遗传变异解读搬进医院机房：9B小模型自己写ACMG报告，327例单例找回93%致病位点
核心概要
一个9B小语言模型在单张GPU上本地完成病例级与家系级变异解读，在327例已解决的单例视觉损伤病例中找回93%的专家报告致病变异，其中82%被判为致病或可能致病。
深度剖析
变异解读的推理环节改由本地小模型承担，模型直接给出ACMG/AMP标准、结合合子型与父母基因型推断遗传模式，并写出完整的病例级报告。 此前多数系统把分类交给确定性引擎，语言模型只做检索、抽取、压缩和摘要，或只处理单条标准、单个变异。 在16个已解决三人组中，IVA报告了全部此前识别的致病、可能致病或意义未明关注变异，灵敏度100%，精确率39.5%，全部候选变异准确率98.2%。
流程把模型推理夹在确定性代码之间：代码负责检索证据、按等位比例计算分离与相位、逐层重算分值、校验标准资格并检查引用。 小模型在算术、逐字复制和严格格式上不可靠，因此这些任务被尽量移出模型。 在327例单例视觉损伤病例中，IVA找回93%的专家报告变异，82%被判为致病或可能致病，11%列为意义未明关注变异，精确率43%，全部候选变异准确率99%。
模型选择来自一个150题、每题24种选项排列的临床基因组学基准，最终选用Qwen3.5-9B。 云端1.6万亿参数模型DeepSeek-V4-Pro在每项指标上都更高，平均准确率0.887对0.812。 13个0.8B至9B的本地模型在单张A100上评测，Qwen3.5-9B取得最高平均准确率0.812、严格准确率0.633、选择一致性0.815和反转Brier分数0.875。
启示与展望
报告面向临床遗传学与基因组诊断的研究人员和工程师，覆盖单例与三人组的病例级解读，输入为注释变异表加自由文本表型，全部模型推理在单张A100上本地完成。三人组中模型应用了de novo、显性、隐性、X连锁四类遗传层，相位无法确定时把复合杂合作为待确认假设而非既定结论。作者提出的下一步包括外部验证、参加EMQN等质量评估方案、与分析师比较，以及蒸馏或量化以适配算力更弱的硬件。
作者说明IVA并非确定性系统：即使采用贪心解码，连续批处理、并发请求、低精度算术和前缀缓存仍使逐词输出依赖批次组成，证据工具查询的公开资源会更新或限流，同一病例重复运行可能在措辞、检索证据乃至次要发现或临界分类上不同。评测为回顾性、两中心，结局指标是找回专家报告变异和类别一致性，而非报告质量或与分析师的比较；精确率偏低是因为偏向灵敏度，分析师仍须复核每一次判定。单例队列来自近亲家系、富集纯合隐性病，基准用于排序模型但不是经过验证的测量工具，多选题表现只是临床能力的近似。作者还指出未测试对抗或畸形输入，父母等位比例未结合测序深度，覆盖不足的父母可能被误判为de novo，此类判定被保留并建议Sanger确认。