← 返回 PaperDaily
大模型与智能体
清华协和新模型RaDaR：32B也能做罕见病诊断
罕见病最怕的不是治不了，而是来得太晚。RaDaR把自由文本、合成数据和推理增强揉成一套开源方案，还做了随机医生辅助试验，终于不是“纸上谈兵”的医疗大模型了。
龙哥读论文
发布于 2026-08-14 21:50:16
阅读 3
查看原文
🐉 龙哥读论文知识星球来了！ 公众号每日8篇拆解不够看？星球 无上限更AI领域论文、资讯、招聘、招博、开源代码， 一站式干货，每日2分钟刷完即赚！ 👇扫码加入「龙哥读论文」知识星球，前沿干货、实用资源一站式拿捏～
龙哥推荐理由：
原论文信息如下：
🎯 罕见病诊断的“诊断奥德赛”，RaDaR 如何破局？ 罕见病这事，最让人头大的不是“罕见”，而是“太晚才罕见”。患者往往要在不同科室之间来回折腾，检查做了一轮又一轮，最后才有人突然拍大腿：“哦，原来是这个病。”
本论文提出的 RaDaR Rare Disease navigatoR 32B 参数
这篇工作最有意思的地方在于，它没有停留在“模型在榜单上跑分不错”这种舒适区，而是继续往前走了一步：做了 外部多中心验证 回顾性诊断轨迹分析 随机医生辅助试验
🔬 RaDaR 模型开发：从数据合成到推理增强 先把基础概念捋顺。这里的 大语言模型（LLM，Large Language Model） 说得像医生、想得像医生、还别乱说
RaDaR 的底座来自 DeepSeek-R1-Distill-Qwen-32B 不追求巨无霸，追求能落地
模型训练分两步走。第一步是 监督微调（SFT，Supervised Fine-Tuning） 直接偏好优化（DPO，Direct Preference Optimization）
训练数据也很有戏。论文用了 49,170 104,666 以表型为锚点
这里最关键的不是“数据多”，而是“数据长得像临床数据”。罕见病的真实病例本来就少，很多病甚至一辈子都难见几次。于是论文用合成病例去补长尾，让模型见识到更多罕见组合。这个思路听起来有点像给模型开了个“罕见病博物馆”，让它至少知道世界上还有这些奇怪但真实存在的病。
⚙️ 全面评估：静态基准、外部验证与临床轨迹分析 如果只看静态题库，模型很容易“考得好看”；但真正麻烦的是，医院里的病例不会按题库格式排队出现。论文因此设计了三层评估：公开基准、外部中心验证、以及沿着真实诊疗过程的回顾性分析。这个组合拳的意义在于，尽量把模型从“会做题”推进到“会看病”的门口。
在公开的 RareArena 留出测试集上，RaDaR 在 rare disease screening rare disease confirmation
更有意思的是，RaDaR 不只是“总分高”，还在 超罕见疾病
外部验证也很关键。论文在北京协和医院、北京宣武医院、西京医院、新加坡的儿童医院等多个中心做了测试。不同医院的病历写法、检查习惯、记录风格都不一样，这种分布偏移最容易把模型“考懵”。但 RaDaR 仍保持了较稳的表现，说明它不是只会背训练集，而是对真实临床文本有一定泛化能力。
论文还做了一件很“临床”的事：沿着患者真实就诊轨迹，看看模型能不能比医生更早想到正确诊断。这里用到一个指标叫 VNDAS visit-normalized diagnostic advancement score 就诊归一化诊断提前度评分
结果是，RaDaR 在 61.06% 1.87 个月
👨⚕️ 随机医生辅助试验：AI 辅助提升诊断准确率 21% 这部分是整篇论文最“像临床研究”的地方。作者没有停在模型分数，而是直接做了一个 随机医生辅助试验
试验纳入了来自多个医院的 76 名完成者，覆盖神经内科、内科和儿科。结果很直接：有了 RaDaR 辅助，医生的诊断准确率从 28.00% 49.44% 提升 21.44 个百分点
🔍 合成数据的魔力：缓解数据稀缺，实现性能扩展 罕见病训练数据少，是老生常谈，但老问题不代表没法处理。RaDaR 的另一个亮点在于，它系统性地验证了合成数据到底能不能“补课”。这不是简单地往训练集中塞一些假病例，而是通过以表型为锚点的叙述生成，让模型接触到更多长尾疾病的文本表达方式。
论文的消融结果显示，加入合成数据后，模型性能是稳定提升的，而且在极度稀缺的超罕见区间提升最明显。更有意思的是，只用合成数据训练
