Un sistema agéntico para el diagnóstico de enfermedades raras con razonamiento trazable

Área de la Ciencia:

• Informática Médica
• Inteligencia Artificial en Medicina
• Genómica

Sus antecedentes:

• Las enfermedades raras afectan a más de 300 millones de personas en todo el mundo, lo que presenta importantes desafíos diagnósticos.
• Los pacientes se enfrentan a una larga 'odisea diagnóstica' con retrasos, diagnósticos erróneos y cargas crecientes.

Objetivo del estudio:

• Introducir DeepRare, un sistema multiagente para el apoyo a la decisión en el diagnóstico diferencial de enfermedades raras.
• Aprovechar los modelos de lenguaje grandes y las herramientas especializadas para mejorar la precisión diagnóstica.

Principales métodos:

• DeepRare integra más de 40 herramientas y fuentes de conocimiento especializadas.
• Procesa datos clínicos heterogéneos que incluyen texto libre, términos de la Ontología de Fenotipos Humanos (HPO) y resultados genéticos.
• Un sistema multiagente impulsado por modelos de lenguaje grandes genera hipótesis diagnósticas clasificadas con razonamiento transparente.

Principales resultados:

• DeepRare demostró un rendimiento excepcional en 2.919 enfermedades de 14 especialidades médicas.
• Logró una Recall@1 promedio del 57,18% en tareas basadas en HPO, superando a otros métodos en un 23,79%.
• En pruebas multimodales, DeepRare alcanzó una precisión del 69,1%, superando a Exomiser (55,9%).
• La revisión experta confirmó un acuerdo del 95,4% en la validez del razonamiento.

Conclusiones:

• DeepRare avanza significativamente en el diagnóstico de enfermedades raras al proporcionar hipótesis diagnósticas precisas y basadas en evidencia.
• El sistema demuestra el potencial de los sistemas agénticos impulsados por modelos de lenguaje grandes para transformar los flujos de trabajo clínicos.
• Este enfoque promete reducir la odisea diagnóstica y mejorar los resultados de los pacientes con enfermedades raras.