微软联合多机构研发 AI 助手：帮医生筛查罕见病基因变异

全球大约有 5 亿人正被各种罕见病困扰。对很多家庭来说，确诊就是一场长达数年的拉锯战，要做无数次化验、影像检查甚至侵入性穿刺。

全基因组测序本来是最有希望的破局手段，但现实往往很骨感：医生和分析师在超过 100 万个基因变异里翻找线索，整个流程要走 3 到 12 周。更让人泄气的是，初次测序真正能确诊的病例连 50% 都不到。

剩下那些没能确诊的病例，只能暂时被归档封存。其实随着医学研究推进，新论文里随时可能出现关键线索，但分析师根本没有精力天天去翻旧档案。

针对这个死结，微软研究院联合德雷塞尔大学和博德研究所，在《ACM 交互式智能系统汇刊》上发表了一项专门研究，尝试用生成式 AI 为遗传学专家打造一个重分析助手。

为什么 87% 的医疗 AI 从未落地

这项研究先抛出了一个相当扎实的数据：业内大约 87% 的 AI 系统最终根本没能部署，最核心的原因不是算法不够强，而是它们解决错了问题。

为了不重蹈覆辙，研究团队先深度访谈了 17 位一线遗传学专业人员，把全基因组分析中的卡点摸了个底朝天，最后归结为三件事。

第一是信息过载。分析师必须在各种数据库和海量文献里人工比对基因与变异信息，不仅极度耗时，而且极容易看漏。

第二是协作分享太原始。团队成员之间交流线索往往还在用非常低效的传统方式，彼此的思考过程很难沉淀和复用。

第三则是积压病例的重分析排序。医学界每天都在发新论文，但到底哪一篇论文能对上哪一个陈年积压病例，大家心里完全没有谱，只能靠运气。

让 AI 盯住文献，把旧病例捞出来

理清痛点之后，微软与专家们一起设计了 AI 助手的原型，重点只抓专家们最想要的两个能力。

第一个功能是文献线索自动预警。AI 会持续跟进最新发表的科研文献，一旦发现某个新突变位点或疾病关联，就会主动向分析师发出提示，标出哪些积压的旧病例值得拿出来重新分析。

第二个功能是基因变异信息自动聚合。面对像 seqr 这类基因数据分析工具里翻出来的成千上万个变异，AI 可以直接从海量文献里提炼出核心证据，排成易读的摘要，省去专家一篇篇啃论文的时间。

更有意思的是协作机制的设计。遗传学专家们非常警惕 AI 的幻觉和误导，因此原型系统不仅支持多人共同编辑和标记 AI 提炼的内容，还会把每个人的批注和修改痕迹清晰展示出来，让可信度建立在人类专家的交叉验证上。

为什么重要

我们认为，这项研究最聪明的地方，在于微软没有盲目去训练一个试图替代医生下诊断的“全能大模型”，而是把切入点选在了一个极其具体又痛苦的工作流上：文献监控与积压病例筛选。

对一线遗传分析师和罕见病家庭来说，它的价值非常直接。很多罕见病不是治不了，而是卡在“不知道得的是什么病”。如果能用 AI 把文献和未解病例自动对齐，哪怕只帮 5% 的积压病例找到病因，拯救的也是实打实的生命。

这给医疗 AI 行业提供了一个很好的范式：与其把精力花在卷参数和刷基准分数上，不如把那 87% 无法落地的教训吃透，老老实实融入 seqr 这种专家每天都在用的现有工具里。

不过隐患同样存在。基因诊断容错率极低，AI 提炼文献时的疏漏可能直接导致误判，或者反过来产生过多的“虚警”，让原本就疲于奔命的医生陷入新的信息干扰。未来这种系统能不能真正走进临床，核心就看它在减少漏诊和控制假警报之间，能不能找到那个精准的平衡点。