人类医学基因组学中生成式AI应用的系统综述

尽管传统统计技术和机器学习方法在遗传学以及特别是遗传疾病诊断方面已作出重要贡献，但它们往往难以处理复杂的高维数据，这一挑战现已被最先进的深度学习模型所解决。大型语言模型(LLM)基于transformer架构，在需要对非结构化医学数据进行上下文理解的任务中表现卓越。本系统综述检阅了LLM在遗传学研究和诊断中在罕见病和常见病方面的作用。对PubMed、bioRxiv、medRxiv和arXiv进行自动关键词为基础的搜索，针对LLM在遗传学和诊断教育中的应用进行检索，并剔除不相关或过时的模型。共分析了172项研究，突显了在基因组变异识别、注释和解释方面的应用，以及通过视觉transformer实现的医学影像方面的进展。关键发现表明，尽管transformer基模型在疾病和风险分层、变异解释、医学影像分析和报告生成等方面显著推动了疾病诊断，但在将多模态数据(基因组序列、影像和临床记录)整合到统一且临床可靠的管道方面仍面临重大挑战，面临可解释性和在临床实践中的实际实施限制。本综述提供了对当前LLM在遗传性疾病诊断和支持遗传教育方面能力及其限制的全面分类和评估，为指引者导航这一快速演化的领域。