RARE-PHENIX: Un framework IA end-to-end per la fenotipizzazione di malattie rare

La fenotipizzazione è un processo fondamentale nella diagnosi delle malattie rare, ma l'analisi manuale dei fenotipi strutturati a partire da note cliniche è un'attività complessa e dispendiosa in termini di risorse. Un nuovo studio presenta RARE-PHENIX, un framework di intelligenza artificiale end-to-end progettato per automatizzare questo processo.

RARE-PHENIX integra diverse fasi: estrazione di fenotipi basata su modelli linguistici di grandi dimensioni (LLM), standardizzazione dei fenotipi utilizzando l'ontologia HPO (Human Phenotype Ontology) e ranking supervisionato dei termini HPO più rilevanti per la diagnosi. Il sistema è stato addestrato utilizzando dati provenienti da 2.671 pazienti in 11 centri clinici della Undiagnosed Diseases Network e validato esternamente su 16.357 note cliniche reali del Vanderbilt University Medical Center.

I risultati mostrano che RARE-PHENIX supera costantemente le prestazioni di PhenoBERT, un modello di deep learning all'avanguardia, in termini di similarità basata sull'ontologia e metriche di precisione-richiamo-F1. L'analisi ha dimostrato che l'aggiunta di ciascun modulo (estrazione, standardizzazione e prioritarizzazione) contribuisce al miglioramento delle performance complessive del sistema. RARE-PHENIX modella la fenotipizzazione come un flusso di lavoro allineato clinicamente, fornendo fenotipi strutturati e classificati che sono più coerenti con la valutazione dei clinici.