罕见病诊断往往不是一次检查就能完成，而是要在多年病史、扫描件、表型编码、基因变异和新文献之间反复核对。AWS最新展示的RareDx原型，尝试让12个专用智能体协助遗传诊断，把医生需要跨系统完成的资料整理工作放进一条可追溯流程。

10月9日，AWS公共部门博客介绍了RareDx。官方将其定义为基于智能体AI的应用原型，服务对象是临床遗传学医生。文章援引研究称，全球约有3亿人受到约7000种已分类罕见病影响，而罕见病诊断通常要经历较长路径。RareDx的目标不是替代医生作出结论，而是减少资料提取、翻译、编码和报告准备等重复劳动。

一个协调者，编排不同专业任务

RareDx建立在Amazon Bedrock AgentCore与Strands Agents SDK之上。一个临床协调智能体负责调度12个专用智能体，角色包括患者摘要、表型分析、生物医学研究、术语转换、家系分析、临床指南和报告生成等。不同任务可选择不同模型：简单路由侧重速度，变异解释和报告撰写则使用更强的推理能力。

这种拆分的意义在于，团队可以单独替换或调优某一个模块，而不必把整个系统推倒重来。例如国家报告规范变化时，可调整报告智能体；数据库或分析模型更新时，也能在对应环节独立验证。

30种工具把病例与证据连接起来

AWS称，系统通过一个MCP端点接入Biomni工具包中的30种生物医学工具，覆盖ClinVar、gnomAD、Ensembl、OpenTargets等数据库，以及PubMed、arXiv和ClinicalTrials.gov等文献来源。底层数据还涉及Amazon S3、DynamoDB、AWS HealthLake和Amazon Comprehend Medical。

诊疗路径被分成六个阶段：从转诊材料提取、表型映射和检查规划，到就诊记录、诊断路径确认、变异解释和规范化报告。关键输出可回到来源，医生需要逐项审阅、编辑并作出最终判断。系统支持英文、西班牙文和德文界面，官方称原型在两周内完成。

医疗AI真正的门槛是验证与责任

在数据治理方面，AWS表示该原型部署在爱尔兰区域，患者数据不会用于训练模型，并采用默认零数据保留等设计。即便如此，医院在真正落地时仍需验证访问控制、日志留存、数据跨境、模型更新和第三方工具权限是否符合当地法规与本机构制度。

AWS还称，一家学术医疗中心的人类遗传学部门在初步测试中认为，RareDx可能减少60%至70%的行政负担。这个数字来自原型阶段的医生反馈，不是独立临床试验结果，也不能被理解为诊断准确率或实际疗效。官方同时说明，团队仍在与用户合作，把系统推进到可供验证的生产级应用。

编辑观察：先证明每一步可靠，再追求全流程自动化

医疗智能体最值得关注的，不是一次生成多长的报告，而是能否让每条结论追溯到原始病历、指南或数据库，并明确哪些内容由AI建议、哪些内容由医生确认。医院若要试点，可先从材料分类、术语标准化和报告草拟等低风险环节开始，建立错误类型、人工修改率、用时和召回来源等指标。

RareDx展示了多智能体在复杂专业流程中的一种架构选择，但它目前仍是原型。对医疗机构而言，真正的上线标准应包括临床验证、持续监测、人工复核和明确责任边界，而不是只看演示速度。

配图为AIcent原创AI生成实景风格示意图，非官方新闻现场照片，不使用第三方新闻图片。

参考来源：AWS官方公共部门博客（2026年10月9日）。正文为基于官方消息的中文整理，编辑观察与事实披露分开呈现。