《npj Genomic Medicine》：aiDIVA – hybrid AI for rare disease diagnostics using evidence-based, machine learning and language models
编辑推荐：
基因组测序能够准确检测遗传变异，并正在变革罕见病诊断。尽管数据生成具有可扩展性，但变异优先级排序和临床解读仍具挑战性，通常需要专家手动分类。因此，需要人工智能驱动的决策支持系统来辅助致病性变异识别，或完全自动化地对未解决病例进行大规模再分析。现有工具通常评估变
基因组测序能够准确检测遗传变异，并正在变革罕见病诊断。尽管数据生成具有可扩展性，但变异优先级排序和临床解读仍具挑战性，通常需要专家手动分类。因此，需要人工智能驱动的决策支持系统来辅助致病性变异识别，或完全自动化地对未解决病例进行大规模再分析。现有工具通常评估变异对蛋白质功能的影响，但很少有工具整合基因组、表型和临床注释数据进行诊断。我们提出aiDIVA，这是一种集成人工智能，结合了基于基因组和表型数据训练的统计和机器学习模型，用于在每位患者数以万计的变异中识别致病性变异。aiDIVA应用随机森林模型对致病性进行分类，并为显性和隐性遗传病生成基于证据的评分。这些预测与临床元数据整合，以优先排序最可能的致病变异。大型语言模型进一步优化并解释结果。aiDIVA-meta模型将所有评分整合为排序列表。在训练前收集的队列中，aiDIVA-meta在97.4%的具有ClinVar或HGMD先前证据的病例中将致病变异列入前3名候选；在训练后收集的先前未报告变异队列中，该比例为93.3%。
论文解读
一、研究背景与问题
随着测序技术的进步，基因组测序（GS）已广泛应用于临床研究和诊断。然而，每个受检个体中可检测到数百万个胚系变异，如何从海量变异中精准识别致病性变异成为临床解读的核心瓶颈。尽管近年来诊断技术不断改进，大多数罕见遗传病（RD）的诊断率仍低于40%，大量患者及其家庭持续经历漫长的“诊断之旅”。基因组数据集的复杂性及其分析选项的不断增加，可能进一步加剧最终临床评估的瓶颈，延长确诊和个性化治疗的时间。依据数据背景和临床情境，即便经过严格的生物信息学预处理和过滤，仍有数百个变异需要人工评估。
过去十年间，国际上已制定评估遗传变异致病性的指南。常用的美国医学遗传学与基因组学学会（ACMG）指南将变异分为五级：致病性、可能致病性、意义不明确（VUS）、可能良性和良性。分类过程涉及多种证据类型，包括基因水平数据、人群数据、计算预测、功能数据和分离信息。已有若干工具可半自动化评估特定疾病和基因子集的ACMG标准，但其诊断准确性差异较大。机器学习（ML）已被证明可改善小编码变异的致病性预测，例如CADD、FATHMM-XF和REVEL等模型。这些模型通常在具有既定ACMG分类的变异（如ClinVar或HGMD中的记录）上训练，通常包含广泛的特征，如人群等位基因频率、进化保守性、RNA和蛋白质结构效应等。然而，研究表明，当同一训练和评估数据在多个模型中重复使用时，模型训练常存在数据循环偏差。此外，ML方法所需的多个预计算特征往往不完整或过时，且多数功能影响预测器仅关注单核苷酸变异（SNV），对插入缺失（indel）的分类支持不足。临床上，大多数indel特异性工具在诊断工作流程中表现不佳，剪接变异和启动子变异还需专门的工具。尽管计算机预测工具不断进步，致病变异的正确归属仍依赖于与详细表型信息的关联。目前整合表型和分子特征以定位罕见孟德尔病致病变异的工具稀缺，现有方法多依赖过时的预计算致病性评分、固定的HPO-疾病基因图谱，且无法筛选最新文献中的新基因-疾病关联。此外，许多方法仅在公共数据集或小型临床队列中评估，其在常规临床诊断中对新病例的实际性能存在不确定性。
近期生成式人工智能的进展和可靠大型语言模型（LLM）的出现，为开发AI辅助诊断方法提供了契机。已有研究探索LLM仅从表型信息中优先排序候选基因，但性能有限。本文旨在开发一种结合循证、ML和LLM的混合AI系统，以解决上述诊断瓶颈。
二、研究内容与主要技术方法
研究人员开发了aiDIVA平台，采用集成AI策略，结合统计模型、ML分类器和LLM，对罕见病病例中的变异致病性进行分类并优先排序致病变异。主要关键技术方法包括：（1）基于随机森林（RF）的致病性分类模型aiDIVA-RF，该模型使用ClinVar数据库中90,400个致病性变异和65,202个良性变异以及21个基因组特征进行训练，采用独立验证集（HGMD/gnomAD）评估泛化能力；对于框内插入缺失（indel），采用邻近SNV簇模拟其影响进行评分。（2）基于证据的评分模型aiDIVA-EB，分为显性（aiDIVA-EB-dominant）和隐性（aiDIVA-EB-recessive）两个子模型，利用ClinVar、HGMD、OMIM等数据库及文献中的已知证据，结合分子遗传特征和表型特征进行加权评分。（3）LLM优化模块，将三个前置模型（aiDIVA-RF、aiDIVA-EB-dominant、aiDIVA-EB-recessive）各自排名前十的变异输入GPT-4o，通过提示工程（包含基因、变异后果、合子性、HPO表型、年龄、性别）优化排名并生成解释。（4）元模型aiDIVA-meta，采用RF集成所有前置模型的排名和评分，生成最终临床报告排序。研究使用了来自研究机构内部的大型队列：基准测试队列包含3041例经遗传学专家确诊的罕见病病例（1975例外显子组测序ES和1066例基因组测序GS），用于模型训练和验证；另收集了1014例在GPT-4o训练完成后（2024年6月之后）确诊的独立队列，其致病变异在训练时不存在于ClinVar或HGMD，用于评估模型对新变异的泛化性能。此外，还纳入了4877例既往未解决病例用于再分析研究。
