华大基因自研AI模型GeneT，加速罕见遗传病诊断

在生命科学与医学的交汇点上，人工智能正以其强大的数据处理能力和模式识别技术，引领着一场前所未有的变革。特别是在罕见遗传病领域，AI的应用不仅为疾病的诊断带来了前所未有的希望，更在缩短诊断周期、提高诊断准确性方面展现出巨大潜力。华大基因AI团队近期开发的GeneT模型，正是这一领域内的又一重要里程碑。

罕见遗传病，因其发病率低、症状复杂多变，一直以来都是医学界面临的巨大挑战。全球范围内，约有2.63亿至4.46亿人口受到罕见遗传病的困扰，而其中一半以上的疑似病例尚未得到明确诊断。即便对于已确诊的患者，其平均诊断周期也长达5至6年之久。这不仅给患者及其家庭带来了巨大的精神压力和经济负担，也严重制约了医学研究的进展。

基因测序技术的快速发展，为罕见遗传病的诊断提供了新的可能。然而，如何从海量的基因组变异数据中准确识别出致病因素，仍然是一个亟待解决的问题。华大基因AI团队开发的GeneT模型，正是针对这一难题的创新解决方案。

GeneT模型基于公开数据构建了数万例阴阳性病例的训练数据集，并引入了微调大语言模型技术，深度学习并模拟资深遗传病分析专家的解读思维。通过这一方式，GeneT模型能够高效、准确地从基因组变异数据中筛选出致病变异。在模拟样本及真实临床样本的测试中，GeneT模型展现出了令人瞩目的性能，致病变异召回率高达99%和98%，分析效率更是提升了20倍。

这一突破性成果不仅意味着GeneT模型有可能取代传统的表型驱动筛选手段，更预示着它在加速罕见遗传病研究、推动临床应用方面的巨大潜力。在实际的临床解读场景中，GeneT模型的应用也取得了显著成效，通过对比分析应用前后一个月的时间消耗和召回率情况，研究团队发现，使用GeneT辅助的专家在分析时间、选点准确性和个体表现稳定性方面均表现出明显优势。

具体而言，使用GeneT模型进行初筛的专家能够更快速地找到阳性位点，观察时间从60分钟显著缩短至约44分钟。若初筛环节直接采用GeneT结果，观察时间更是可以降低到约3分钟，效率提升了近20倍。此外，GeneT模型的应用还显著提升了召回率，从原先的94.36%上升到97.40%或97.85%。而且，随着病例库数据的不断填充，GeneT也不断的学习，综合各个数据还会有更高的提升。

除了高效和准确之外，GeneT模型还具备灵活应对多样化临床表型信息的能力。它能够结合RAG技术，提供更新、更及时的数据库检索功能，从而有效解决了当前遗传病分析解读中的痛点和难点。这一创新不仅为罕见遗传病的诊断提供了新的工具和方法，更为医学研究的深入发展开辟了新的道路。