“孩子未滿14歲，此前因扁平足、足踝外翻等結(jié)締組織異常特征在北京看了骨科，醫(yī)生根據(jù)孩子韌帶松弛及外部特征，認(rèn)為疑似馬凡綜合征；回長沙后，先后又去了多家醫(yī)院，心外科等其他科室醫(yī)生們也給出同樣的判斷。然而，基因檢測卻未檢出馬凡，眼睛也沒有出現(xiàn)晶狀體脫落。”

近日，全國首個罕見病領(lǐng)域人工智能大模型“協(xié)和·太初”面向患者開放。帶著“孩子究竟得了什么病”的困惑，何芳（化名）將其孩子病情輸入在該模型的對話框中。

與何芳去過的這些醫(yī)院的判斷有所不同的是，“協(xié)和·太初”給出了其他疾病判斷：鑒于患者基因檢測為陰性、眼部未見典型病變，還需重點排查Loeys-Dietz綜合征、先天性結(jié)締組織發(fā)育不全綜合征，建議結(jié)合FBN1/TGFBR1/TGFBR2等多基因Panel復(fù)測。

在給出疾病判斷的同時，該大模型同時給出醫(yī)學(xué)建議和推薦就診科室，推薦何芳帶孩子做全身磁共振血管成像排查血管病變、皮膚活檢病理檢查等多項補(bǔ)充檢查。

馬凡綜合征是中國《第一批罕見病目錄》中的疾病，在中國的發(fā)病率約為1/20000-1/10000。在罕見病領(lǐng)域，由于單病種患者稀少，加之其臨床表型可能與其他罕見或常見疾病相混淆，導(dǎo)致像何芳孩子一樣，誤診、反復(fù)求診的患者并不在少數(shù)。

AI大模型的介入，正給出一種破局的可能。

在罕見病醫(yī)生欠缺、絕大多數(shù)醫(yī)院缺少罕見病多學(xué)科聯(lián)合診斷能力的背景下，利用AI初篩是否靠譜？大模型給出的診斷推理邏輯鏈，能否比肩經(jīng)驗豐富的罕見病醫(yī)生？罕見病單病種患者稀少，小樣本訓(xùn)練是否會影響模型性能？

2025年2月28日是第18個國際罕見病日。帶著上述疑問，第一財經(jīng)與“協(xié)和·太初”的研發(fā)團(tuán)隊——北京協(xié)和醫(yī)院與中國科學(xué)院自動化研究所的有關(guān)專家進(jìn)行了一次深度對話。

國際首個符合中國人群特點的罕見病大模型

2025年2月16日，北京協(xié)和醫(yī)院與中國科學(xué)院自動化研究所共同研發(fā)的“協(xié)和·太初”罕見病大模型，歷經(jīng)2年技術(shù)攻關(guān)，正式進(jìn)入臨床應(yīng)用階段。

“協(xié)和·太初”是基于協(xié)和百年積累的高質(zhì)量臨床病歷、專家診療邏輯、權(quán)威醫(yī)學(xué)知識庫（教材/指南/罕見病文獻(xiàn)）及科研教學(xué)數(shù)據(jù)集，實現(xiàn)從臨床決策到藥物臨床試驗管理的全流程智能輔助。

第一財經(jīng)了解到，在大模型研發(fā)之前，北京協(xié)和醫(yī)院已經(jīng)有了一個人工智能的表型提示工具phenobrain，應(yīng)用效果和方法已經(jīng)發(fā)表，可以提示副高級以上的醫(yī)生進(jìn)行罕見病診斷，準(zhǔn)確率達(dá)到80%。“協(xié)和·太初”在臨床應(yīng)用之前，在北京協(xié)和醫(yī)院罕見病聯(lián)合門診試點應(yīng)用一年，大模型交互能力可以進(jìn)一步提升這個水平。

“在進(jìn)入臨床應(yīng)用后，患者的自然語言能夠提供多少有效信息，關(guān)乎診斷準(zhǔn)確率。從近兩周我們收集到的500多條患者使用記錄來看，大模型給出的初篩結(jié)論基本可靠。” 轉(zhuǎn)化醫(yī)學(xué)國家重大科技基礎(chǔ)設(shè)施（北京協(xié)和）虛擬人研究平臺主任金曄告訴第一財經(jīng)。