三、研究结果
1. 致病性分类与最可能致病变异排序
aiDIVA-RF在ClinVar测试集上对错义变异分类的ROC AUC为0.99，优于AlphaMissense（0.96）、REVEL、CAPICE和CADD；在独立HGMD/gnomAD测试集上，aiDIVA-RF的AUC为0.96，而AlphaMissense为0.84。对于框内indel，aiDIVA-RF在独立基准集上达到0.84的AUC，优于CADD-indel（0.67）、CAPICE-indel和VEST-indel。特征重要性分析显示，已有的致病性估计器（AlphaMissense、REVEL）、人群等位基因频率（gnomAD）、进化保守性（phyloP、phastCons）和预测的功能影响（VEP HIGH impact）是最具影响力的特征。
2. 致病变异优先级排序基准测试
在3041例专家确诊的罕见病病例基准集上，按遗传模式分为复合杂合（442例）、隐性纯合（662例）和显性（1937例）三个子集。aiDIVA-EB在所有遗传模式中表现最佳，约90%的致病变异排在首位，但这仅适用于已在临床数据库中记录的变异。aiDIVA-RF（不含ClinVar/HGMD证据特征）的性能优于AI-MARRVEL、Exomiser和Xrare，仅Lirical在隐性病例中略优，但在显性病例中Lirical较差。aiDIVA的优势在显性遗传中最为显著。
3. 利用大型语言模型优化致病变异排序
将aiDIVA-RF排名前10的变异输入GPT-4o进行推断。在“困难”组（致病变异排名低于第三，362例）中，LLM使82.60%的病例将致病基因排入前3。在“容易”组（2528例）中，有7.63%的病例排名下降。重复提示实验显示，在200个随机病例中，87%（容易组）和82%（困难组）的病例在5次重复中均正确恢复前3基因。在提示中加入变异功能影响（VEP impact）后，“困难”组中40.93%的病例（79/193）将致病变异排入前3；进一步加入合子性信息后，提升至45.6%（88/193）。提示工程总体使前3排名中的致病变异比例比仅用aiDIVA-RF提高约5%。
4. aiDIVA-meta模型的诊断变异排序
aiDIVA-meta整合了所有前置模型，在预训练验证队列中（3041例中的1/3保留集），97.4%的致病变异排在前3位，88.1%排在首位，性能显著优于Exomiser、Lirical、AI-MARRVEL和Xrare。aiDIVA-meta-RF（排除证据模型）将前3敏感性提升至83.9%。在1014例训练后独立队列（变异在训练时不存在于ClinVar/HGMD）中，aiDIVA-meta的前3敏感性为93.3%，首位率为83.7%；前10最大识别率从预训练队列的99.8%降至96.3%。使用本地托管的Llama 3.1 8B和70B指令微调版本替代GPT-4o时，aiDIVA-meta性能仍优于所有竞争方法，仅略有下降。
5. 既往未解决病例的再分析
对4877例在2020年或之前分析且未获得明确诊断的病例进行自动化再注释和再评分，根据aiDIVA-EB排名选择前500例进行专家审查，新增45例确诊（约1%）。在评估这些新确诊病例时，aiDIVA-meta-RF将41例（91.1%）的致病变异排在前10位，其中34例（75.6%）排在前3位，严格优于Exomiser和AI-MARRVEL。
四、研究结论与讨论
aiDIVA通过结合循证模型、ML分类器和LLM，显著提高了罕见病致病变异的排序准确性。在训练前队列中，aiDIVA-meta将97.4%的致病变异排在前3位；在训练后队列（变异为全新、无数据库先验证据）中，前3敏感性为93.3%。aiDIVA-meta-RF（不使用ClinVar/HGMD证据）达到83.9%的敏感性，展示了新颖和新生变异优先排序的能力。这些结果证明aiDIVA能有效减少临床专家的人工评估工作量。
LLM的整合在改善变异排序的同时，也存在局限性：少数边界案例中LLM对相同提示的应答可重复性有限；LLM可能返回不存在或无关的文献引用；对于根据当前知识无法解决的病例，LLM可能提供不可靠的答案。此外，aiDIVA目前尚不支持结构变异（SV）。未来发展方向包括：与电子健康记录（EHR）系统集成并建立临床反馈回路；采用联邦学习等隐私保护方法在不同机构间进行分散式模型训练；整合多组学（转录组、蛋白质组、代谢组）数据以提高变异解读精度，尤其是在新生儿筛查（NBS）中；通过领域微调（fine-tuning）、检索增强生成（RAG）以及使用推理型LLM（如GPT-o1）进一步提升性能和可解释性。
总之，aiDIVA为临床专家提供了高灵敏度和高精度的候选致病变异选择辅助工具，在自动化再分析和加速罕见病诊断方面展现出显著的临床应用价值。该研究发表在《npj Genomic Medicine》。
