- 4 次围观
肿瘤测序的日益广泛应用，加剧了对基因组变异进行快速、可追溯解释的需求。通用型大语言模型虽然能够生成流畅的回答，但由于存在无依据陈述、溯源能力薄弱以及知识陈旧等问题，其在临床基因组学中的适用性受到限制。我们开发了 OncoGenRAG，这是一个研究框架，将经过参数高效微调的 BioBERT 分类器与基于精选、多源肿瘤学知识库的实体感知检索系统相结合。文中报告的知识库包含 933 条经统一规范化的记录，来源于 CIViC、ClinVar/dbSNP、Open Targets、UniProtKB/Swiss-Prot、Ensembl Variation 以及关联的 PubMed 文献。该分类器可分配以下五类标签之一：致病（Pathogenic）、可能致病（Likely Pathogenic）、临床意义未明变异（Variant of Uncertain Significance）、良性（Benign）或致癌性（Oncogenic）；检索组件则利用子词级 TF-IDF 相似度以及对基因、变异和癌症类型的显式匹配，对证据记录进行排序。当检索支持低于预设阈值时，拒答规则将抑制系统输出答案。在作者保留测试集上的评估中，该分类器达到了 92.40% 的准确率、93.15% 的加权精确率、92.40% 的加权召回率以及 92.65% 的加权 F1 分数。在另一项包含 100 个临床风格查询的基准测试中，OncoGenRAG 的报告结果为 Precision@1 达 94.5%，Precision@3 达 96.8%，且数据库锚定率为 100%。按照该研究的操作性定义，未观察到任何幻觉性回答；相比之下，未进行知识锚定的基线模型“无幻觉”率仅为 41.0%。由于查询构建方式、标注者一致性、类别特异性表现、校准情况以及外部验证数据均未提供以供独立分析，因此这些结果应被解读为内部验证，而非普遍安全性的证明。OncoGenRAG 为证据检索与拒答机制提供了透明的设计，但其仍是一个研究原型，未经专家审查，不得用于治疗决策。
肿瘤测序的日益广泛应用，强化了对基因组变异进行快速、可追溯解读的需求。通用型大语言模型能够生成流畅的回答，但缺乏证据支持的陈述、较弱的溯源能力以及知识陈旧等问题，限制了其在临床基因组学中的适用性。我们开发了 OncoGenRAG，这是一个研究框架，将经过参数高效微调的 BioBERT 分类器与基于精心整理的多源肿瘤学知识库的实体感知检索系统相结合。所报告的知识库包含 933 条经协调统一的记录，来源于 CIViC、ClinVar/dbSNP、Open Targets、UniProtKB/Swiss-Prot、Ensembl Variation 以及关联的 PubMed 文献。分类器分配五类标签之一：致病、可能致病、意义未明变异、良性或致癌性；检索组件则利用子词级 TF-IDF 相似度以及对基因、变异和癌症类型的显式匹配，对证据记录进行排序。当检索支持低于预先设定的阈值时，拒答规则会抑制生成答案。在作者进行的留出集评估中，该分类器取得了 92.40% 的准确率、93.15% 的加权精确率、92.40% 的加权召回率以及 92.65% 的加权 F1 分数。在另一项包含 100 个临床风格查询的基准测试中，OncoGenRAG 报告的 Precision@1 为 94.5%，Precision@3 为 96.8%，数据库溯源率为 100%。按照该研究的操作性定义，未观察到任何幻觉式回答；相比之下，无溯源基线模型的无幻觉率为 41.0%。由于查询构建方式、标注者一致性、类别特异性性能、校准情况以及外部验证数据均无法获得以供独立分析，因此这些结果应被解读为内部验证，而非对其普遍安全性的证明。OncoGenRAG 为证据检索与拒答机制提供了透明的设计，但它仍是一个研究原型，在未经专家审查的情况下，不得用于治疗决策。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.20.746121v1?rss=1
🏷️ 精准肿瘤学 变异解读 证据检索 BioBERT 临床基因组学