來源虎嗅•2026年5月14日較早收集於 19m

患者利用 AI 自診罕見疾病

閱讀原文：虎嗅

#healthcare-ai#diagnostic-tools#patient-empowermentai-diagnostic-toolsai

一個引人入勝的案例研究，展示了當傳統臨床路徑失敗時，AI 如何協助診斷罕見疾病。

30 秒速覽

有什麼變化

患者使用 AI 將哮喘、發燒和胸痛等症狀進行關聯分析。

為什麼重要

AI 工具正成為患者處理複雜醫療資訊的關鍵，有望縮短罕見疾病的診斷時間。

下一步行動

嘗試使用 LLM 來整合複雜的症狀清單以進行個人健康研究，但務必與醫療專業人員核實。

誰應關注：Creators & Designers

關鍵要點

•患者使用 AI 將哮喘、發燒和胸痛等症狀進行關聯分析。
•AI 建議了 EGPA，這是一種常被誤診或漏診的罕見疾病。
•凸顯了 AI 作為罕見疾病第二意見工具的潛力。
•強調了患者主導的研究在醫療診斷中的重要性。

關鍵數字70.6%85.5%

深度解析

背景與延伸：來自公開資料，非原文內容。引用 33 個來源。

增強重點摘要

•嗜酸性肉芽腫性多血管炎 (EGPA) 的診斷極具挑戰性，因其症狀多樣且影響多個器官系統，常導致早期誤診或漏診，凸顯了AI在複雜病例中輔助診斷的價值。
•除了EGPA案例，AI工具（如ChatGPT）已在其他罕見疾病的診斷中展現潛力，例如協助患者在傳統醫療途徑無果後，成功識別出格林-巴利症候群和脊髓牽扯症候群。
•新興的AI診斷系統，如中國的DeepRare和「協和·太初」，不僅能達到高準確率（DeepRare在結合基因數據後準確率可達70.6%，微軟MAI-DxO達85.5%），還能提供可追溯的證據鏈，解決了AI診斷「黑箱」問題，增強了醫生的信任度。
•AI在醫療領域的應用帶來了顯著的倫理挑戰，包括數據隱私、訓練數據可能導致的算法偏見、AI決策的透明度問題，以及AI輔助診斷出錯時的責任歸屬，這些都需要完善的倫理治理框架來應對。
•AI的應用範圍正從單純的診斷擴展到加速罕見疾病藥物研發、透過基因組數據分析實現個性化治療，以及優化臨床工作流程，有望降低小規模患者群體療法開發的門檻。

競品分析

DeepRare (上海交通大學)

主要功能: 全域鏈接醫學文獻與臨床病例，具備「假設-驗證-自我反思」迭代推理，提供可溯源證據鏈，結合臨床表型與基因數據診斷。
基準/準確率: 僅依靠臨床表型診斷首位準確率達57.18%，引入基因數據後綜合首位診斷準確率突破70.6%。
備註: 全球首個智能體式罕見病循證推理診斷系統，已在上海新華醫院內部部署。

協和·太初 (北京協和醫院 & 中國科學院自動化研究所)

主要功能: 基於中國罕見病知識庫和中國人群基因檢測數據，符合中國人群特點，優化患者就診路徑。
基準/準確率: 旨在幫助醫生更準確快捷地識別診斷罕見病，縮短確診時間。
備註: 全國首個罕見病領域人工智能大模型，已面向患者開放測試初診諮詢和預約功能。

Face2Gene (FDNA)

主要功能: 利用臉部辨識技術分析臉部特徵與遺傳性疾病症狀比對，協助醫師診斷罕見遺傳疾病。
基準/準確率: 2014年推出時能辨識約50種已知遺傳疾病症狀，能將發現診斷結果的可能性從25%提高到40%。
備註: 運用深度學習技術，透過影像資料庫與神經網路進行訓練。

MedDr (香港科技大學)

主要功能: 多模態語言模型，具備問答、撰寫醫療報告、根據醫學圖像進行初步診斷等功能。
基準/準確率: 在上海人工智慧實驗室評測中被評為全球同類模型中性能最佳之一。
備註: 作為醫學界的「GPT」，為目前全科醫學中最具規模的開源軟體。

Microsoft MAI-DxO (微軟)

主要功能: 診斷協調器，分析海量醫學文獻與病例資料庫。
基準/準確率: 準確率達85.5%，較資深醫生團隊高出4倍。
備註: 被視為「通往醫療超級智慧之路」的關鍵進展。

