DeepRare - sztuczna inteligencja skuteczniejsza od lekarzy w diagnozowaniu rzadkich chorób
Rzadkie choroby dotykają ponad 300 milionów osób na świecie, a identyfikacja konkretnego schorzenia zajmuje średnio ponad pięć lat. Wynika to z faktu, że medycyna zna ponad 7000 rzadkich zaburzeń, a ich liczba rośnie o blisko 270 jednostek rocznie. Lekarze specjaliści, mimo wieloletniego doświadczenia, często nie są w stanie na bieżąco analizować dynamicznie zmieniającej się literatury medycznej i ogromnych baz danych genetycznych, co prowadzi do błędów i kosztownych opóźnień w leczeniu.
Zespół naukowców pod kierownictwem Weike Zhao z Uniwersytetu Jiao Tong w Szanghaju oraz badaczy z Harvard Medical School opracował system DeepRare, który rozwiązuje ten problem. Wyniki opublikowane 19 marca 2026 roku w czasopiśmie „Nature” wskazują, że algorytm ten osiągnął trafność diagnozy na poziomie 64,4% w pierwszym wskazaniu (Recall@1), podczas gdy eksperci z ponad dziesięcioletnim stażem uzyskali wynik 54,6%. System przetestowano na 6401 przypadkach klinicznych obejmujących blisko 3000 jednostek chorobowych z 14 specjalności medycznych, korzystając z danych z Azji, Ameryki Północnej i Europy.
DeepRare opiera się na zaawansowanej architekturze multi-agentowej, wykorzystującej duże modele językowe, takie jak GPT-4o i DeepSeek-V3. Konstrukcja systemu obejmuje centralnego hosta koordynującego pracę wyspecjalizowanych agentów cyfrowych. Agenci ci analizują fenotyp pacjenta (objawy opisane terminami medycznymi), genotyp (dane z sekwencjonowania egzonów w formacie VCF) oraz przeszukują ponad 40 zewnętrznych zasobów wiedzy, w tym bazy PubMed, Orphanet i OMIM. Kluczem do sukcesu jest trójwarstwowa struktura zainspirowana protokołem Model Context Protocol (MCP), która pozwala na przetwarzanie heterogenicznych danych, od opisów tekstowych po skomplikowane kody genetyczne.
Proces diagnostyczny w DeepRare obejmuje iteracyjną pętlę autorefleksji (self-reflection loop), która drastycznie redukuje ryzyko powstawania tzw. halucynacji modeli językowych. Każda postawiona hipoteza jest weryfikowana pod kątem spójności z dostępną wiedzą medyczną i opatrzona mierzalnym łańcuchem dowodowym (traceable reasoning), co pozwala lekarzom prześledzić logikę algorytmu. W testach multimodalnych, łączących dane objawowe z genetycznymi, DeepRare uzyskał wynik 69,1%, znacząco wyprzedzając dotychczasowy standard technologiczny, jakim był system Exomiser (55,9%).
Narzędzie to zostało udostępnione jako aplikacja webowa, która może służyć lekarzom jako wsparcie w codziennej praktyce, szczególnie w placówkach o ograniczonych zasobach eksperckich. Naukowcy planują dalszy rozwój systemu poprzez integrację danych obrazowych z diagnostyki radiologicznej oraz przeprowadzenie prospektywnych walidacji klinicznych. Choć DeepRare nie zastępuje lekarza, drastycznie skraca czas potrzebny na analizę tysięcy wariantów genetycznych, co może zakończyć wieloletnie odyseje diagnostyczne pacjentów.
Źródło: https://www.science.org/content/article/ai-starting-beat-doctors-making-correct-diagnoses
