KGRD: a knowledge-graph-augmented automated reasoning framework for diagnosis and counselling of paediatric rare genetic disorders.

Cadre de raisonnement augmenté par graphe de connaissances : trois agents d'inférence + module de décision collective avec vérification multi-sources sur données génomiques et phénotypiques

Le diagnostic et le conseil pour les maladies rares pédiatriques sont limités par la rareté des données structurées au niveau patient et la fragmentation du savoir génétique, qui induisent un biais de « common-attention » dans les LLM classiques. Les auteurs décrivent KGRD, un cadre d'aide au diagnostic augmenté par graphe de connaissances, combinant inférence dirigée par la connaissance et par les données. Il comprend trois agents d'inférence spécialisés et un module de décision collective avec vérification multi-sources. Sur un benchmark de 420 cas de maladies rares, KGRD améliore la performance globale (score de Bond du diagnostic de tête de 3,27 à 3,85 ; CIE de 73,6 à 81,9 %).

Synthèse rédigée par Geno'X. Pour l'abstract original complet, consulter la publication source.

Approche intéressante pour ancrer le raisonnement des LLM sur un graphe de connaissances vérifiable, ce qui répond au risque d'hallucination des modèles génériques — un enjeu central pour tout outil génomique clinique. Reste une validation sur benchmark ; l'intégration réelle en consultation et la robustesse hors distribution restent à démontrer.

Analyse par Dr Thibaut Benquey