生成式人工智能在人类医学遗传学中的革命性应用
引言
传统统计方法和机器学习虽在遗传学及遗传病诊断中贡献显著，但面对复杂高维数据时常显乏力。基于Transformer架构的大语言模型（LLMs）凭借其对非结构化医学数据的上下文理解能力，正重塑医学基因组学研究与诊断范式。本系统综述聚焦生成式人工智能（AI）在人类医学基因组学中的应用，涵盖罕见病与常见病的遗传研究与诊断，通过系统检索PubMed、bioRxiv、medRxiv、arXiv等数据库，最终分析了195项研究，揭示了LLMs在知识导航、临床与遗传数据分析、医患交互等方面的广阔前景。
机器学习、深度学习与语言模型演进
机器学习（ML）通过自动化复杂任务和挖掘大数据模式，已成为从医疗到科研的关键工具。然而，传统ML方法（如决策树、支持向量机）在处理高维数据、复杂关系及需上下文理解的任务（如自然语言处理NLP）时面临挑战。深度学习的出现克服了许多局限：卷积神经网络（CNNs）擅长图像处理，循环神经网络（RNNs）初用于序列数据，但其序列处理机制难以捕捉长程依赖。2017年Transformer架构的提出是重大突破，其注意力机制可同时聚焦输入数据的不同部分，有效捕获长程依赖，极大提升了医疗与基因组学中的上下文理解能力。
Transformer的核心组件包括编码器（分析输入数据形成表示）和解码器（基于表示生成序列）。BERT（双向编码器表示）和GPT（生成式预训练Transformer）是两大知名模型：BERT作为仅编码器模型，通过双向理解文本上下文，在文本分类、实体识别等任务中表现优异；GPT作为仅解码器模型，专注于基于上文生成文本，在文本生成、翻译、摘要等任务中效果显著。参数量达数百万甚至数十亿的LLMs，通过全训练或小样本微调，可实现少样本或单样本学习，适应研究、医疗、教育等多领域应用而不需从头训练。
视觉Transformer（ViTs）将架构扩展至图像处理，通过将图像块视作句子中的词，捕获图像各部分间依赖，在图像分类、分割等任务中高效。生成对抗网络（GANs）则通过对抗训练专门用于生成高度逼真的图像、生物医学数据乃至人工基因序列。基础模型在庞大多样化数据集上预训练后，可经微调适配多种下游任务，为现代AI提供通用表示，加速科研、医疗与基因组学进展。
检索增强生成（RAG）和智能体（Agents）是常与LLMs联用的策略：RAG在回答前从精选语料库检索相关段落作为上下文，提升事实性与可引证性；智能体则规划步骤、调用工具（如搜索引擎、数据库、计算器、代码），检查结果后再生成响应，实现多步骤、实时答案，但需防护机制（白名单工具、沙盒、日志）保障安全。
人类医学基因组学概述
医学基因组学聚焦基因组分析方法在人类疾病预防、诊断及个性化管理中的应用。针对孟德尔遗传病，核心任务包括确立患者疾病或综合征的正确诊断，以及寻找确切的遗传病因；在癌症基因组学中，确定肿瘤突变谱对治疗计划和预后至关重要；个体疾病风险或特定临床结局的评估则基于遗传和环境因素，尤其在癌症和复杂疾病基因组学中意义重大。基因组分析常不限于基因组测序或芯片分型，还涉及丰富功能基因组学工具（如基因表达分析、表观基因组分析）。
临床基因组工作流可分为分析前、分析、分析后三个阶段，与国际标准ISO 15189:2022一致。分析前阶段包括生物样本采集、临床数据整理预处理、初步诊断确定及遗传检测方法选择；分析阶段是核心诊断环节，生成、处理并解读基因组数据，可能涉及致病变异识别、基因表达变化或其他分子生物标志物分析；分析后阶段侧重向患者沟通遗传检测结果，进一步患者管理与咨询。
研究方法与文献景观
本研究遵循PRISMA 2020指南，通过定制Python脚本自动化检索PubMed、bioRxiv、medRxiv、arXiv（截至2025年1月31日）中2023年至2025年初的英文文献，初始获取57,558条记录。经去重、清洗后保留51,613条，再通过TF-IDF语义分析筛选出576条，最终经人工去重与相关性分类（完全相关114条，部分相关184条，无关252条），并手动增补27条，共325条文献，其中195条用于深入分析（122条完全相关，73条部分相关）。TF-IDF分析显示，文献语义从通用短语（如“语言模型”）逐步聚焦至领域特定主题（如“精准医疗”、“基因表达”、“遗传检测”），且预印本与PubMed来源在研究重点上互补，印证了双源策略的必要性。
