全球范围内，罕见病诊断一直是医学难题。患者平均需要7.6年、经历3次误诊才能确诊，其中80%的罕见病由基因缺陷引发却难以通过常规手段识别。问题的根源于医学知识更新跟不上临床需求，传统诊断过度依赖医生个人经验，而现有诊断工具又存在数据孤岛和逻辑不透明的问题。 上海交通大学人工智能学院与新华医院经过五年研发，提出了"中枢-分身"协同推理架构来解决这个难题。该系统的创新之处体现在三个上：一是构建了涵盖4500种罕见病的动态知识图谱，实时整合最新医学文献和百万级临床数据；二是模拟医生的诊断思维，通过假设生成和多轮验证的迭代过程自我优化；三是建立了完全透明的推理路径，每个诊断结论都有可追溯的证据支撑。 临床测试表明该系统效果显著。与基因检测工具联用时，综合准确率达到70.6%，比国际主流工具Exomiser高出17.4个百分点。在回顾性对比中，其诊断召回率甚至超过了具有十年经验的专科医生团队。 该成果已开始产业化应用。在线诊断平台上线半年来已服务全球600余家医疗机构，院内质控系统在新华医院试运行期间发现了12例既往漏诊的病例。与国内基因检测企业的合作使单例诊断成本降低了60%。按计划，万人规模的临床验证项目将在年内启动，重点验证系统对亚非拉裔患者的适用性。 《自然》期刊的评论认为，这项研究不仅解决了医疗AI的可信度问题，其推理框架对金融、法律等需要复杂逻辑判断的领域也有借鉴意义。随着国家"医工交叉"战略的推进，中国在智慧医疗领域正从追赶者转变为规则制定者。
罕见病诊断的关键不仅是速度快，更要逻辑清晰、经得起验证、能融入临床流程；这项研究通过循证推理、可追溯的证据链和临床质控的结合，既满足了临床对可信工具的需求，也为医工交叉成果的规模化应用提供了可观察、可评估的范例。随着更多真实世界数据的验证，此探索能否深入转化为普惠、可持续的诊疗能力提升，值得持续关注。