中文标题：具有可追溯推理能力的罕见病诊断智能体系统
英文标题：An agentic system for rare disease diagnosis with traceable reasoning
发布平台：Nature
发布日期：2026-02-18
引用量（非实时）：19
DOI：10.1038/s41586-025-10097-9
作者：Weike Zhao, Chaoyi Wu, Yanjie Fan, Pengcheng Qiu, Xiaoman Zhang, Yuze Sun, Xiao Zhou, Shuju Zhang, Yu Peng, Yanfeng Wang, Xin Sun, Ya Zhang, Yongguo Yu, Kun Sun, Weidi Xie
文章类型：journalArticle
品读时间：2026-03-06 11:37
1 文章萃取
1.1 核心观点
DeepRare 采用模块化多层架构，能够通过中央 Agent 调度多个子 Agent 进行数据的增强和分析，之后中央 Agent 进行信息的汇总和多轮反思，生成全面的诊断推理链，提供透明且易于理解的分析结果，从而提升临床决策水平
DeepRare 在涵盖 14 个医学专科的 2919 种罕见病的全部八个数据集中的诊断准确性均具有显著优势，并进行严格的错误分析和消融实验，展现出卓越的有效性和通用性
1.2 综合评价
逻辑透明可追溯，和传统工具比优势明显 实践效果出色，评估方式丰富，过程严谨 代码开源，文章内容存在一定冗余和重复
1.3 主观评分：⭐⭐⭐⭐
2 精读笔记
2.1 前置知识
罕见病：
- 发病率低于 0.2%的疾病，目前约有 7000 种
- 罕见病覆盖超过 3 亿人群，其中约 80%为遗传因素引起
- 临床表现：患者异质性高，诊断难度大，容易误诊和反复转诊
AI 诊断罕见病的难点：
- 多学科交叉；罕见病的症状表现复杂、异质且多系统，其诊断依赖多学科医学知识
- 病例有限；限制了训练数据的可用性，模型开发难度大，过拟合和灾难性遗忘风险高
- 知识动态更新；罕见病知识体系变化快，每年约有 260 至 280 种罕见遗传病被发现
- 透明度和可追溯性；临床应用需要可解释性；诊断建议必须有透明、可追溯的推理过程
HPO 术语：
- 人类表型本体数据库（Human Phenotype Ontology, HPO），一个用于标准化描述人类疾病表型异常的数据库，通过建立标准化医学名词和术语，精准描述患者症状表型，促进疾病诊断，确定致病基因，寻找疾病与特定表型间联系
罕见病诊断工具 1：PhenoBrain
- 以自由文本或结构化的 HPO 条目作为输入，并通过集成方法，结合基于图的贝叶斯方法（近端策略优化）和两种机器学习方法（互补朴素贝叶斯和多层感知器）的结果，通过其 API 建议最有可能出现的罕见疾病
罕见病诊断工具 2：PubCaseFinder
- 一个网站，可以先提取自由文本输入，然后通过匹配 PubMed 报告中的类似病例来分析 HPO 项目，返回具有置信度评分的顶级潜在罕见病建议，可通过其 API 访问。
基因分析工具：Exomiser
- 一种变异优先级排序工具，它将基因组变异数据与 HPO 表型术语相结合，以识别罕见遗传疾病中的致病变异。它整合了群体频率、致病性预测和表型-基因关联，从而对候选变异进行排序
2.2 DeepRare 框架
DeepRare 。该系统包含三个核心组件：
- (1) 中央主机智能体 Central host，包含一个本地部署的 LLM（DeepSeek-V3），配备内存记忆库，用于整合和综合诊断信息，并协调诊断系统的操作流程；
- (2) 专用的本地智能体服务器 Agent servers，每个服务器管理一套本地的工具集，通过与特定的诊断资源环境进行交互，来进行罕见病相关的分析任务；
- (3) 异构的外部医疗数据源 External data source，包括结构化知识库（例如，研究文献、临床指南）和真实世界的患者数据，提供必要的、可追溯的诊断证据
DeepRare 罕见病的诊断流程：
- （a）DeepRare 的输入为多模态患者数据，包括电子病历文本、HPO 术语、基因组信息
- （b）分层式 MCP 架构处理，中央主机会先分解诊断任务，并协调 Agent 服务器；Agent 服务器将根据各自的职能来进行相关的数据搜集和分析
- （c）中央主机汇总多个 Agent 服务器提供的证据，生成初步诊断假设，之后进行自我反思；对于不通过的假设，中央主机会获取更多的患者特异性证据，并重复以上诊断过程，直至获得满意的诊断结果，并进行最终的结论输出
- 输出为诊断列表（按概率从高到低），每个诊断都包含具有证据支持的推理链描述
Agent servers 说明：