生成式AI在医学遗传学中的核心应用场景
知识导航
知识导航类研究主要涉及从已发表文献或生物医学数据库中提取结构化信息，通过命名实体识别（NER）和关系抽取（RE）重点提取基因-疾病或变异-疾病关联。此类任务对临床遗传学家至关重要，可辅助遗传检测方法选择及测序结果解读。趋势表明，训练小型任务特异性编码器作为可控替代方案，能降低幻觉风险；而解码器LLMs（如GPT-3.5/4、PhenoGPT）虽在少量示例查询中便捷，但因架构错配可能非提取任务最优选。
除简单关系提取，部分研究设计更复杂：如DUVEL关注多实体关联；GPAD、RelCurator结合精选资源与可解释提取框架；PubTator 3.0、BioMedLM等问答系统将知识导航与问答结合，提升答案事实性。专门系统如ClinVar-BERT、AutoPM3、VarChat针对变异解读优化，提供变异影响总结或从文献提取致病性证据。另有7项研究聚焦新颖基因-疾病关系预测，使用端到端因果链接预测模型（如DGP-PGTN、LitGene）或交互式LLMs（如Med-PaLM 2），以及Transformer模型识别GWAS位点致病基因，展示生成式AI在假设生成方面的潜力。
临床数据分析
此类研究规模最大，涉及电子健康记录（EHRs）、临床笔记及非遗传实验室结果分析，旨在实现表型数据整理、提供初步诊断或疾病亚型。方法与文献挖掘重叠，但重点是将患者表型信息映射至人类表型本体（HPO）术语，使用编码器和解码器模型。
超越表型描述标准化，大量模型基于患者表型特征（文本EHRs或视觉信息如肖像照、影像数据）建议遗传诊断。生成式LLMs（如GPT-3.5、GPT-4、Gemini）已用于自身炎症性疾病、神经遗传病候选诊断建议，或从EHR摘要预测癌症易感基因。视觉数据输入模型则通过面部照片、临床笔记和元数据多模态设计（如GestaltMML）提升综合征特征识别准确性。在肿瘤学中，众多模型基于组织病理学数据（全切片图像WSIs）预测肿瘤突变状态（如基因突变状态、肿瘤突变负荷TMB），这些方法常作为替代而非补充昂贵遗传检测的手段。
最后，系列研究利用遗传与非遗传信息混合预测患者临床结局，如乳腺癌患者生存风险分层或阿尔茨海默病遗传信息亚型分型。
遗传数据分析
尽管基因组数据分析被视为医学基因组工作流最复杂环节，仅少数研究直接应用生成式AI进行遗传变异分析，聚焦三大任务：表型无关的变异功能影响预测、NGS结果解读中的变异优先排序、遗传变异数据聚合用于患者表型预测（尤其复杂疾病）。
生成式AI潜力部分源于理解生物分子（如DNA、蛋白质）“语言”的领域特异性基础模型。诺贝尔奖获奖工具AlphaFold在蛋白质折叠中表现突破性，其衍生工具AlphaMissense已成为评估氨基酸替换致病性的金标准。针对DNA序列的模型（如GENA-LM、Nucleotide Transformer）在剪接位点、表观遗传标记、增强子序列等任务中展现潜力，其表示可微调适配多样下游任务。任务特异性模型（如剪接变异识别的Transformer）计算资源需求更低。工具如PhenoSV应用注意力模型至结构变异（SVs），捕捉非编码和编码变异对基因功能影响。
另一重要挑战是从个体数百万变异中识别致病变异。生成式AI方法在此表现卓越：如MAVERICK报告在超过95%病例中将致病变异排名前五；GeneT在变异优先排序中高性能；基准研究证实微调、RAG等技术（包括LLMs）可显著提升临床变异分类水平。
最后，生成式AI方法用于增强复杂疾病多基因风险预测：如Epi-PRS、epiBrainLLM应用LLMs基于个体基因型构建信息性预测特征（如表观遗传标记）；其他研究尝试用Transformer架构建模基因间上位性相互作用，或基于基因型对患者进行亚型分类（如帕金森病研究）。
与患者及医疗专业人员的交互
生成式AI在医学遗传学中的独特价值在于其自然语言交互能力，辅助医疗问答，服务医疗专业人员和患者。交互式聊天机器人已用于知识导航、临床数据分析、变异解读等任务，但其应用不限于问答。
