G.AI：一个由人工智能驱动的平台，用于罕见病基因组诊断中的表型标准化、变异解读以及结构化临床报告

《Journal of Translational Medicine》：G.AI: an AI-driven platform for phenotype standardization, variant interpretation and structured clinical reporting in rare disease genomic diagnosis

摘要

背景

罕见疾病的诊断越来越依赖于对高通量下一代测序（NGS）数据的解读。随着测序量的增加，分析工作负担显著增加，手动工作流程越来越难以扩展，并且容易出现不一致性。为了解决这些挑战，我们开发了G.AI，这是一个可解释且可追溯的人工智能（AI）辅助的基因组分析平台，它整合了自动化的表型标准化、变异致病性排序和结构化的临床报告功能。

方法

该平台采用模块化架构，包括数据解析、AI驱动的推理和结构化报告生成。性能评估使用了来自中国的39,156例多中心全外显子测序（WES）/亲子三人组测序（WES Trio）病例，其中包括7,097例确诊为致病性/可能致病性（P/LP）的单核苷酸变异（SNVs）阳性病例。关键评估指标包括表型模型一致性、前1名、前3名和前20名变异的致病性排序准确性以及工作流程效率。

结果

AI-人类表型本体（HPO）表型标准化模型与手动审查的一致性达到了94%。在阳性病例中，致病性排序模型在前1名的准确率为95%，前3名为98%，前20名为99.6%，其中代谢性疾病的前三名准确率达到了100%。对非诊断病例的进一步分析显示，错误优先级的比率较低，模型特异性良好。总分析时间从4到6小时缩短到了48±12分钟，显示出效率的显著提高。

结论

通过整合自动化的表型处理、变异注释和AI驱动的致病性评估，G.AI显著提高了罕见疾病变异解读的准确性、一致性和可扩展性。其透明且可追溯的工作流程为大规模临床基因组应用提供了坚实的基础。