创作者写的节目说明

本期我们聊一聊智能体 Agent，以及其在医学遗传中的应用。以罕见病辅助诊断系统 DeepRare 和自动化 ACMG/AMP 变异分类框架 AI-CURA 为例，看一看它们如何检索相似病例、调用专业工具、阅读文献并将研究证据映射到诊断或变异评级。同时，我们也分析了两类系统的局限：DeepRare的性能高度依赖相似病例库，面对库外疾病和新基因时的能力仍待验证；AI-CURA依赖高质量、可获取的全文文献，在第三方检验所却难以获取，距离持续、合法、稳定的临床应用还有一定距离。由此，本期提出遗传学Agent未来的三个发展方向：积累高质量的真实世界数据，完成病例、表型、变异和文献证据的清洗与结构化，以及发展能够直接理解DNA序列和调控机制的基因组基座模型。

参考文献：

Zhao W, et al. An agentic system for rare disease diagnosis with traceable reasoning. Nature. 2026. 论文链接
Ma W, et al. AI-CURA, an automated LLM workflow for high-accuracy genetic variant classification. Science Translational Medicine. 2026. 论文链接
Chen, et al. PhenoApt leverages clinical expertise to prioritize candidate genes via machine learning. The American Journal of Human Genetics. 2022. 论文链接

特别鸣谢我的师弟蔡继昊，我们一起讨论了 deepRare 的一些 limitation，产生了很多灵感。

若对播客有任何问题或者投稿，或需要获得文字版音频总结，请联系我 [email protected]
小红书 / 微博：@撸森森
同时也可以添加微信 zhaosen830 进入听友交流群，谢谢 Thanks♪(･ω･)ﾉ

在小宇宙查看该单集文稿

AI 看点

本期看点

AI 从整集转写里归纳的，不是节目方的宣传语

最值得听的

DeepRare的消融实验显示，准确率主要来自历史病例数据库，而非四十多个工具的智能调用。

别处听不到的

主播以第三方检验所从业者身份指出：AI-CURA读的文献是研究者自行下载的，真实场景里第一步就会失败。

最打动人的

转录本对不上、氨基酸就对不上，这类每天都在发生的错位，主播说不能指望智能体，得靠人类智慧。

AI 推荐理由

为什么值得听

AI 读完整集转写后给出的推荐理由

今年两个最受关注的遗传学智能体，被一位做基因组解读的从业者拆开来看：DeepRare的诊断率57%听着漂亮，但消融实验显示功劳主要归历史病例数据库，相对十几年前的Exomiser提升有限；AI-CURA与人类一致率99%，可它读的文献是研究者自己下载的，第三方检验所根本没权限。他还给出数据为王、转录本映射、基因组基座模型三个方向。

AI 概要

本期概要

由 AI 从整集转写生成，是创作者说明之外的补充

本期聚焦医学遗传领域的智能体应用，先厘清智能体与大语言模型的区别——智能体等于大模型加工具调用，核心是一个「调用工具、检查结果、再循环」的for循环。随后剖析两个今年发表的代表性工具：罕见病诊断系统DeepRare（《Nature》）与ACMG变异分级系统AI-CURA（《Science Translational Medicine》）。主播肯定其成果，同时指出关键问题：DeepRare的准确率主要来自历史病例数据库而非智能体架构，相对Exomiser提升有限；AI-CURA依赖研究者自行下载的文献全文，第三方检验所缺乏文献权限，落地即失败。最后提出三个发展方向：数据为王而非智能为王、提前完成数据清洗与转录本映射、发展基因组语言基座模型并对自有组织数据做后训练。

AI 识别的章节

章节

点一章从那里开始播 · 与上面创作者标的时间点各自独立