Un Sistema Agente per la Diagnosi di Malattie Rare con Ragionamento Tracciabile

An Agentic System for Rare Disease Diagnosis with Traceable Reasoning

June 25, 2025

Autori: Weike Zhao, Chaoyi Wu, Yanjie Fan, Xiaoman Zhang, Pengcheng Qiu, Yuze Sun, Xiao Zhou, Yanfeng Wang, Ya Zhang, Yongguo Yu, Kun Sun, Weidi Xie

cs.AI

Abstract

Le malattie rare colpiscono collettivamente oltre 300 milioni di individui in tutto il mondo, eppure una diagnosi tempestiva e accurata rimane una sfida pervasiva. Ciò è dovuto principalmente alla loro eterogeneità clinica, alla bassa prevalenza individuale e alla limitata familiarità che la maggior parte dei clinici ha con queste condizioni. Qui presentiamo DeepRare, il primo sistema agente per la diagnosi di malattie rare alimentato da un modello linguistico di grandi dimensioni (LLM), in grado di elaborare input clinici eterogenei. Il sistema genera ipotesi diagnostiche classificate per le malattie rare, ciascuna accompagnata da una catena di ragionamento trasparente che collega i passaggi analitici intermedi a evidenze mediche verificabili. DeepRare è composto da tre componenti chiave: un host centrale con un modulo di memoria a lungo termine; server agente specializzati responsabili di compiti analitici specifici per dominio, che integrano oltre 40 strumenti specializzati e fonti di conoscenza medica su scala web e aggiornate, garantendo l'accesso alle informazioni cliniche più recenti. Questo design modulare e scalabile consente un ragionamento diagnostico complesso mantenendo tracciabilità e adattabilità. Valutiamo DeepRare su otto dataset. Il sistema dimostra prestazioni diagnostiche eccezionali tra 2.919 malattie, raggiungendo il 100% di accuratezza per 1.013 malattie. Nelle valutazioni basate su HPO, DeepRare supera significativamente altri 15 metodi, come strumenti diagnostici bioinformatici tradizionali, LLM e altri sistemi agenti, raggiungendo un punteggio medio Recall@1 del 57,18% e superando il secondo miglior metodo (Reasoning LLM) con un margine sostanziale di 23,79 punti percentuali. Per scenari di input multi-modale, DeepRare raggiunge il 70,60% in Recall@1 rispetto al 53,20% di Exomiser in 109 casi. La verifica manuale delle catene di ragionamento da parte di esperti clinici raggiunge un accordo del 95,40%. Inoltre, il sistema DeepRare è stato implementato come un'applicazione web user-friendly all'indirizzo http://raredx.cn/doctor.

English

Rare diseases collectively affect over 300 million individuals worldwide, yet timely and accurate diagnosis remains a pervasive challenge. This is largely due to their clinical heterogeneity, low individual prevalence, and the limited familiarity most clinicians have with rare conditions. Here, we introduce DeepRare, the first rare disease diagnosis agentic system powered by a large language model (LLM), capable of processing heterogeneous clinical inputs. The system generates ranked diagnostic hypotheses for rare diseases, each accompanied by a transparent chain of reasoning that links intermediate analytic steps to verifiable medical evidence. DeepRare comprises three key components: a central host with a long-term memory module; specialized agent servers responsible for domain-specific analytical tasks integrating over 40 specialized tools and web-scale, up-to-date medical knowledge sources, ensuring access to the most current clinical information. This modular and scalable design enables complex diagnostic reasoning while maintaining traceability and adaptability. We evaluate DeepRare on eight datasets. The system demonstrates exceptional diagnostic performance among 2,919 diseases, achieving 100% accuracy for 1013 diseases. In HPO-based evaluations, DeepRare significantly outperforms other 15 methods, like traditional bioinformatics diagnostic tools, LLMs, and other agentic systems, achieving an average Recall@1 score of 57.18% and surpassing the second-best method (Reasoning LLM) by a substantial margin of 23.79 percentage points. For multi-modal input scenarios, DeepRare achieves 70.60% at Recall@1 compared to Exomiser's 53.20% in 109 cases. Manual verification of reasoning chains by clinical experts achieves 95.40% agreements. Furthermore, the DeepRare system has been implemented as a user-friendly web application http://raredx.cn/doctor.