Sjeldne sykdommer er individuelt uvanlige, men samlet utgjør de en av de mest krevende diagnostiske utfordringene i europeisk allmennpraksis. Med over 6 000 anerkjente sjeldne sykdommer som rammer omtrent 30 millioner mennesker i Europa, vil de fleste fastleger møte de fleste av disse tilstandene enten sjelden eller aldri. Likevel forblir primærhelsetjenesten det første kontaktpunktet for pasienter med symptomer som ennå ikke har fått et navn, og ansvaret for den første mistanken faller direkte på fastlegen. Kliniske beslutningsstøtteverktøy har blitt en rutinemessig del av dette miljøet, men hvor godt de tjener pasienter med sjeldne sykdomspresentasjoner fortjener nøye, evidensbasert vurdering.

Hvorfor sjeldne sykdommer er en diagnostisk blindsone i allmennpraksis

Det strukturelle problemet handler ikke om klinisk kompetanse. Som British Journal of General Practice har påpekt, har fastleger betydelig ekspertise i å håndtere multisystemsykdom, men få har ressursene til å undersøke sjeldne tilstander grundig. Mange rapporterer at de blir overveldet når pasienter kommer med detaljert informasjon om tilstander fastlegen aldri har møtt. Gjennomsnittlig tid fra symptomdebut til bekreftet sjelden sykdomsdiagnose er konsekvent oppgitt til fem til seks år i Storbritannia og Europa, der halvparten av pasientene får minst én feildiagnose underveis.

Denne forsinkelsen er ikke primært et sykehusproblem. Det er et primærhelsetjenesteproblem. Pasienter med sjeldne sykdommer går som regel gjennom flere fastlegekonsultasjoner før de når en spesialist som gjenkjenner tilstanden. Den diagnostiske odysseen, et begrep som nå er forankret i litteraturen om sjeldne sykdommer, begynner og stopper ofte opp i allmennpraksis. Ikke fordi fastleger er uoppmerksomme, men fordi den kognitive arkitekturen for klinisk mønstergjenkjenning er kalibrert til hyppighet. Tilstander en kliniker aldri har sett er, nesten per definisjon, vanskeligere å vurdere.

Hvordan kliniske beslutningsstøtteverktøy trenes, og hvor dette skaper hull

Kliniske beslutningsstøtteverktøy genererer differensialdiagnoser ved å trekke på treningsdata og diagnostisk logikk vektet mot vanlige presentasjoner. Dette er et rasjonelt designvalg: verktøy bygget for å bistå i det bredeste spekteret av konsultasjoner bør prestere godt på tilstandene fastleger møter oftest. Konsekvensen er at sjeldne sykdomsforløp er systematisk underrepresentert, ikke på grunn av bevisst ekskludering, men på grunn av et datafrekvensproblem. Tilstander som forekommer sjelden i treningsdatasett, gir svake eller fraværende signaler i frekvensvektet differensiallogikk.

En scoping-gjennomgang fra 2026 i International Journal of Medical Informatics kartla de teknologiske tilnærmingene som ligger til grunn for beslutningsstøttesystemer for sjelden sykdomsdiagnose. Den identifiserte fire hovedkategorier: informasjonsgjenfinningssystemer, fenotypedrevet resonnering, ontologibaserte metoder og AI-baserte tilnærminger. Gjennomgangen fant at overgangen til rutinemessig klinisk praksis forblir begrenset på tvers av alle fire kategorier. Gapet mellom forskningskvalitetsverktøy og de som er tilgjengelige på behandlingsstedet er betydelig.

SATURN-prosjektet i Tyskland utviklet en beslutningsstøtteprototype spesielt for primærhelsetjenesten rettet mot uklare og sjeldne sykdomspresentasjoner. Kvalitativ evaluering viste at selv spesialbygde verktøy møter betydelige brukervennlighetsutfordringer. Disse inkluderte manglende mulighet til å legge inn symptomer som ikke var oppført, og fravær av direkte dataimport fra praksissystemer. Dette er ikke små forbedringer. De er hindringer som avgjør om et verktøy blir brukt i det hele tatt.

Hva litteraturen sier om feildiagnostisering av sjeldne sykdommer i primærhelsetjenesten

Evidensen om diagnostisk forsinkelse ved sjeldne sykdommer er konsistent på tvers av europeiske settinger. Diagnostiske odysseer på i gjennomsnitt fire til åtte år rapporteres i litteraturen, selv om estimatene varierer etter tilstand og land. Noen studier oppgir fem til seks år i Storbritannia og Europa spesielt. Disse forsinkelsene ledsages av hyppige feildiagnoser og unødvendige undersøkelser.

