Gamow Labs: 使用 AI 解決 NICU 中的罕見遺傳疾病

Gamow Labs 正將前沿 AI 模型應用於臨床遺傳分析，以解決全基因組定序 (WGS) 診斷中的「專家瓶頸」。透過自動化基因組數據的解讀，該公司旨在實現精準醫療的普及化，並從新生兒加護病房 (NICU) 開始，在該環境中，對罕見遺傳疾病進行快速且準確的診斷，對於患者的生存與家屬的心理慰藉至關重要。

解決臨床基因組學解讀的瓶頸

有效臨床基因組學的主要障礙並非定序本身，而是對結果的人工解讀。雖然 WGS 被視為 NICU 診斷的金標準，但分析這些文件以尋找致病突變的過程極其耗費人力，且通常僅限於少數世界領先的專家或頂尖醫院。

這種瓶頸往往導致商業實驗室的結果呈現「非診斷性」(non-diagnostic)，即使致病突變確實存在於數據中。在一個記錄在案的案例中，一名兒童患有肺泡毛細血管發育不良 (ACD)——這是一種由缺失 91 kb 的 DNA 片段（該片段會增強 FOXF1 的表達）所引起的致命疾病。儘管在國家級頂尖實驗室進行了 WGS，最初的結果仍為非診斷性，直到死後才透過肺部切片以及隨後由 Dr. Paweł Stankiewicz 進行的基因組專家重新分析才確認了診斷。

AI 驅動的診斷效能

Gamow Labs 利用 AI 進行複雜的分析，以識別傳統臨床流程可能遺漏的罕見變異。早期基準測試顯示，AI 在速度與準確度方面具有超越傳統人工解讀的巨大潛力：

• 案例解析： 在一項針對 66 個臨床實驗室尚未解決的罕見疾病案例的基準測試中，Gamow Labs 系統識別出的每個變異都被證實為致病性的。
• 零偽陽性： 在此基準測試過程中，系統對陰性對照組產生了零個偽陽性。
• 新發現： 該系統成功識別出至少兩個先前由其他專家未能解決的致病變異案例，其中一個涉及的疾病機制僅被記錄過極少數次。

對 NICU 的戰略重點

NICU 是這項技術的理想測試場，因為該群體中遺傳疾病的比例極高，且對即時答案的需求非常迫切。Gamow Labs 將 NICU 視為起點；目標是將這些經驗擴展到更廣泛的普羅大眾精準醫療應用中。

社群觀點與技術懷疑論

雖然創辦人的使命因其動機而受到廣泛讚譽，但技術社群針對其方法提出了幾點討論：

技術實作

一些觀察者質疑該系統是一個專門模型，還是建立在尖端 (SOTA) 商業大型語言模型 (LLM) 之上的框架。懷疑論者認為，通用型 LLM 可能不適合高度專業化的醫療分析，而專門為基因組任務訓練的模型會更有效。

先前技術與新穎性

一些專家指出，生殖細胞變異解讀是一個已建立的領域，現有的商業供應商與專門醫院（例如 Rady Children's Hospital）已經在關注重症嬰兒。目前對於 AI 驅動的解讀是否代表了精準醫療中相對於現有邏輯編程與圖形資料庫方法的根本性轉變，還是僅僅是增量式的改進，仍存在爭議。

倫理影響

關於遺傳診斷的「普及化」已引起了關注。有人認為遺傳指標並不總是決定性的生命結果，並指出像唐氏症這樣的狀況可能導致不同的生活品質，且增加診斷能力可能會導致更多基於相關性而非確定結果的產前終止妊娠。

數據品質

技術討論也強調了所使用的定序方法（短讀長 vs. 長讀長定序）的重要性，因為長讀長定序通常被視為捕捉複雜結構變異的關鍵，而短讀長 WGS 可能會遺漏這些變異。