdomen och pekade på den relevanta kliniska posten, medan den generella chattboten förväxlade varianten med en i en annan gen och nämnde fel tillstånd. Den stora AI-baserade utvärderingen, som täckte tio gånger så många frågor, visade samma mönster: att förankra svar i aktuella databasregister kraftigt minskade sådana förväxlingar och ogrundade påståenden.

Steg mot säkrare genetisk rådgivning

Detta arbete visar att kombinera en chattlik AI med en kurerad genetisk databas kan göra variantförklaringar mer korrekta och bättre dokumenterade. ChatTogoVar ersätter inte expertbedömning, och det är fortfarande begränsat av täckningen hos de databaser det använder, särskilt inom områden som läkemedelsrespons och komplexa variantmönster. Genom att framhäva vad som är känt, vad som är osäkert och var stödjande data kommer ifrån, erbjuder det ändå en mer pålitlig utgångspunkt för läkare, genetiska rådgivare och forskare som måste tolka resultat från genomtester i vardaglig praktik.

Citering: 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

Nyckelord: genomiska varianter, retrieval augmented generation, TogoVar, stora språkmodeller, genomisk medicin