En Delphi-konsensusstudie fra 2025 publisert i Scientific Reports, som involverte 55 tverrfaglige eksperter, identifiserte nøkkelårsakene til forsinkelse: lav prevalens, begrenset bevissthet blant primærhelsetjenestepersonell, heterogen klinisk presentasjon og uvanlige arvemønstre.

Samme konsensus identifiserte presentasjonstrekk som oftest er assosiert med oversette sjeldne sykdomsdiagnoser:

• Familiehistorie med uforklart eller alvorlig sykdom

• Klynger av fødselsdefekter eller medfødte anomalier

• Uvanlige presentasjoner av ellers vanlige sykdommer

• Nevrologiske utviklingsforsinkelser eller uforklart kognitiv tilbakegang

• Alvorlig patologi uforholdsmessig til tilsynelatende årsak

Dette er ikke obskure signaler. Mange er synlige i fastlegejournalen på tvers av flere konsultasjoner. Problemet er at hver enkelt isolert sett kan synes å passe til en mer vanlig forklaring. Frekvensvektede verktøy vil konsekvent presentere den vanlige forklaringen først.

Forskjellen mellom frekvensvektet og fenotypebasert beslutningsstøtte

Skillet mellom frekvensvektet og fenotypebasert differensiallogikk er sentralt for å forstå hvordan beslutningsstøtteverktøy presterer på sjeldne sykdomspresentasjoner.

Frekvensvektede verktøy rangerer diagnostiske forslag etter befolkningsprevalens. I en konsultasjon som involverer tretthet, leddsmerter og utslett hos en 30-åring, vil et slikt verktøy pålitelig presentere anemi, virussykdom eller reaktiv artritt før det vurderer systemisk lupus erythematosus, fordi de førstnevnte er vanligere. Dette er hensiktsmessig for de fleste konsultasjoner. Det blir en strukturell begrensning når pasientens symptomklynge faktisk er mer konsistent med en sjelden tilstand.

Fenotypebasert differensiallogikk tar en annen tilnærming. I stedet for å rangere etter prevalens, kartlegger den den spesifikke kombinasjonen av symptomer, altså fenotypen, mot sykdomsprofiler uavhengig av hvor hyppig disse sykdommene forekommer i befolkningen. Denne tilnærmingen har større sannsynlighet for å presentere sjeldne sykdomskandidater når det kliniske bildet er atypisk. Human Phenotype Ontology (HPO) er det mest brukte strukturerte vokabularet for dette formålet. Det støtter systematisk kartlegging fra fenotype til sykdom på tvers av tusenvis av tilstander.

En studie fra 2026 i EBioMedicine evaluerte store språkmodellers ytelse for sjelden sykdomsdiagnose på tvers av ti språk, inkludert engelsk, fransk, tysk, nederlandsk, spansk og italiensk. Den brukte 4 917 kliniske vignetter utledet fra Human Phenotype Ontology-strukturerte data. GPT-4o plasserte korrekt sjelden sykdomsdiagnose innenfor de tre øverste rangerte differensialene i 27 prosent av tilfellene på engelsk, med bredt konsistent ytelse på tvers av europeiske språk. En 27 prosent topp-tre-treffrate er ikke tilstrekkelig for selvstendig klinisk tillit, men det representerer et meningsfullt signal om at fenotypestrukturert prompting kan presentere sjeldne diagnoser som frekvensvektet logikk ikke ville gjort.

Hvordan ledende europeiske kliniske beslutningsstøtteverktøy tilnærmer seg dekning av sjeldne sykdommer

Landskapet av beslutningsstøtteverktøy tilgjengelig i europeisk allmennpraksis er uensartet. Dekning av sjeldne sykdommer varierer betydelig.

Orphanet, den europeiske referansedatabasen for sjeldne sykdommer, gir den mest omfattende strukturerte ressursen for sjelden sykdomsnomenklatur, prevalensdata og kliniske beskrivelser. Verktøy som integrerer Orphanet-data, eller kryssrefererer OMIM (Online Mendelian Inheritance in Man), har en strukturell fordel i å presentere sjeldne sykdomskandidater. Integrasjon av disse databasene i verktøy innebygd i primærhelsetjenestens journalsystemer er fortsatt inkonsekvent.

