罕见病诊断如何突破5年等待？DeepRare多智能体系统首诊准确率64.4%超越资深医师

一、研究背景

全球有超过3亿人受罕见病困扰，但及时准确的诊断仍然是临床上的紧迫难题。由于罕见病种类繁多（超过7,000种）、单一病种病例稀少、临床表现复杂且常与其他常见病混淆，患者从首次就诊到最终确诊的平均时间长达5年以上，期间往往经历反复转诊、误诊和不必要的检查干预，延误治疗时机并带来巨大的身心与经济负担。

近年来，大语言模型在医学问答、影像判读等任务上取得了令人瞩目的进展，但在罕见病诊断这一高度专业化的领域，现有模型仍面临三大挑战：其一，罕见病相关知识在通用训练语料中占比极低，模型缺乏足够的领域知识储备；其二，真实临床诊断需要整合自由文本主诉、结构化表型术语、基因检测报告等多种异构信息，单一模型难以胜任；其三，临床医生对AI诊断结果最核心的信任门槛——“这个结论是怎么得出来的”——始终未能被有效解决。

二、研究创新点

2026年2月19日，上海交通大学人工智能学院谢伟迪副教授、张娅教授团队联合新华医院孙锟教授、余永国教授团队，在国际顶级期刊《Nature》上发表了DeepRare系统。该系统是全球首个推理过程可完全追溯的罕见病多智能体诊断系统，核心创新体现在三个层面：

第一，三层多智能体架构。 DeepRare受模型上下文协议（Model Context Protocol, MCP）启发，设计了"中央主机—专用智能体服务器—外部数据源"三层架构。中央主机（默认使用DeepSeek-V3）负责编排整个诊断工作流并综合所有证据；6个专用智能体服务器分别执行表型提取、疾病规范化、知识搜索、病例检索、表型分析和基因型分析等任务。

第二，集成40+专用工具与多模态知识源。 系统接入了PubMed（>3,400万篇论文）、Orphanet（>6,000种罕见病）、OMIM（>17,000个基因）、HPO（>18,000个术语）等权威知识库，以及Exomiser变异优先级排序工具、BioLORD医学术语规范化引擎等专业工具，同时整合了67,795个真实病例作为相似病例检索库。

第三，自反思诊断机制与可追溯推理链。 系统在初步诊断后会启动自反思验证循环：若所有候选疾病被排除，则回到起点增加搜索深度后重新迭代。最终输出的每条诊断假设都附带完整推理链，并链接到可验证的医学文献证据，真正实现了"每一步推理都有据可查"。

三、技术原理

DeepRare的工作流程分为两大阶段。

第一阶段：并行信息收集。 系统接收患者临床输入（自由文本描述或结构化HPO术语）后，同时启动两条处理管线——表型处理管线通过LLM两阶段推理提取标准化HPO术语，经BioLORD进行命名实体规范化，再调用知识搜索器和病例搜索器检索相关医学文献和相似病例，最后由PhenoBrain、PubcaseFinder等专业工具进行表型分析；基因型处理管线则在有WES数据时通过Exomiser框架进行VCF注释和变异优先级排序。两条管线的结果汇聚至中央主机。

第二阶段：自反思诊断。 中央主机综合所有证据形成初步诊断假设，随后启动自反思验证。如果验证未通过，系统增加搜索深度重新迭代；验证通过后，生成完整推理链——每一步推理均附带PubMed、Orphanet等来源的可点击证据链接。后处理环节还会自动验证URL有效性，移除失效链接以最大程度减少幻觉。

值得注意的是，DeepRare采用免训练（training-free） 方法——智能体的诊断能力完全来自对工具的编排调用和知识检索，不依赖对特定疾病的微调，这使得系统天然具备向新疾病泛化的能力。

四、实验结果

研究团队在来自亚洲、北美和欧洲的9个数据集上对DeepRare进行了全面评估，涵盖14个医学专科、2,919种罕见病，共计6,401个临床病例。

核心性能指标（基于HPO）： 在仅依赖标准化表型术语（无基因数据）的条件下，DeepRare的平均Recall@1达到57.18%，超过次优方法Claude-3.7-Sonnet-thinking（33.39%）达23.79个百分点；Recall@3达65.25%，远超所有基线模型。

加入基因数据后： 当整合全外显子组测序数据后，DeepRare在新华医院168例数据集上的Recall@1从39.9%跃升至69.1%，在湖南儿童医院162例数据集上从33.3%跃升至63.6%，均显著优于经典生物信息学工具Exomiser（分别为55.9%和58.0%）。

与专家对比： 在163例新华医院真实病例上，DeepRare的Recall@1达64.4%，超越5位10年以上临床经验的罕见病资深医师（54.6%）；Recall@5达78.5%，同样高于医师（65.6%）。这是AI在罕见病表型诊断任务上首次超越专家级临床医生的报道之一。

推理链可靠性： 10位副主任医师对180个病例的推理链进行独立评审，平均参考准确性达95.4%，证实了系统推理过程的临床有效性和可追溯性。

五、应用前景

DeepRare的临床转化速度令人瞩目。该系统自2025年7月起上线在线诊断平台，半年内全球已有600多家医疗机构注册使用，覆盖国内大型三甲医院至欧美顶尖实验室。在上海新华医院，DeepRare已完成内部署，即将正式上岗辅助医生为罕见病患者"查漏补缺"，降低漏诊风险。

这一系统的应用场景远不止于罕见病诊断本身。其三层MCP架构和多智能体编排设计为医疗AI提供了一种通用范式——不同专科只需替换对应的知识库和专用工具，便可构建面向心血管、肿瘤、神经等领域的专业化诊断智能体。对于基层医院而言，DeepRare在无基因检测条件下的57.18%首诊准确率意味着，它可以在缺少先进检测设备的场景中承担初步筛查角色，帮助基层医生更快地识别疑似罕见病患者并引导其及时转诊至专科中心。

研发团队同时披露了下一步计划：发起全球性罕见病诊疗联盟，并在未来半年内用20,000个真实病例对系统进行进一步验证。

六、结论

DeepRare代表了医疗AI从"给出答案"到"给出依据"的关键范式跃迁。通过三层多智能体架构集成40+专用工具和全球权威医学知识源，该系统不仅在2,919种罕见病上实现了超越资深医师的诊断准确率，更重要的是以95.4%的推理链准确率建立了临床可追溯性——这正是医生愿意信任AI诊断的前提。正如央视新闻报道所言：这套系统"每下一个诊断，都会附带完整的证据链，就像老医生查房时，一步一步讲清楚为什么这么诊断。“在罕见病诊疗资源极度不均衡的全球背景下，DeepRare为弥合这一鸿沟提供了一条技术可行、临床可信的路径。

参考文献

1. Zhao W, Wu C, Fan Y, et al. An agentic system for rare disease diagnosis with traceable reasoning. Nature. 2026;651(8106):775-784. doi:10.1038/s41586-025-10097-9
2. Nguengang Wakap S, et al. Estimating cumulative point prevalence of rare diseases: analysis of the Orphanet database. Eur J Hum Genet. 2020;28(2):165-173.
3. Ferber D, et al. Towards autonomous medical artificial intelligence agents. Nature. 2026. doi:10.1038/s41586-026-10922-2