精准医疗究竟如何帮助治疗罕见病？
精准医学根据患者独特的基因和分子特征制定治疗方案，这对标准疗法往往无效的罕见病至关重要。核心挑战在于，超过90%的罕见病缺乏获批疗法[1]。精准医学通过知识图谱等工具应对这一难题——这类网络将基因组数据、临床病史与药物信息相连接，从而发现患者基因突变与可能有效的现有药物之间的潜在关联[2][4]。例如，AI工具mediKanren已帮助500多个罕见病家庭，通过扫描海量生物医学数据库来提出药物再利用的可能性[4]。
在血液癌症（血液系统恶性肿瘤）领域，精准医学更为先进。基因检测已被用于数十年的亚型分类和治疗指导，通过靶向药物（如针对特定白血病的BCR::ABL1抑制剂）带来了明确的生存获益[5]。这表明，当已知遗传驱动因素且存在相应药物时，精准医学能够取得切实成效。
证据是否表明精准医疗确实改善了疗效？
最有力的证据来自血液恶性肿瘤领域，精准诊断通过将患者与靶向治疗相匹配，直接提高了生存率[5]。这是最理想的情况：一个被充分理解的基因突变，加上一种针对该靶点设计的药物。而在更广泛的罕见病领域，证据更多体现为潜力而非确凿的疗效。mediKanren工具已应用于超过500个家庭，但摘要并未说明其中有多少病例最终实现了成功治疗[4]。同样，人工智能驱动的药物发现正在加速新靶点的识别和药物重定位候选方案的筛选，但大多数仍处于早期阶段[1]。
该研究的一个关键洞见在于，罕见病与精准医学相辅相成：对罕见遗传病例的研究常能揭示适用于常见病的机制，反之亦然[6]。这意味着，即便针对某种特定罕见病的直接疗效数据有限，从精准医学方法中获取的知识也能为未来治疗奠定基础。然而，最佳案例（如血癌）与典型病例（如大多数罕见病）之间的差距依然巨大，读者不应期待所有疾病都能立即获得治愈。
有哪些局限性？在什么情况下效果不佳？
罕见病的精准医疗面临多重挑战。首先，数据稀缺：每种疾病仅有少数患者，难以构建稳健的模型或开展临床试验[1][2]。其次，相关工具仍在完善中——人工智能模型虽能提出治疗方案，但需要高质量的基因组和临床数据，而这些数据并非总能获取[3]。第三，即便识别出潜在药物，也可能未在特定罕见病中经过验证，因此疗效存在不确定性[4]。
伦理问题也随之而来：将人工智能与基因数据相结合会引发隐私问题及算法偏差风险，若管理不当，可能加剧不平等现象[3]。最后，经济激励不足——为极少数患者群体开发治疗方案成本高昂，这正是超过90%的罕见病至今仍缺乏有效疗法的原因[1]。因此，尽管精准医学带来了希望，但它并非万能灵药，不同疾病的进展也将参差不齐。
关于这些来源
该回答基于6篇经同行评审的研究——发表于2022年至2024年间，其中3篇为2024年及以后发表，4篇发表于Q1期刊，累计被引用144次——这些研究是从44篇论文中筛选出的6篇通过质量审查的文献中选出的最具相关性的成果，而44篇论文则源自一个涵盖超过5亿条记录的数据库。
本文引用的文献
人工智能驱动的罕见病药物发现
本综述指出，超过90%的罕见病缺乏有效疗法，并论证了人工智能驱动的药物发现（包括药物重定位和生物标志物识别）可加速治疗方案的开发，尽管大多数应用仍处于早期阶段。
利用知识图谱增强罕见病个性化医疗中的医学推理能力
本项目提出利用知识图谱整合基因组、临床及药理学数据，用于罕见病的诊断与治疗，预期可提升诊断准确率并优化个性化治疗方案，但未报告定量结果数据。
利用精准医疗与人工智能的力量
本章探讨了精准医学与人工智能在改善罕见疾病预后方面的潜力，同时强调了数据隐私和算法偏见等伦理挑战，但未提供具体的预后数据。
使用人工智能工具mediKanren治疗罕见病的精准医疗流程
mediKanren人工智能工具利用知识图谱将遗传学见解与药物重定位机会联系起来，已应用于500多个罕见病家庭，展示了一种可扩展的潜在治疗方案识别流程。
血液恶性肿瘤的新型精准医学方法与治疗策略
在血液系统恶性肿瘤中，基于基因检测（如BCR::ABL1）的精准诊断通过指导靶向治疗直接改善了患者生存率，这构成了罕见疾病精准医学领域最有力的证据基础之一。
罕见病为何需要精准医学——而精准医学同样需要罕见病
这一观点认为，罕见病研究对精准医学至关重要，因为罕见遗传病例揭示了适用于常见疾病的机制，反之亦然，从而形成了一种共生关系。