大模型輔助識別罕見病致病變異，有奇效

對罕見病患者而言，越早確診越有治愈希望。國際罕見病研究聯盟第二個十年計劃(2017-2027)的首要目標就是“讓所有罕見病患者在就診后的一年內獲得精準診斷”。在大語言模型快速發展的今天，這一理想正在照進現實。

7月28日，《中國科學報》從華大基因獲悉，其旗下人工智能（AI）團隊已將大模型技術引入罕見遺傳病的解讀工作中，不僅能準確判斷治病變異位點，還可大大提高診斷效率，相關工作已于近日公布于預印本平臺medRxiv。

記者了解到，華大基因AI團隊近期首次應用微調大語言模型來識別罕見遺傳疾病的致病變異，開發出了一種由大語言模型驅動的新方法“Genetic Transformer” (以下簡稱GeneT)。前期實驗結果顯示，GeneT在模擬樣本和真實臨床樣本中分別達到99%和98%的致病變異召回率，同時分析效率最高提升了20倍。

具體而言，研究團隊利用公開數據構建的數萬例陰性和陽性病例作為訓練數據集，并將“基于資深遺傳病分析專家們解讀思維鏈構建的提示詞”作為模型微調的邏輯基礎，引導基礎大語言模型學習罕見遺傳病致病變異篩選的能力。研究團隊對6個不同參數量的大語言模型進行微調，使模型專注于致病變異篩選這一任務，最終打造出GeneT。

值得一提的是，小參數量的模型具有和大參數量模型相當甚至更優的最佳預測性能，這對于其未來部署和使用都是更優選擇。

為驗證結果的可靠性，研究團隊利用真實臨床場景驗證展示了其相較于傳統工具及遺傳病人工篩選的優勢。研究安排專家1（應用了GeneT輔助）和專家2（對照）分別進行候選報出變異的初步篩選和初篩結果復核。結果顯示，專家1可以在更短的分析時間內定位陽性位點（若初篩環節也使用GeneT結果，分析時間可以從60分鐘縮短到約3分鐘），且有更準的選點和更穩定的個體表現。

真實臨床場景下GeneT的分析效率和性能表現。圖片來自論文

研究者在論文中表示，這項研究成果代表了一種遺傳病解讀分析方法的“范式轉變”，以基因檢測大數據為基礎、AI算法為核心的智能化篩選工具的開發，正在加速相關罕見病的診斷進程。

值得一提的是，近期沙特阿拉伯阿卜杜拉國王科技大學和美國費城兒童醫院，兩個獨立的研究團隊先后評估了大模型在罕見遺傳病診斷中進行基因優先排序的實用性。他們的研究結果也表明，大模型憑借其在處理大規模文本數據和復雜問題上的能力，有望輔助臨床醫生和研究人員更高效地識別疾病相關的基因和變異。

相關論文信息：

https://doi.org/10.1101/2024.07.18.24310666