AI 智能体基因组解读达专家水平，间质性肺病案例研究发布
Gamow Labs 旗下 AI 智能体 George-0.1 在间质性肺病基因组盲法解读中，复现并超越了人类专家水平，…
AI 公司 Gamow Labs 近日公布了一项与贝勒医学院 Pawel Stankiewicz 博士合作的盲法研究结果：其开发的 AI 智能体 George-0.1 在间质性肺病（interstitial lung disease）基因组解读任务上，复现并部分超越了人类专家团队的诊断表现，显著优于现有临床实验室流程。这一结果初步验证了 Gamow Labs 的核心假设——经过恰当设计的 AI 智能体，能够以更低成本、更短时间，在大规模场景下达到或超过人类遗传病诊断水平。
研究设计：盲法对比三类诊断路径
研究对象为 46 名个体的原始测序数据（FASTQ 文件），其中包括死于间质性肺病的婴儿及其健康家属成员。所有病例在初诊临床基因组实验室均未被正确识别，随后被升级转交给 Stankiewicz 博士进行再分析。George-0.1 仅接收 FASTQ 文件与一条简短表型描述（「患者患有致死性肺疾病，如肺泡毛细血管发育不良、腺泡发育不良或先天性肺泡发育不良」），随后依据 ACMG 指南输出分子诊断结论。结果由 Stankiewicz 博士根据其答案库进行盲法评分。
核心结果：四类系统表现差异显著
在 26 例已确诊的患儿中，一线临床实验室均未给出正确诊断；Stankiewicz 实验室解决了其中 19 例，剩余 7 例仍为未解之谜。George-0.1 复现了全部 19 例已知诊断，并额外贡献了 2 例新诊断。健康家属成员的阴性判读方面，George-0.1 达到 100%（20/20），ChatGPT 5.5 Pro 为 30%（6/20）。
研究还独立验证了波士顿儿童医院与 OpenAI 近期发表于 NEJM AI 的论文——即消费级聊天机器人在罕见病诊断上具有实用价值。ChatGPT 5.5 Pro 在多数类别上显著优于临床实验室，但在「未发表已知诊断」「仍未确诊」等子项中落后于 George-0.1。研究团队同时尝试将任务扩展至 Claude.ai（Opus 4.8）与 Gemini.google.com（Gemini 3.5 Flash），两者在前三次尝试中均未成功。
- 标准临床实验室：已发表诊断 0/11、未发表诊断 0/8、先前未知诊断 0/2——全部为 0。
- Gamow Labs George-0.1：已发表 11/11、未发表 8/8、先前未知 2/2，均为 100%。
- ChatGPT 5.5 Pro：已发表 9/11（约 82%）、未发表 5/8（约 63%）、先前未知 2/2（100%）。
案例剖析：两类典型失败模式
案例一为临床实验室假阴性。FOXF1 增强子距离目标基因约 100 万碱基，由于编码区上下游 1 kb 之外的变异被自动化过滤管线（CCDS 过滤器）丢弃，导致 2022 年发表的 ACD209.3 病例漏诊。这一现象在 DDD 研究中亦有统计印证：约 16.1% 的 ClinVar 致病变异会被自动化管线滤掉。AI 系统因无需预设过滤规则，可规避此类系统性问题。
案例二则聚焦 ChatGPT 5.5 Pro 的假阳性来源。研究指出，向聊天机器人提供已预 calling 的 VCF 文件与直接喂给 George-0.1 原始 FASTQ 文件相比，任务难度不同；聊天机器人在 5 例「仍未确诊」病例中，至少 4 例给出了明显错误的分子诊断，成为其最大的失败来源。
局限与展望
研究样本量较小（46 例），且集中于结构变异与内含子变异等复杂案例，结果的泛化性仍需更大规模独立验证。George-0.1 作为内部系统，其架构与训练细节未在博文中披露。此外，文中提及的 ChatGPT「5.5 Pro」、Claude「Opus 4.8」、Gemini「3.5 Flash」等版本号与目前公开命名不一致，可能为作者标注差异，读者需留意。但综合来看，这项研究为 AI 智能体在高难度临床基因组解读场景中的可用性提供了新的实证参考。