罕见病为何平均超过5年才能确诊？DeepRare多智能体系统以可追溯推理诊断2919种疾病，纯表型首检召回率超次优23.79个百分点
罕见病患者平均要经历超过5年的「诊断苦旅」，全球超3亿人深受其苦。上海交大与新华医院团队在《自然》发表DeepRare——一个由大语言模型驱动的多智能体罕见病诊断系统，每下结论都附带可追溯的完整证据链。系统覆盖2919种罕见病，纯表型首检召回率达57.18%，比次优方法高23.79个百分点，并在新华医院真实病例中超越资深罕见病专家。
研究背景：罕见病诊断为什么平均要拖5年以上？
罕见病，指患病率低于 1/2000 的疾病。单看每一种都很少见，但把它们加起来，全球已发现超过 7000 种、约 80% 由遗传因素导致，累计影响超过 3 亿人——这比很多常见病的总盘子还大。
真正难的地方在「确诊」这一步。因为单病种发病少、表现异质、基层医生一辈子可能都没见过几例，患者往往要经历一场平均超过 5 年的「诊断苦旅（diagnostic odyssey）」：反复转诊、被误诊、做一堆不必要的检查，既延误了治疗，也带来沉重的身心与经济负担。
长期以来，医疗 AI 在罕见病上的尝试不少，但普遍存在四个硬伤：多学科知识融合不足、训练病例太少、知识更新滞后、推理过程像「黑盒」不可追溯。医生不敢信一个「只给结论、不给依据」的 AI。这正是 DeepRare 要攻克的点。
创新点：一个「医疗多智能体工作流」如何让诊断有据可查？
上海交通大学人工智能学院（张娅、谢伟迪团队）与医学院附属新华医院（孙锟、余永国团队）联合研发的 DeepRare，是首个「推理过程可追溯」的罕见病智能医生。它的核心创新，是把诊断从「一个模型拍板」改造成一条医疗多智能体工作流：
- 由大语言模型（LLM）驱动的多智能体系统，整合了 40 余种专业工具与实时更新的医学知识源；
- 能同时处理**自由文本病历、结构化表型术语（HPO）、基因检测结果（VCF）**等多种输入；
- 最关键的差异：它每给出一个诊断，都附带一条完整、可回溯到权威医学证据的推理链——像老医生查房时，一步步讲清楚「为什么这么判断」。
一句话概括它的定位：不止告诉你「是什么」，更讲明白「为什么」。这直接回应了医疗 AI 最大的信任危机。
技术原理：临床决策智能体如何「假设—验证—反思」？
DeepRare 本质是一套临床决策智能体，采用「中枢—分身」三层架构：
- 第一层·中央主机：默认基于 DeepSeek-V3，配记忆库，负责统筹整个诊断流程、整合各类证据做最终决策；
- 第二层·专用智能体服务器：多个子智能体各管一套工具，分别执行表型/基因型分析、术语标准化、知识检索、相似病例检索等专项任务；
- 第三层·网络级医疗资源层：集成 PubMed、Orphanet、OMIM 等权威数据库，为诊断提供可溯源的证据底座。
工作流大致是：分解任务 → 检索证据 → 生成初步假设 → 自反思循环反复验证、修正甚至推翻 → 输出排序后的候选疾病列表。这个「假设—验证—自我反思」的迭代，让它具备了类似人类医生的「慢思考」能力，能主动追问缺失信息、修补逻辑漏洞。
数据说话：2919种疾病上的成绩单
团队在 9 个数据集、6401 例临床病例上做了迄今最全面的罕见病诊断评估之一，覆盖14 个医学专科、2919 种罕见病，病例来自亚洲、北美、欧洲多地。
| 评估维度 | DeepRare 结果 | 对比基线 |
|---|---|---|
| 纯表型首检召回率（Recall@1） | 57.18% | 次优方法高 23.79 个百分点 |
| 前三检召回率（Recall@3） | 65.25% | 大幅领先推理型 LLM 与传统工具 |
| 多模态（168 例）Recall@1 | 69.1% | 经典工具 Exomiser 仅 55.9% |
| 推理链专家评审一致率 | 95.4% | 由 10 位副主任医师盲法评估 |
几个结果值得单独点破：
- 纯表型就能筛：不测基因、只看临床症状，首检命中率就有 57.18%——意味着缺基因检测设备的基层医院也能做初筛；
- 超越人类专家：在新华医院 163 例真实罕见病病例中，DeepRare 的 Recall@1 达 64.4%、Recall@5 达 78.5%，超过了 5 位资深罕见病专家的平均水平，成为首个在该指标上优于医生的计算模型；
- 加基因更准：整合基因数据后，新华医院病例 Recall@1 升到 69.1%、湖南医院病例升到 63.6%；