產品/系統名稱	主要功能	基準/準確率	備註
DeepRare (上海交通大學)	全域鏈接醫學文獻與臨床病例，具備「假設-驗證-自我反思」迭代推理，提供可溯源證據鏈，結合臨床表型與基因數據診斷。	僅依靠臨床表型診斷首位準確率達57.18%，引入基因數據後綜合首位診斷準確率突破70.6%。	全球首個智能體式罕見病循證推理診斷系統，已在上海新華醫院內部部署。
協和·太初 (北京協和醫院 & 中國科學院自動化研究所)	基於中國罕見病知識庫和中國人群基因檢測數據，符合中國人群特點，優化患者就診路徑。	旨在幫助醫生更準確快捷地識別診斷罕見病，縮短確診時間。	全國首個罕見病領域人工智能大模型，已面向患者開放測試初診諮詢和預約功能。
Face2Gene (FDNA)	利用臉部辨識技術分析臉部特徵與遺傳性疾病症狀比對，協助醫師診斷罕見遺傳疾病。	2014年推出時能辨識約50種已知遺傳疾病症狀，能將發現診斷結果的可能性從25%提高到40%。	運用深度學習技術，透過影像資料庫與神經網路進行訓練。
MedDr (香港科技大學)	多模態語言模型，具備問答、撰寫醫療報告、根據醫學圖像進行初步診斷等功能。	在上海人工智慧實驗室評測中被評為全球同類模型中性能最佳之一。	作為醫學界的「GPT」，為目前全科醫學中最具規模的開源軟體。
Microsoft MAI-DxO (微軟)	診斷協調器，分析海量醫學文獻與病例資料庫。	準確率達85.5%，較資深醫生團隊高出4倍。	被視為「通往醫療超級智慧之路」的關鍵進展。

技術深入

AI模型與算法: 廣泛應用深度學習、機器學習算法，特別是卷積神經網路（CNN）用於醫學影像分析，以及大型語言模型（LLM）處理自然語言症狀描述。
數據來源: 訓練AI模型所使用的數據包括電子健康記錄（EHRs）、臨床筆記、醫學影像（X光片、CT掃描、MRI）、實驗室結果、基因組數據、醫學文獻、患者症狀描述及穿戴式裝置數據等。
核心技術: 包含模式識別、醫學影像分析、自然語言處理（NLP），以及如DeepRare系統採用的「假設-驗證-自我反思」迭代推理機制，和多模態數據處理能力。
架構創新: 例如DeepRare系統首創「中樞-分身」（Central-Avatar）可溯源Agentic AI架構，旨在實現實時知識整合、類醫生慢思考推理及全流程可溯源論證，將AI診斷從「黑箱」轉變為「透明診室」。
挑戰: AI在醫療領域面臨的主要技術挑戰包括「黑箱」問題（難以解釋AI決策邏輯）、數據隱私保護、訓練數據不足（特別是帶有註釋的巨量醫療數據）以及算法偏見問題。

前景展望基於引用來源的 AI 分析

AI將加速罕見疾病的早期診斷，顯著縮短患者的「診斷奧德賽」。

AI系統能夠快速分析海量醫療數據和複雜症狀，識別出人類醫生可能忽略的模式，從而大幅提高罕見病的確診效率。

患者將在醫療決策中扮演更主動的角色，AI工具成為其獲取第二意見和進行自主研究的重要途徑。

隨著AI工具的普及和易用性提高，患者可以利用其分析自身症狀和病歷，與醫生進行更充分的溝通和協作，從而推動醫病關係從「權威模式」轉向「合作模式」。

醫療AI的倫理與監管框架將加速發展，以應對數據隱私、算法偏見和責任歸屬等挑戰。

隨著AI在醫療領域的應用日益深入，確保其公平性、透明度和安全性成為社會共識，促使相關法規和倫理指南的完善，例如世界衛生組織已發布相關倫理治理指南。

時間線

1977

加州大學教授安尼諾斯提出神經網路模型，能表現癲癇特徵。

1980s-1990s

機器學習算法發展，催生更複雜的醫療診斷AI系統。

2014

FDNA 推出 Face2Gene 應用程式，利用臉部辨識技術協助診斷約50種遺傳疾病症狀。

2017

中國醫藥大學附設醫院成立人工智慧中心，應用大數據開發輔助診斷系統。

2021

世界衛生組織發布《醫療衛生中人工智能的倫理治理》指南，確立六項核心原則。

2025-02-19

北京協和醫院與中國科學院自動化研究所共同研發的「協和·太初」罕見病大模型面向患者開放測試初診諮詢和預約功能。

2026-02-19

上海交通大學團隊在《自然》雜誌發表全球首個智能體式罕見病循證推理診斷系統DeepRare。

1977
加州大學教授安尼諾斯提出神經網路模型，能表現癲癇特徵。
1980s-1990s
機器學習算法發展，催生更複雜的醫療診斷AI系統。
2014
FDNA 推出 Face2Gene 應用程式，利用臉部辨識技術協助診斷約50種遺傳疾病症狀。
2017
中國醫藥大學附設醫院成立人工智慧中心，應用大數據開發輔助診斷系統。
2021
世界衛生組織發布《醫療衛生中人工智能的倫理治理》指南，確立六項核心原則。
2025-02-19
北京協和醫院與中國科學院自動化研究所共同研發的「協和·太初」罕見病大模型面向患者開放測試初診諮詢和預約功能。
2026-02-19
上海交通大學團隊在《自然》雜誌發表全球首個智能體式罕見病循證推理診斷系統DeepRare。

來源 (33)

Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.

閱讀原文：虎嗅

AI 週報

閱讀本週精選 AI 大事摘要 →

Post LinkedIn

AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源：虎嗅 ↗

這是摘要，不是原文。去看原站，或訂閱每週簡報。

每週電子報

每週一封，可隨時退訂。