罕見病雖然單病種患者稀少，但病種繁多，全球罕見病人群約4億之多。罕見病少，能診斷罕見病的醫(yī)生更少，有調(diào)研顯示，我國罕見病誤診率也在40%以上，平均確診時間超過4年，診療同質(zhì)性差，加之罕見病患者往往疾病進(jìn)展快，更有效的診斷路徑意味著可能為患者帶來顯著的生存受益和生活質(zhì)量提升。

近年來，AI技術(shù)在醫(yī)療領(lǐng)域的應(yīng)用展現(xiàn)出極大潛力，但在罕見病領(lǐng)域，傳統(tǒng)的AI模型因數(shù)據(jù)匱乏、知識可信度低、決策邏輯不透明等缺陷，因而難以滿足罕見病診療需求。

“協(xié)和·太初”大模型可以通過交互對話，模擬專業(yè)醫(yī)生的邏輯推理鏈條，為患者提供復(fù)雜表型的初篩，同時依據(jù)對患者基本病程的梳理，給出補(bǔ)充檢查檢驗的建議，患者可以根據(jù)模型建議在本地完善臨床檢查并提示首診醫(yī)生考慮罕見病可能。

“這意味著，通過大模型支持基于國家直報數(shù)據(jù)推薦不同級別醫(yī)療機(jī)構(gòu)在患者診療中進(jìn)行分層管理和雙向轉(zhuǎn)診，可以優(yōu)化患者就診路徑，減少患者的醫(yī)療負(fù)擔(dān)。”金曄說。

在她看來，2019年，國家衛(wèi)健委在全國部署罕見病診療協(xié)作網(wǎng)絡(luò)。北京協(xié)和醫(yī)院作為唯一的國家級牽頭單位承擔(dān)協(xié)作網(wǎng)醫(yī)院轉(zhuǎn)診申請、會診教學(xué)和公益性遺傳檢測的任務(wù)，目前該網(wǎng)絡(luò)已覆蓋全國400多家醫(yī)院。在此基礎(chǔ)上，大模型能夠優(yōu)化提升醫(yī)療機(jī)構(gòu)間協(xié)作的效率、自由度和合理性。

與此同時，在罕見病誤診、漏診率高企背后，一個不可忽視的問題就是罕見病醫(yī)生的稀缺。面向醫(yī)生的專業(yè)版能夠展示從癥狀到診斷的關(guān)鍵節(jié)點與分支邏輯，可視的決策過程不僅可以為患者提供科學(xué)有效的診療建議，還能夠幫助醫(yī)生快速掌握診療思路。

金曄認(rèn)為，任何AI工具均不能替代醫(yī)生在診療中的作用。但與國家和省級牽頭醫(yī)院醫(yī)生相比，大模型對于基層醫(yī)生診療能力的提升幫助更大，通過人機(jī)協(xié)作，基層?？漆t(yī)生也可以開展高水平診療。

如何抑制AI幻覺？

數(shù)據(jù)是大模型的底座。通常來說，其質(zhì)量和數(shù)量直接影響大模型的性能和準(zhǔn)確性。但第一財經(jīng)了解到，“協(xié)和·太初”用于學(xué)習(xí)的數(shù)據(jù)量并不大。

金曄解釋說，通用大模型往往需要利用最經(jīng)典的教材和大量的數(shù)據(jù)，實現(xiàn)訓(xùn)練和調(diào)優(yōu)。但罕見病領(lǐng)域病種繁多，且有些病種全世界通常只有幾例或者十幾例病例，甚至可以說“擁有幾百例以上病例”就是國際上較大的臨床隊列了。所以，罕見病的學(xué)科特點和數(shù)據(jù)規(guī)模決定了它天生就不是通用大模型優(yōu)先選擇的解決領(lǐng)域。

“如何在技術(shù)上解決小樣本學(xué)習(xí)的問題？怎樣通過推理并結(jié)合知識的方式，快速綁定疾病特點？采取何種診斷邏輯？能否在罕見病和與其具有相似表型的常見病之間，作出鑒別診斷？這些既是應(yīng)用難點，也是技術(shù)難點。”金曄說。

