희귀 질환 진단을 가속화하기 위한 특수 목적 추론 대규모 언어 모델: 무작위 AI 의료 전문가 지원 임상 시험

A specialized reasoning large language model for accelerating rare disease diagnosis: a randomized AI physician assistance trial

희귀 질환은 전 세계적으로 수백만 명의 사람들에게 영향을 미치지만, 전문적인 임상 지식 부족으로 인해 적절한 시기에 진단받지 못하는 경우가 많아 공중 보건상의 주요 과제로 남아 있습니다. 대규모 언어 모델(LLM)이 희귀 질환 진단을 지원할 가능성을 보여주었지만, 현재의 모델은 임상 적용 가능성 부족, 제한적인 임상적 근거 및 학습 데이터 부족이라는 제약 조건을 가지고 있습니다. 본 연구에서는 공개 소스 기반으로 개발된, 320억 개의 파라미터를 가진 희귀 질환 진단을 위한 경량 추론 LLM인 RaDaR (Rare Disease navigatoR)을 소개합니다. RaDaR은 공개적으로 이용 가능한 49,170개의 텍스트 사례와 추론 능력을 향상시킨 104,666개의 합성 데이터를 사용하여 학습되었습니다. RaDaR은 평가된 다른 공개 소스 모델(예: 671B의 DeepSeek-R1)을 포함하여 다양한 공개 벤치마크 및 네 곳의 외부 검증 센터에서 가장 뛰어난 성능을 보였습니다. 과거 환자 데이터 분석 결과, RaDaR은 문서화된 임상적 의심보다 먼저 최종 진단을 제시하는 경우가 전체 사례의 61.06%에 달했으며, 이는 잠재적으로 1.87개월의 시간 단축과 동일 센터 내 평균 진단 기간의 50.18%에 해당합니다. 무작위 배정된 의료 전문가 지원 임상 시험에서는 RaDaR의 도움을 받은 경우, 인터넷 검색만 사용한 경우보다 의료진의 희귀 질환 진단 정확도가 21.44% 포인트 향상되었습니다. 합성 데이터 분석 결과, 특정 형질과 관련된 설명이 학습 데이터에서 부족한(long-tail) 희귀 질환에 대한 유용한 학습 신호를 제공하며, 테스트된 데이터 범위 내에서 단조적인 증가 추세를 보이는 것으로 나타났습니다. RaDaR 및 개발/검증 프레임워크는 데이터 부족 상황에서 진단 AI를 위한 활용 가능한 희귀 질환 추론 모델과 재현 가능한 개발 프레임워크를 제공합니다.

Rare diseases affect millions of individuals worldwide, yet timely diagnosis remains a major public health challenge due to scarcity of specialized clinical expertise. While large language models (LLMs) show promise to support rare disease diagnosis, current models are constrained by insufficient clinical deployability, limited clinically grounded evidence, and scarcity of training data. Here we present RaDaR (Rare Disease navigatoR), an open-source, compact reasoning LLM (32B parameters) for rare disease diagnosis. RaDaR was trained with 49,170 publicly available free-text cases and 104,666 synthetic cases with reasoning-enhanced training. RaDaR showed the strongest performance among evaluated open-source models, including the 671B DeepSeek-R1, across public benchmarks and four external validation centers. In a retrospective cohort, RaDaR prioritized the final diagnosis before documented clinical suspicion in 61.06 percent of cases, corresponding to a potential lead time of 1.87 months and 50.18 percent of the within-center interval. In a randomized physician-assistance trial, RaDaR assistance improved physicians' rare-disease diagnostic accuracy by 21.44 percentage points compared with internet search alone. Synthetic-data ablations suggested that phenotype-anchored narratives provide useful training signal for long-tail rare diseases, with a monotonic scaling trend within the tested data range. Together, RaDaR and its development and validation framework provide a deployable rare-disease reasoning model and a reproducible development framework for diagnostic AI under data scarcity.