- 架构才是关键：消融实验显示，换成别的底层 LLM 几乎不影响性能，而「智能体架构」相对裸大模型平均带来 28% 以上的 Recall@1 提升；
- 专科有分化：肾脏/泌尿系统最强（66%），肺/呼吸系统较弱（31%），提示不同专科仍需针对性打磨。
失败案例分析显示，最常见的错误是推理权重出错，其次是表型模拟诊断；而「推理事实错误」「证据关联错误」各只占 2.5%——再次印证它的可追溯设计是有效的。
应用前景与局限
DeepRare 已不只是论文：它自 2025 年 7 月上线在线诊断平台，半年内全球 600 多家医疗机构注册使用，并在新华医院内部部署、即将正式上岗协助医生「查漏补缺」。团队下一步计划发起全球罕见病诊疗联盟，并在未来半年用两万个真实病例进一步验证。
但局限也要讲透：这是一项回顾性/基准评估为主的研究，真实世界的前瞻部署效果仍需验证；不同专科性能差异明显（肺/呼吸仅 31%）；系统定位是决策支持，作者反复强调是「辅助医生」而非替代医生，最终诊断与治疗责任仍在医生肩上。
结论
DeepRare 最值得记住的一点是：它把罕见病诊断 AI 从「只给结论的黑盒」推进到「结论 + 完整证据链」的可追溯阶段。
对「医疗多智能体工作流」这个方向，它给出了一份来自顶级期刊《自然》的强证据——多智能体协同 + 可追溯推理，能在真实病例上超越资深人类专家。对患者而言，它意味着「平均 5 年」的诊断苦旅有望被大幅缩短；对行业而言，它证明「让 AI 讲清楚为什么」不是可选项，而是走进临床的入场券。
| 论文标题 | An agentic system for rare disease diagnosis with traceable reasoning（面向罕见病诊断的、推理可追溯的智能体系统） |
| 作者 | Weike Zhao、Chaoyi Wu、Yanjie Fan（共同第一作者）；Ya Zhang（张娅）、Yongguo Yu（余永国）、Kun Sun（孙锟）、Weidi Xie（谢伟迪）（通讯作者） |
| 机构 | 上海交通大学（人工智能学院）、上海交通大学医学院附属新华医院 |
| 期刊 | Nature（《自然》）2026;651(8106):775-784 |
| 发表时间 | 2026 年 2 月 18 日在线发表（2025-06-30 投稿、2025-12-30 接收） |
| DOI | 10.1038/s41586-025-10097-9 |
| PubMed | PMID 41708847 |
论文原文信息地址：https://www.simoagent.com/blog/2026-10-07-deeprare-multiagent-rare-disease-diagnosis/
参考文献
- 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
相关问题
什么是临床决策智能体？
临床决策智能体（clinical decision agent）是一种能「主动干活」的医疗 AI——它不只回答提问，还会连接外部数据库和工具，自动分解任务、检索证据、生成假设，并反复自我验证后再给出结论，同时把每一步推理的依据留痕下来。它和普通聊天机器人的区别在于：前者「主动跑流程、可溯源」，后者只在你提问后给一段文字答案。DeepRare 就是典型一例——一个由大语言模型驱动、整合 40 余种专业工具的多智能体系统，每下诊断都附带可追溯到 PubMed、Orphanet、OMIM 等权威来源的证据链。
罕见病为什么这么难确诊？
三个原因叠加：一是罕见——单病种患病率低于 1/2000，基层医生一辈子可能没见过几例；二是表现杂——罕见病常有多系统、异质性的复杂症状，容易和常见病混淆；三是缺手段——约 80% 由遗传因素导致，精确诊断往往依赖基因检测，而很多基层医院没有相应设备。这些因素叠加，让患者平均要经历超过 5 年的「诊断苦旅」：反复转诊、被误诊、做不必要的检查。DeepRare 的意义正在于：即使没有基因检测、只靠临床表型，也能给出 57.18% 的首检命中率，帮基层先把「该往哪个方向查」筛出来。
DeepRare 能替代医生吗？
不能。DeepRare 的定位是决策支持——帮医生「查漏补缺」、缩小鉴别诊断范围，而不是替代医生做最终判断。作者在论文里反复强调其辅助属性，诊断与治疗责任始终在医生身上。而且它本身也有短板：不同专科性能差异大（肺/呼吸系统仅 31%），评估以回顾性/基准为主，真实世界的前瞻效果仍需进一步验证。它最有价值的，是把「结论 + 完整证据链」的透明诊断范式带进了罕见病这个最难啃的领域。