為此，協(xié)和跨學(xué)科大模型團(tuán)隊研發(fā)了主動感知交互、鑒別診斷以及“數(shù)據(jù)+知識”混合驅(qū)動等技術(shù)，并引入DeepSeek-R1的深度推理能力。

該團(tuán)隊受訪研發(fā)工程師認(rèn)為，今年，DeepSeek-R1的橫空出世，論證了通過強(qiáng)化學(xué)習(xí)的方法，能夠有效提高大模型的推理能力。“協(xié)和·太初”大模型采取“數(shù)據(jù)＋知識”雙輪驅(qū)動的“小樣本學(xué)習(xí)”模式，結(jié)合大模型的強(qiáng)推理能力，最終實現(xiàn)可信的輔助決策。

據(jù)其介紹，在“協(xié)和·太初”大模型學(xué)習(xí)時，一般只需要采集并標(biāo)注50個以內(nèi)的罕見病病例和類似規(guī)模的常見病病例，就能初步完善一種罕見病專病的“學(xué)習(xí)”。

除了知識自主迭代，“能有效抑制AI幻覺”亦是該模型的核心優(yōu)勢之一。而避免AI幻覺的核心是：以嚴(yán)格篩選的數(shù)據(jù)和經(jīng)深度治理的知識對模型的推理過程進(jìn)行約束。

受訪研發(fā)工程師認(rèn)為，如果沒有高質(zhì)量數(shù)據(jù)和高精度知識的約束，AI幻覺將難以避免。罕見病數(shù)據(jù)在互聯(lián)網(wǎng)平臺上非常稀缺。如果讓大模型通過海量公開數(shù)據(jù)去學(xué)習(xí)，勢必存在數(shù)據(jù)偏差，大模型的診斷推理過程也會產(chǎn)生知識幻覺——大模型可能利用自身在互聯(lián)網(wǎng)數(shù)據(jù)上學(xué)到有偏的知識，去做推理過程的補(bǔ)全。

“所以，我們需要讓大模型的診斷決策過程與醫(yī)生的臨床思維高度契合，以規(guī)避幻覺的產(chǎn)生。”該工程師說。

“協(xié)和·太初”引入了DeepSeek-R1的深度推理能力，并將其與北京協(xié)和醫(yī)院高精度的知識和病例進(jìn)行結(jié)合，實現(xiàn)低幻覺AI推理。

金曄表示，確保學(xué)習(xí)數(shù)據(jù)來源于協(xié)和，既是出于數(shù)據(jù)質(zhì)控的考量，也是因為這些院內(nèi)數(shù)據(jù)凝結(jié)著大量專家的循證決策依據(jù)和多學(xué)科推理的邏輯。

罕見病面向特定人群，對診斷治療非常嚴(yán)謹(jǐn)，需要有專業(yè)機(jī)構(gòu)和醫(yī)生把關(guān)，所以由他們對患者用于公共服務(wù)方式才最能體現(xiàn)價值。

“醫(yī)療問題比較復(fù)雜、容錯率低，需要謹(jǐn)慎、再謹(jǐn)慎地對待。我們相信通過優(yōu)選知識和病例去訓(xùn)練，比較踏實和穩(wěn)妥。” 金曄說。

與此同時，大模型應(yīng)用后，需要不斷迭代優(yōu)化。未來，該研發(fā)團(tuán)隊或?qū)①x予“協(xié)和·太初”更多科研用途，那么保障高質(zhì)量的數(shù)據(jù)則更為關(guān)鍵。

金曄還提到，對于其他常見疾病，AI for Healthcare和AI for Science是相對獨立的，但由于罕見病95%都沒有有效藥物，在罕見病領(lǐng)域需要把醫(yī)療和科學(xué)智能應(yīng)用進(jìn)行結(jié)合。“所以，從‘協(xié)和·太初’大模型設(shè)計的一開始，我們就考慮了今后多個擴(kuò)展性可能，尤其需要更強(qiáng)大的AI for Science能力的支持。”金曄說。