在与医疗专业人员交互方面，一项研究利用生成式AI（StyleGAN）生成Kabuki和Noonan综合征面部图像，用于遗传学教育，发现合成图像在培训儿科医生识别表型特征方面几乎与真实照片同等有效，显著提升诊断信心。交互式助手也用于遗传检测结果解读：如LLM模块生成知识图子模块文本摘要；Just-DNA-seq平台整合定制GPT模型GeneticsGenie辅助无遗传背景用户解读结果；还有AI助手专注于药物基因组学结果解读。遗传问答、咨询、教育中的LLMs应用研究显示，在细微话题（如遗传模式、伦理风险沟通）上准确性存变，且存在幻觉和过时引用风险，需监督与持续再训练。
相关研究领域
虽本综述聚焦人类遗传学，但微生物基因组、蛋白质序列、癌症影像、表观遗传调控、基因编辑工作流及临床试验遗传支持等相邻领域应用，为人类遗传学提供可转移方法与洞察，如Transformer模型在细菌基因组中预测抗生素耐药性，或在蛋白质序列中预测基因本体术语，均展示跨域建模潜力。
讨论：模型选择、策略与挑战
模型选择指南
Transformer架构模型（编码器仅、解码器仅、编码器-解码器）可处理生物医学文本任务：编码器模型（如BioBERT、ClinVar-BERT）在结构化提取、注释、临床数据整理中最可靠；解码器LLMs（如ChatGPT、GeneGPT）适用于生成任务（如临床问答、报告起草、假设生成），但需检索与工具调用保障稳健性；混合系统（RAG、智能体）减少幻觉；完整编码器-解码器架构适用于模板约束文本生成。选择合适架构至关重要，新模型结合推理与工具使用可提升结果，但研究一致报告幻觉、过时知识、文风伪迹等问题。
DNA/RNA/蛋白质基础模型（如GENA-LM、Nucleotide Transformer）为剪接/调控效应预测、表观基因组信号转移、变异效应评分等任务提供可复用表示，但需注意分词粒度、长程依赖、域/物种转移及稀有区域校准。视觉主干与混合CNN-Transformer系统处理MRI、显微图像、面部表型等任务，多模态模型（如MGI、BioFusionNet）通过对齐或融合图像、序列、文本提升预测准确性（如癌症患者生存预测）。复杂专用架构（如Epi-PRS、Prophet）结合多种机制（卷积、注意力、经典ML）建模序列、图像、文本间关系，提升临床-遗传信号理解，但需深厚领域知识。
总体，模型选择应由任务、数据和安全需求驱动：编码器用于提取归一化，解码器LLMs（带检索/工具）用于可控生成，编码器-解码器用于结构化序列输出，生物基础模型需特定模式理解，多模态/视觉架构用于表型-基因型图像介导链接。使用最新版本、领域适配、精心提示提升性能，但严格评估不可或缺。
模型策略
数据质量控制（QC）与预处理是关键，伪影、缺失数据、不一致表型捕获会降低模型输入质量。预处理（如分割、标准化）提升数据质量，但也可能编码隐藏偏差或导致可复现性问题，需完整记录步骤、QC、版本固定及外部数据集测试。
通用语言模型常缺失疾病或位点特异性模式，标记队列小，存在过拟合/遗忘风险，需通过微调与领域适应提升性能。全微调在标签与计算充足时最大化对齐，但小队列上易过拟合；参数高效方法（PEFT，如LoRA/适配器/QLoRA）保持主干冻结，减少计算与受保护信息暴露，支持跨疾病/任务变体快速迭代。混合与持续训练通过同时暴露多样数据/任务，构建更通用表示，减少过拟合，保持灵活性，平衡专业化与泛化，适用于遗传咨询、变异解读等知识演进领域。新发现表明，领域特异性预训练不保证优越性：随机初始化模型在下游任务中可匹配或超越基因组基础模型；极小任务聚焦LMs通过选择性增量学习在通路推理中具竞争力且降低幻觉。
临床笔记与分子序列可能很长，包含短上下文模型遗漏的远端依赖；分词方案与分块可能无法正确反映生物功能。长上下文序列模型（如GENA-LM、Nucleotide Transformer）通过靶向长笔记和基因组中的长短远端依赖处理此问题，混合窗口（本地+全局）、任务特异性头部及与短上下文基线比较有助于保持准确性。
多模态融合常见方法包括对比学习（将所有模态置于共享空间，学习区分相似/不相似对）和跨模态注意力或晚期融合（让一模态使用另一模态信息）。典型问题包括模态不平衡、测试时缺失模态、位点/扫描仪/染色差异导致的域转移，实用修复包括课程学习、超参数调整、缺失模态头部或模态丢弃。
提示工程，如增加推理指令（思维链Chain-of-Thought）、提供少量示例（单样本/少样本学习），有助于生成结构化期望输出，但仍易泄漏上下文和冗长，需定期验证/更新提示库。
