華大基因開源OneGenome：讓AI從DNA變異一路追到罕病線索

罕見疾病的難題，往往不在於能否讀出DNA，而在於如何從成千上萬個變異中找出真正與症狀相關的那一個。華大生命科學研究院與之江實驗室共同開發的OneGenome，試圖把這段費時的判讀工作串成一條AI流程：先理解基因序列，再連結患者表徵、疾病知識與臨床文獻，提出可供專業人員檢視的診斷線索。

OneGenome的核心是人類基因組基礎模型Genos，再加入大型語言模型的文字理解與推理能力。前者負責辨識DNA序列與變異可能具有的生物功能，後者則整理非結構化的臨床描述、比對疾病文獻，並說明候選變異與症狀之間的關係。系統也可延伸至治療與用藥資訊，但這類輸出較適合視為文獻導引，而非直接的處方建議。

Genos先前已公開模型與程式資源。之江實驗室披露，最新版模型以636套高品質、端粒到端粒的人類基因組建立訓練語料，可在單一鹼基解析度下處理最長約100萬鹼基的序列。這種長序列能力的意義，在於模型不必只看變異附近的一小段DNA，也有機會捕捉較遠端的調控關係；但模型從序列學到的關聯，仍不等同於已證實的致病機制。

開發團隊表示，OneGenome在罕病診斷及用藥指引測試中的表現優於若干通用語言模型與傳統基因模型。現有公開資訊卻未完整交代測試病例數、資料切分方式、比較基準及不同族群的錯誤率，也未見獨立同儕審查的臨床驗證。缺少這些資料，便難以判斷模型是否記住既有案例，或能否處理真實門診中表徵不完整、檢測品質不一及多重變異並存的患者。

開源可讓研究團隊檢查程式、重現測試並依本地資料調整模型，也有助資源較少的罕病中心取得分析工具。OneGenome於2026年7月獲國際電信聯盟「Open-Source AI for Global Impact」類別的應用案例獎；華大並展示罕病篩檢與精準腫瘤學的下游代理工具。不過，技術獎項證明的是應用構想與公共價值，不能取代醫療器材審查或診斷效能證據。

下一道門檻是把漂亮的基準測試帶進臨床：在不同醫院進行前瞻性比較，公開漏診、誤判與族群偏差，並確認模型引用的文獻可追溯、患者基因資料受到妥善保護。即使系統能迅速縮小候選範圍，最終判讀仍須結合家族史、遺傳模式、功能實驗及臨床專家的審核。OneGenome真正能否縮短患者多年求診的「診斷旅程」，要由這些現實條件決定。