Ett agentbaserat system för diagnos av sällsynta sjukdomar med spårbar resonemang

Varför det spelar roll att hitta sällsynta sjukdomar snabbare

För familjer som lever med sällsynta sjukdomar kan det ta år av mottagningsbesök, motstridiga utlåtanden och återvändsgränder innan de får ett namn på sitt tillstånd. Denna långa ”diagnostiska odyssé” fördröjer behandling, urholkar besparingar och lämnar patienterna i ett osäkert läge. Denna studie presenterar DeepRare, ett artificiellt intelligenssystem utformat för att fungera som en digital lagkamrat åt läkare. Målet är att upptäcka sällsynta sjukdomar tidigare och förklara sitt resonemang på ett sätt som kliniker kan granska och lita på.

En ny typ av digital assistent för läkare

DeepRare är byggt för att fungera på samma sätt som verkliga kliniker. Det kan läsa fri-text från journalskrivningar, strukturerade symtomlistor och resultat från moderna gentester, och omvandla allt detta till en rankad lista över möjliga sällsynta sjukdomar. Till skillnad från många befintliga verktyg som bara returnerar en lista med namn, producerar DeepRare en steg-för-steg-resonemangskedja som kopplar varje förslag till medicinska artiklar, expertdatabaser och liknande tidigare fall. Det innebär att en kliniker inte bara kan se vad systemet rekommenderar utan också varför.

Hur systemet tänker igenom ett fall

Under ytan är DeepRare organiserat som ett ”multi-agent”-system. I centrum finns en kraftfull språkmodell som fungerar som koordinator och bestämmer vad som ska göras när ny information kommer in. Runt den finns specialiserade hjälpmoduler: några rensar upp och standardiserar symtom, andra söker i medicinsk litteratur och sällsynta sjukdomsarkiv, och ytterligare andra tolkar långa listor med genvarianter. För varje patient cyklar DeepRare genom att samla bevis, föreslå diagnoser och sedan ompröva sina egna idéer. Om det hittar brister i en kandidatförklaring går det tillbaka för att söka bättre bevis istället för att driva vidare med en osäker gissning.

Att testa DeepRare i verkliga förhållanden

Forskarna testade DeepRare på 6 401 patientfall hämtade från nio olika källor, inklusive stora publika dataset, online fallrapporter och fyra stora sjukhus i Europa, Nordamerika och Kina. Tillsammans täckte dessa fall 2 919 distinkta sällsynta sjukdomar över 14 organsystem, från hjärnsjukdomar till njurtillstånd. Med enbart strukturerade symtombeskrivningar placerade DeepRare korrekt den verkliga sjukdomen i topposition i cirka 57 % av fallen—mer än 20 procentenheter bättre än nästa bästa metod och långt över allmänt använda verktyg som PhenoBrain och PubCaseFinder. När gen-sekvenseringsresultat också fanns tillgängliga steg DeepRare:s topp-precision till omkring 69 %, och slog ett ledande genetiskt verktyg kallat Exomiser i två oberoende sjukhuskohorter.

Jämförelse mellan AI och mänskliga specialister

För att se om DeepRare:s prestanda stod sig mot mänskliga experter genomförde teamet en direkt jämförelse med 163 svåra fall från ett barnsjukhus. Fem läkare med mer än ett decennium av erfarenhet inom sällsynta sjukdomar ombads föreslå upp till fem möjliga diagnoser per fall, med hjälp av sökmotorer men utan AI. DeepRare fick samma symtominformation. Systemet matchade inte bara klinikerna när fem gissningar tilläts, det överträffade faktiskt deras träffsäkerhet för den enskilt bästa förutsägelsen. En annan grupp på tio sällsyndomsspecialister granskade AI:ns resonemangskedjor för 180 fall och bedömde över 95 % av dess citerade bevis som korrekta och relevanta, vilket tyder på att dess förklaringar är medicinskt tillförlitliga snarare än rena ”AI-berättelser”.

Varför spårbart resonemang förändrar spelreglerna

Utöver ren träffsäkerhet hävdar författarna att DeepRare kan förändra hur sällsynta sjukdomar utreds. Eftersom systemet länkar varje steg i sitt resonemang till medicinska källor och liknande patienter kan det dramatiskt minska den tid en kliniker spenderar på att leta i litteraturen eller söka i fallarkiv. Dess starka prestanda över många organsystem innebär att det kan hjälpa icke-specialistläkare att känna igen tillstånd de sällan ser, särskilt på sjukhus utan dedikerade centra för sällsynta sjukdomar. Studien noterar dock öppna utmaningar, såsom förväxling mellan liknande syndrom och behovet av att utvidga systemet mot tidig screening och behandlingsplanering. Ändå tyder resultaten på att omsorgsfullt utformade AI-lagkamrater som DeepRare kan förkorta den diagnostiska odyssén för tusentals familjer genom att göra sällsynta sjukdomar lättare att känna igen och resonera kring i vardaglig klinisk praxis.

Citering: 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

Nyckelord: diagnos av sällsynta sjukdomar, medicinsk AI, stora språkmodeller, kliniskt beslutsstöd, genomisk medicin