RAG通过先检索数据库和网站再生成答案，减少幻觉，提供可控、可引证痕迹，关键实践包括使用精选索引（如ClinVar/OMIM/HPO）、执行新鲜度政策、应用文档接地评分、要求内联引用、使用确定性解码与版本固定确保实时性、可审计性与稳定性。
AI智能体将复杂工作流分解为可调用步骤（计算、本体/数据库查询、代码执行），同时保留痕迹保障可复现性。开放框架如BioChatter或BioAgents展示受限、可本地部署、检索增强的生物医学任务管道；高级智能体系统如BioDiscoveryAgent用于扰动实验设计，聊天机器人智能体促进家族性高胆固醇血症的遗传风险家庭沟通。
多站点协作常需隐私保护训练，联邦学习支持无原始数据交换的跨站点协作，符合监管期望，但需额外技术专长。
数据与基准
生成式AI应用的增长与数据集和基准质量紧密相连。可靠评估与泛化不仅依赖模型设计，还取决于数据多样性、完整性及任务相关基准协议。
LLMs在遗传诊断中需可靠性，因此稳健基准对比较模型和建立信任至关重要。CARDBiomedBench等多领域问答基准基于专家知识精选和数据增强设计，暴露模型推理与安全真实差距。领域基准数量、报告分数和追踪方法持续增长，帮助超越通用NLP基准，迈向生物医学决策所需的细致推理。
其他技术领域工作强调基准泄漏威胁：模型预训练中无意看到测试数据会夸大性能、破坏可信度，促动泄漏感知协议和训练数据透明记录，尤其在生物医学等敏感领域。
现代临床模型需整合多样数据类型（文本、图像、基因组学、结构化记录），要求可扩展架构和一致输入质量。近期方法提升多模态融合效率（如对比学习、跨注意力），而预处理帮助标准化特定模态（如分割、面部轴标准化）。
独立于架构，版本固定（模型、分词器、提示、解码参数）、泄漏感知评估和可追溯性（记录来源、工具痕迹、决策检查点）提升安全性与可复现性。为透明评估和监管准备，推荐使用医疗报告清单如MI-CLEAR-LLM。这些发展强调LLMs在遗传学中的价值不仅由模型架构定义，同样重要的是训练与评估数据集完整性、基准代表性及整合对齐多模态输入的方法。
偏见问题
尽管能力令人印象深刻，LLMs常反映训练数据中的偏见，影响临床效用。研究揭示生成医疗报告等输出中的种族与人口偏见，遗传障碍年龄特异性表现中性能变化，或评审经验水平差异。语言仍是关键差异源：大多数生物医学模型以英语为中心，限制其他语言的可访问性与准确性。西班牙语MedLexSp、中文医学会话问答语料库、日语遗传咨询领域适应努力展示本地化模型与词典如何帮助缩小这些差距。
在基因组学与精准医疗中，训练数据缺乏多样性长期限制了AI见解对 underrepresented 群体的泛化性。迄今超过80%的全基因组关联研究（GWAS）在欧洲血统个体中进行，导致预测工具在其他人群（如非洲、西班牙裔）中表现显著较差，反映分布外泛化差，加剧健康差异。这些差距强调，若无刻意干预纳入多样化数据，AI系统（包括LLMs）可能无法公平服务边缘化社区。
实践建议按站点和语言分层报告结果（每家医院/注册库和临床语言单独性能指标）；即使FDA批准AI工具也鲜少按患者人口统计报告性能，凸显透明亚组评估的重要性。模型开发中使用血统感知抽样（平衡或加权队列更好反映目标人群）是关键步骤，辅以技术偏见缓解措施（如数据增强、算法去偏技术），确保模型跨亚组性能一致。安排生产环境公平性检查，定期偏见审计监控人口亚组性能差距，捕捉并修复任何新出现的不平等。此类负责任AI实践，结合语言或人群特异性模型适应，对减轻偏见和促进更公平临床AI系统至关重要。
结论
生成式AI方法已在人类遗传病研究与诊断的多种关键任务中取得显著进展。生成式AI模型在知识导航、临床与遗传数据分析、与研究人员、医疗专家及患者交互等相关任务中证明其效率。得益于生成模型特殊架构，其应用已超越标准分类任务，现广泛用于复杂任务，如遗传变异解读、新生物假设生成、多基因风险评估复杂表观基因组特征预测。
生成式AI工具（包括LLMs）在支持遗传医学涉及的各种专业角色方面具明确潜力。对临床遗传学家，LLM驱动系统可辅助提供明确诊断、个体风险预测及与患者互动；对研究人员和生物信息学家，此类模型为涉及大量基因组或其他高通量数据的复杂任务提供解决方案。随着LLMs成熟，预期其将部署于专为这些不同专家群体设计的软件环境中，提升遗传病诊断质量与速度。
本综述虽无法覆盖这一快速演进领域的每个工具与模型，但提供了结构化概览，可作为分类器与指南，助研究者与从业者导航人类医学基因组学中LLM应用的快增图景。
