知识卡片：以技能为中心的大模型智能体推进临床基因组分析

一句话结论

ClinGeX 是一个由大语言模型驱动的临床基因组分析智能体，通过组合 105 个可执行技能并在基准测试与人类-AI 协作研究中显著优于对照条件，显示出“可执行领域技能”作为辅助专家基因组解读路径的潜力。

事件概述或研究问题

临床基因组分析要求专家整合不断更新的指南、数据库与计算证据；随着测序可及性提高，这一复杂且劳动密集的过程已成为基因组信息及时进入临床决策的主要瓶颈。研究旨在探索能否用大语言模型智能体填补这一缺口。

方法/产品要点

• 开发了 ClinGeX，一个大语言模型智能体。
• 该智能体通过任务特定检索与依赖感知编排，组合 105 个经过 curation 的可执行技能（executable skills）。
• 评测包含三部分：223 个时间上留出的基准病例；三条件、平衡设计的人类-AI 协作研究（45 名临床基因组专业人员、135 个临床来源病例，分为常规无 AI、DeepSeek 辅助、ClinGeX 辅助）；为期一个月的探索性真实世界非干预评估（11 名经验丰富的专业人员、96 个自选分析片段）。

主要结果或产业意义

• 在 223 个时间上留出的基准病例上，ClinGeX 与专家参考分类达到 71.7% 的宏平均任务级一致性，最强对照为 45.7%。
• 在人类-AI 协作研究中，ClinGeX 辅助提高了原始病例级一致性：标准级变异分析、罕见病基因组解读、分子肿瘤决策分别为 51.1%、57.8%、64.4%，对照条件为 15.6%、31.1%、20.0%。
• ClinGeX 辅助在所有场景中均减少了报告解读时间。
• 在探索性真实世界评估中，参与者报告了较高的结论采纳率与时间节省。

为什么重要

测序普及使临床基因组解读成为瓶颈，而该研究提供了“可执行领域技能 + 依赖感知编排”的智能体设计范式，并在基准与人类协作两种设置下给出量化增益，为 AI 辅助专家解读（而非替代）提供了可复现的实验证据。与已有关于 AI 辅助可能削弱人类技能发展的卡片相比，本条聚焦于专业临床场景中的性能与效率增益，二者构成“增益”与“风险”的互补视角。

局限与不确定性

• 基准测试为 223 个时间上留出的病例，其覆盖范围与代表性待核实。
• 人类-AI 协作研究为受控实验设置，真实临床工作流中的效果待核实。
• 真实世界评估为探索性、非干预、为期一个月、仅 11 名专业人员与 96 个自选片段，样本与选择偏差待核实。
• 结论采纳与时间节省为参与者自报，缺乏独立客观测量，待核实。
• 与最强对照的具体构成及统计显著性检验细节，摘要未给出，待核实。

可用于图书/PPT/简报的角度

• “技能编排”作为领域智能体的架构范式：105 个可执行技能 + 任务特定检索 + 依赖感知编排。
• AI 辅助专业解读的“增益证据”：基准一致性、协作研究一致性、自报时间节省三层证据链。
• 人机协作实验设计示例：三条件平衡设计（无 AI / 通用模型 / 领域智能体）。
• 与“AI 辅助削弱技能发展”研究对照，讨论专业场景中效率与能力保持的平衡。
• 临床基因组分析作为 AI 落地的瓶颈场景与产业化切入点。

原始材料

• 标题：Advancing Clinical Genomic Analysis with a Skill-Centred Agent
• arXiv ID：2610.40556v1
• 作者：Qiaoyu Zheng, Weike Zhao, Yanjie Fan, Ye Cao, Mengqi Jiang, Xiao Zhou, Xiaoman Zhang, Pengcheng Qiu, Yongguo Yu, Yanfeng Wang, Ya Zhang, Chaoyi Wu, Weidi Xie
• 发布：2026-10-29T17:40:24Z
• 主分类：cs.AI；分类：cs.AI, q-bio.GN
• Abstract URL：https://arxiv.org/abs/2610.40556v1
• PDF URL：https://arxiv.org/pdf/2610.40556v1
• 关键词：clinical genomic analysis；LLM agent；executable skills；dependency-aware orchestration；human-AI collaboration