Gamow Labs: 使用 AI 解决 NICU 中的罕见遗传病

Gamow Labs 正在将前沿 AI 模型应用于临床遗传分析，以解决全基因组测序 (WGS) 诊断中的“专家瓶颈”问题。通过自动化基因组数据的解读，该公司旨在实现精准医疗的普及化，并从新生儿重症监护室 (NICU) 开始，在这些地方，对罕见遗传病的快速且准确的诊断对于患者的生存和家庭的慰藉至关重要。

解决临床基因组学解读瓶颈

有效临床基因组学的首要障碍并非测序本身，而是对结果的人工解读。虽然 WGS 被认为是 NICU 诊断的金标准，但分析这些文件以寻找致病突变的过程是劳动密集型的，且通常仅限于少数世界领先的专家或顶尖医院。

这种瓶颈往往导致商业实验室提供非诊断性结果，即使致病突变存在于数据中。在一个记录在案的案例中，一名儿童患有肺泡毛细血管发育不良 (ACD)——这是一种由缺失 91 kb 的 DNA 片段（该片段会增强 FOXF1 的表达）引起的致命疾病。尽管在一家国家级顶尖实验室进行了 WGS，但最初的结果是非诊断性的，诊断仅在死后通过肺活检和随后由 Dr. Paweł Stankiewicz 进行的基因组专家重新分析后才得以确认。

AI 驱动的诊断性能

Gamow Labs 利用 AI 进行复杂的分析，以识别传统临床流程可能遗漏的罕见变异。早期基准测试表明，AI 在速度和准确性方面具有超越传统人工解读的巨大潜力：

• 案例解决： 在对 66 个临床实验室尚未解决的罕见病案例的基准测试中，Gamow Labs 系统识别出的每一个变异都被证实为致病性的。
• 零假阳性： 在此基准测试过程中，系统在阴性对照中产生了零假阳性。
• 新发现： 该系统成功识别了至少两个此前由其他专家未能解决的案例中的致病变异，其中一个涉及的疾病机制仅被记录过寥寥数次。

对 NICU 的战略重点

NICU 是这项技术的理想试验场，因为该人群中遗传病的比例极高，且对即时答案的需求非常迫切。Gamow Labs 将 NICU 视为起点；目标是将这些经验推广到面向普通人群的更广泛的精准医疗应用中。

社区观点与技术质疑

虽然创始人的使命因其动机而受到广泛赞誉，但技术社区就该方法提出了几个讨论点：

技术实现

一些观察者质疑该系统是一个专门的模型，还是构建在最先进 (SOTA) 商业大语言模型 (LLM) 之上的封装。怀疑论者认为，通用型 LLM 可能不适合高度专业化的医疗分析，而专门针对基因组任务训练的模型会更有效。

先验技术与新颖性

一些专家指出，生殖细胞变异解读是一个成熟的领域，已有商业供应商和专门医院（如 Rady Children's Hospital）在关注危重婴儿。是否存在基于 AI 的解读代表了精准医疗中相对于现有逻辑编程和图数据库方法的根本性转变，还是仅仅是增量改进，目前仍存在争议。

伦理影响

关于遗传诊断的“普及化”引发了担忧。一些人认为，遗传指标并不总是决定生命的结果，并指出像唐氏综合征这样的情况可能导致不同的生活质量，且诊断能力的提高可能会导致基于相关性而非确定性结果的而进行的产前终止。

数据质量

技术讨论还强调了所使用的测序方法（短读长 vs. 长读长测序）的重要性，因为长读长测序通常被视为捕捉短读长 WGS 可能遗漏的复杂结构变异的关键。