一、问题：罕见病确诊难，长期困扰全球医疗体系 罕见病因发病率低、病种繁杂、临床表现差异大，一直是医学诊断领域的难题。全球已知罕见病超过7000种，患者从出现症状到最终确诊，往往需要辗转多家医院、耗费数年时间。在医疗资源有限的基层地区，这个问题尤为突出。基因检测设备成本高、技术门槛高，使大量患者无法获得精准的分子诊断，漏诊、误诊时有发生。 现有医疗智能辅助工具虽已具备一定诊断能力，但普遍存在"黑箱"问题——系统只能给出诊断结论，无法呈现推理过程，临床医生难以核验结果，实际应用价值因此受限。 二、原因：技术瓶颈与知识壁垒制约诊断效能 罕见病诊断对医学知识的广度和深度要求极高，而现有智能系统在知识整合与逻辑推理上存在明显短板。传统机器学习模型依赖大规模标注数据，而罕见病病例本身数量稀少，数据积累有限，模型泛化能力不足。更关键的是，此前的系统缺乏类似人类医生的假设验证与自我纠错机制，无法在复杂临床情境下进行动态推理，诊断结果的可信度与可解释性难以满足临床需求。 三、影响：成果发表引发国际医学界广泛关注 2月19日，上海交通大学医学院附属新华医院孙锟教授、余永国教授领衔团队，与上海交通大学张娅教授、谢伟迪副教授领衔团队联合研发的智能诊断系统DeepRare，涉及的研究成果正式发表于《自然》杂志。这是全球首个能够完整追溯推理过程的罕见病智能诊断系统，在可解释性研究方向上实现了重要突破。 测试数据显示，DeepRare仅依赖患者临床症状、不借助基因检测的情况下，首次诊断准确率达57.18%，较此前国际最优模型提升近24个百分点；引入基因数据后，准确率可突破70%。这意味着即便在缺乏基因检测条件的基层医疗机构，临床医生也可借助该系统对罕见病患者进行初步筛查，有效降低漏诊风险。 该系统的核心创新在于推理机制的透明化设计。每给出一项诊断结论，系统都会同步生成完整的证据链，涵盖症状关联分析、假设提出、证据验证及自我纠错等完整推理路径，让临床医生能够逐步审查诊断逻辑，真正起到辅助决策作用。 四、对策：系统已落地应用，多维度推进临床验证 DeepRare并非停留在学术层面。据悉，该系统自去年7月起已上线在线诊断平台，半年内吸引全球逾600家医疗机构注册使用，覆盖国内大型三甲医院及欧美顶尖医学研究机构。目前系统已在上海新华医院完成内部部署，即将正式投入临床辅助诊断工作，协助医生在罕见病诊疗中降低漏诊率。 孙锟教授表示，研发团队下一步计划发起全球性罕见病诊疗协作联盟，并将在未来半年内以两万例真实临床病例对系统进行继续验证与优化。
DeepRare的发布，是国内医疗AI从跟随走向引领的一个切实案例。当技术能力与临床需求真正对接，罕见病诊断这道长期悬而未决的难题，或许正在迎来新的解法。随着系统持续迭代和对应的规范逐步完善，智能诊断工具有望在更大范围内成为临床医生的可靠助手。