- 表型提取器：将患者相关的症状咨询记录，转化为标准的 HPO 实体；该模块依赖基于 BERT 的文本编码器 BioLORD 进行命名实体归一化；实体归一化方法为基于实体文本嵌入的相似度最高的原则进行标准词映射，最高相似度低于 0.8 的实体丢弃
- 疾病标准化器：和表型提取器的方法一样，只是映射的疾病标准字典为 Orphanet 或 OMIM
- 知识检索器：借助多个搜索工具来进行实时检索增强（1）通用网络检索，包括 Bing、Google 和 DuckDuckGo（2）医疗领域检索，PubMed、langchain_community 和 Crossref（3）罕见病特定知识库，如 Orphanet、OMIM 和 HPO（4）一般医学知识库，维基百科和 MedlinePlus
- 病例检索器：每位患者都以 HPO 术语列表的形式表示，根据嵌入表示的相似度来识别 Top50 患者，之后使用医疗微调的 BERT 模型（MedCPT-Cross-Encoder）来进行重排序
- 表型分析器：分别将标准的 HPO 结果，输入 PhenoBrain、PubcaseFinder 和零样本 LLM，并将其的罕见病诊断输出结果作为额外信息提供
- 基因型分析器：利用 Exomiser 专业工具对变异基因进行注释和疾病关联预测，输出表型评分、变异评分、统计显著性和疾病分类和表型等信息
2.3 实验评价
评价数据集：
- 七个公共数据集和两个内部数据集，共九个罕见病诊断数据集
- 数据集共包含 6401 例临床病例，涵盖了亚洲、北美和欧洲不同人群
- 内部数据集（330 例）来自上海新华医院和湖南湘雅医学院附属儿童医院
评价方法：
- 对于每个诊断任务，工具/模型/Agent/系统生成了五个最可能的诊断预测
- 用 GPT-4o +提示词来确定诊断预测结果的正确性，并给出 Recall@K
- 八位罕见病专家（十年+临床经验）独立验证 LLM 评估结果的准确性
对诊断工具、通用 LLM、推理增强型 LLM、医学优化 LLM 和 Agent 系统进行比较评估：
其他评价结果：
- DeepRare 在 Recall@1 和 Recall@3 指标上的平均得分分别为 57.18%和 65.25%，分别比排名第二的方法（推理增强型 LLM）高出 23.79%和 18.65%
- 在多模态输入场景下，DeepRare 的 Recall@1 达到了 69.1%，优于 Exomiser 的 55.9%
- 医生排名与 LLM 排名之间的 Pearson 相关系数为 0.8689，结果高度一致；临床专家还证实了其中间推理步骤在医学上有效且可追溯至权威来源
- DeepRare 在 14 种专科领域均展现出显著的性能优势；DeepRare 在肾脏和泌尿系统方面表现最佳，准确率达到 66%，而在肺部和呼吸系统方面表现相对较低，准确率为 31%，这反映了其临床应用范围的限制
- 对于病例数较多（>10 例）的疾病，DeepRare 展现出持续且显著的性能优势；而对于病例数较多（<=10 例）的疾病，DeepRare 诊断准确率（ Recall@1 > 0.8），依然显著优于 DeepSeek-V3 (23.5%) 和 DeepSeek-R1 (26.6%)
- DeepRare 在罕见病表型分析和诊断任务中超越专家；DeepRare 的 Recall@5 为 78.5%，显著优于临床医生 65.6%； Recall@1 为 64.4%，超过医生 54.6% 的水平
- DeepRare 的平均参考文献准确率为 95.4%，主要包含两大类错误：（1）虚假参考文献，即模型生成看似合理但实际上不存在的 URL（2）不相关参考文献，即由于错误的诊断结论导致模型引用与真实疾病无关的文献
- 推理失败分析（1）推理权重错误 41%，逻辑结构正确但容易过分强调非特异性特征（2）表型混淆诊断 38.5%，可以识别临床类型，但无法区分分子层面的实体差异（3）病因诊断错误 15.5%（4）推理错误 2.5% （5）检索信息错误 2.5%
- 消融实验：在历史先例稀少的情况下，知识工具和反思推理能够维持稳健的诊断性能。相反，在具有丰富相似患者的场景中，基于案例的检索能够带来显著的性能提升
基于 DeepRare 的 Web 应用流程示意：
- 临床数据录入：输入人口统计学参数、家族史和临床表现，支持可选文件上传（医学影像、实验室报告、VCF文件）。
- 系统性临床问询：AI引导的症状细化，针对器官受累和疾病进展进行深入采集。
- HPO表型映射：自动化术语标准化，并提供临床医生可调的校准界面。
- 诊断分析：集成工具协同运作，生成基于证据的推荐建议。
- 报告下载：自动导出结构化临床报告（支持 PDF/Word 格式）