全球范围内，罕见病诊断长期面临严峻挑战。据统计，超过3.5亿患者受到罕见病影响，病种超过7000种，其中约80%为遗传性疾病。患者从发病到确诊平均需要经历5年以上延迟、7次以上就诊、3次以上误诊，平均误诊率高达40%至50%。这个现象背后反映出罕见病诊断的本质困难：症状异质性高、诊断路径复杂、医学知识分布稀疏，医生往往需要在浩瀚的医学信息中精准定位病因。传统人工智能模型与临床专家经验均难以有效应对这一"小样本、大空间"的诊断难题。 上海交通大学人工智能学院与医学院附属新华医院的研究团队针对这一全球性医疗难题，创新研发了DeepRare系统。该系统的核心突破在于三个维度的技术创新。其一，全域知识链接。DeepRare打破数据孤岛，实时整合海量医学文献知识库与真实临床病例数据，使每次诊断都能调动全球顶尖的医学知识储备。其二，深度推理能力。不同于传统AI的快速决策，DeepRare具备类似人类医生的深度思考能力，能够主动补充缺失信息，通过"假设-验证-自我反思"的迭代循环反复推敲诊断线索，修正逻辑漏洞。其三，白盒推理机制。系统生成的每个诊断结论都可完整溯源，附带清晰的证据链条，让医生不仅知道诊断结果，更能理解诊断依据，有效解决了人工智能医疗应用中的"信任危机"。 在临床实践中，DeepRare系统体现出显著的诊断优势。在仅依靠患者临床表型信息而不含基因数据的情况下，系统的表型诊断首位准确率达57.18%，相比国际最佳水平提升23.79个百分点，改变了过去"不测基因难以确诊"的困境。在回顾性人机对比实验中，DeepRare在诊断召回率上首次超越了意义在于10年临床经验的罕见病专科医生。当更引入基因测序数据后，系统在复杂病例中的综合首位诊断准确率突破70.6%，远优于目前国际通用的Exomiser工具的53.2%水平。系统推理报告中的证据归因准确率更是达到95.4%，确保了诊断过程的严谨性。 一个具体案例充分说明了该系统的临床价值。新华医院曾接诊一名来自广西的患儿，自出生起便出现发育迟缓、面部特征异常、生殖器发育异常等多种症状，经过多年求医仍未确诊。在DeepRare系统启动测试后，医生团队重新分析该病例，系统迅速指示患儿可能患有普拉德-威利综合征，这一罕见复杂遗传病的发病率仅为三万分之一至万分之一。该病例的成功诊断充分证明了系统在解决医学难题中的实际应用潜力。 DeepRare系统的研发成果已于2月19日发表于国际顶级学术期刊《自然》，同期国际学者撰文评论指出，该系统最重要在于打破人工智能临床诊断的"黑盒"困境，通过完整可信的推理过程赢得医学界信任，并构建了"实时知识检索+自我反思迭代"的通用技术框架，为其他需要复杂逻辑推理的领域提供了共通的解决思路。
罕见病诊断的关键在于可靠的推理过程而非简单结论；像DeepRare这样注重证据和可验证性的工具，正在将医学知识转化为实际诊疗能力。这类创新技术的规范应用，不仅能帮助更多疑难病例获得确诊，也将提升医疗体系的精准诊疗水平。