论文还观察到一个很漂亮的现象：随着每个疾病的合成样本数增加，性能呈现近似单调上升，并符合幂律式增长趋势。这个结果的潜台词是，合成数据不是“加一点试试”，而是一个可以持续扩容、持续补强的训练杠杆。对于罕见病这种天然长尾任务来说，这点尤其重要，因为现实世界里，很多病根本不可能靠等真实样本慢慢攒齐。
💡 总结与展望：开源模型的临床落地挑战 RaDaR 这篇工作最值得肯定的，不只是它把分数做上去了，而是它认真回答了三个临床落地必须面对的问题：能不能训出来 能不能用起来 用了会不会翻车
它的优点也很明确：开源、参数适中、支持本地部署、能处理自由文本、还做了临床辅助试验。对于医院这种对隐私和算力都很敏感的环境来说，这种组合比“超大但只能云端跑”的方案更现实。再加上项目层面还有 RareDx
不过，冷静一点看，挑战也不少。第一，罕见病的真实临床场景极其复杂，模型即便能提前给出候选诊断，也不等于能自动完成下一步检查决策。第二，医生辅助试验虽然结果很好，但样本量和任务设置仍有边界，离真正嵌入日常门诊流程还有距离。第三，校准误差提示了一个老问题：AI 可以帮忙，但不能把“信心”伪装成“正确”。
更长远地看，罕见病 AI 的合理形态，大概率不是单个大模型包打天下，而是 自由文本推理 + 结构化表型工具 + 医生交互式确认
龙迷三问 这篇论文到底解决了什么问题？
VNDAS 是什么意思？
合成数据为什么有用？
如果你还有哪些想要了解的，欢迎在评论区留言或者讨论~
龙哥点评 论文创新性分数： ★★★★☆ 不是第一次有人拿大模型做医疗，但把自由文本罕见病诊断、合成数据、临床轨迹分析、随机医生试验
实验合理度： ★★★★☆ 不只看静态榜单，还做了外部中心验证和临床辅助试验，比较能说明问题；不过医疗场景真实复杂度更高，仍有进一步验证空间。
学术研究价值： ★★★★★ 这篇论文不只是做模型，更是在探索数据稀缺医疗任务
稳定性： ★★★☆☆ 在多中心和不同输入形式下表现不错，但医生辅助试验里出现校准误差上升，说明稳定性还不能完全放心交给临床一线。
适应性以及泛化能力： ★★★★☆ 对不同中心、不同疾病频次、不同输入格式都有一定适应性，尤其在长尾疾病上表现亮眼；但跨语言、跨国家流程还需要更多验证。
硬件需求及成本： ★★★☆☆ 32B 参数比超大模型友好很多，已经有较现实的本地部署可能；但医院落地仍需要算力、隐私合规和系统集成支持。
复现难度： ★★★★☆ 开源模型、开源数据和项目链接都给了，复现门槛不算离谱；真正难的是拿到同等质量的临床数据和完成严谨评估。
产品化成熟度： ★★★☆☆ 适合做临床辅助决策原型或研究平台，但离“直接上岗”还差最后一公里，尤其要补足校准、安全和流程嵌入。
可能的问题： 训练数据与真实临床分布仍有差距，模型可能在少数错误病例上显得过于自信；医疗场景里，这种自信最容易让人心里一紧。
主要参考文献
1. Chen H, Zhou S, Zhao Z, et al. A specialized reasoning large language model for accelerating rare disease diagnosis: a randomized AI physician-assistance trial. arXiv, 2026. 2. RaDaR 开源代码：https://github.com/sczzz3/RaDaR 3. RareDx 项目：https://raredx.datummed.com 4. RareArena 数据集：https://github.com/zhao-zy15/RareArena *本文仅代表个人理解及观点，不构成任何论文审核或者项目落地推荐意见，具体以相关组织评审结果为准。欢迎就论文内容交流探讨，理性发言哦～ 想了解更多原文细节的小伙伴，可以点击 "阅读原文"， 查看更多原论文细节哦！
欢迎加入龙哥读论文粉丝群，
扫描下方二维码或者添加龙哥助手微信号加群 ：kangjinlonghelper。
一定要备注：研究方向+地点+学校/公司+昵称（如 图像处理+上海+清华+龙哥） ，根据格式备注，可更快被通过且邀请进群。
罕见病、医疗大模型、AI诊断都在群里继续聊，别让好论文只停在标题上。 