DxGPT, et GPT-4-basert verktøy utviklet med sjelden sykdomsdiagnose som eksplisitt designmål, genererer en rangert, begrunnet topp-fem differensialdiagnose spesielt ment å motvirke kognitive skjevheter i komplekse tilfeller. Det har blitt evaluert i britiske og spanske kliniske kontekster. Verktøy som Ada Health, som for tiden evalueres i en kvalitetsforbedrende studie på tvers av CUF Hospital Network i Portugal, benytter en symptomvurderingstilnærming som studieprotokollen bemerker har potensial til å bistå brukere med sjeldne sykdomstilfeller der rettidig diagnose fortsatt er en betydelig utfordring.

DeepRare, beskrevet i en nylig Nature-artikkel, representerer forskningsfronten. Det er et multiagent-system som integrerer mer enn 40 spesialiserte verktøy og kunnskapskilder. Det behandler fritekstbeskrivelser, strukturerte Human Phenotype Ontology-termer og genetiske resultater for å generere rangerte diagnostiske hypoteser med transparent resonnement. I HPO-baserte oppgaver oppnådde det sterke ytelsesmålinger og overgikk sammenlignbare metoder. Ekspertvurdering var enig i resonnementskjedene i et betydelig flertall av tilfellene. DeepRare er ennå ikke innebygd i rutinemessige fastlegearbeidsflyter, men det illustrerer ytelsesgrensen som fenotypedrevne, kunnskapsintegrerte tilnærminger kan nå.

Gapet mellom forskningskvalitetsverktøy som DeepRare og verktøyene tilgjengelige i en typisk europeisk fastlegepraksis er fortsatt betydelig. Integrering av primærhelsetjenestedata i Tyskland, som ett eksempel, forblir utfordrende på grunn av landsspesifikke vokabularer og ulike datastrukturer. Dette begrenser evnen til selv godt utformede beslutningsstøtteprototyper til å fungere i virkelige primærhelsetjeneste-settinger.

Røde flagg-symptomklynger som beslutningsstøtteverktøy vanligvis overser

Argo Delphi-konsensus etablerte et sett med kliniske røde flagg som bør utløse mistanke om sjelden sykdom i primærhelsetjenesten. Dette er mønstrene som frekvensvektede verktøy oftest vil rangere lavt eller utelate helt:

• Multisysteminvolvering hos en ung pasient, spesielt når symptomene spenner over kardiovaskulære, nevrologiske og muskel- og skjelettsystemet uten en samlende vanlig diagnose

• Uforklart tretthet med atypiske komorbiditeter, særlig når standardundersøkelser er normale og det kliniske bildet ikke utvikler seg mot en kjent vanlig diagnose

• Gjentatte presentasjoner uten konvergens, altså flere konsultasjoner for relaterte eller overlappende symptomer som ikke har løst seg til en klar diagnostisk kategori

• Uforholdsmessig alvorlighetsgrad, der det kliniske forløpet er mer alvorlig enn forventet for den tilsynelatende diagnosen

• Positiv familiehistorie med uforklart alvorlig sykdom, særlig ved tilstander med autosomal recessiv eller X-bundet arvemønster som kanskje ikke er umiddelbart åpenbart

Disse klyngene har til felles at hver enkelt kan forklares med vanlige tilstander, men kombinasjonen, særlig over tid, bør utløse vurdering av en sjelden sykdomsdifferensial. Et verktøy som rangerer etter frekvens vil konsekvent foreslå den vanlige forklaringen først. Det vil ikke flagge kombinasjonen som uvanlig med mindre det er eksplisitt designet for det.

Hvordan gjenkjenne når et verktøys differensial sannsynligvis er ufullstendig

Å gjenkjenne grensene for et beslutningsstøtteverktøys differensial i sanntid er i seg selv en klinisk ferdighet. Flere indikatorer bør få en fastlege til å behandle et verktøys svar med ekstra skepsis:

• Pasientens alder og symptomvarighet passer ikke til de vanlige differensialene som foreslås. Hvis et verktøy foreslår en diagnose som er statistisk usannsynlig gitt pasientens alder, symptomvarighet eller tidligere undersøkelsesresultater, kan differensialen være forankret i frekvens snarere enn klinisk match.

• Tidligere undersøkelser har vært normale. Når standard utredning for de foreslåtte diagnosene har gitt normale resultater, er ikke differensialen bekreftet. Den er bare ikke utelukket. Det er ikke det samme som en diagnose.

• Presentasjonen spenner over flere organsystemer. Enkle beslutningsstøtteverktøy, eller verktøy trent hovedsakelig på data fra én spesialitet, er strukturelt mindre egnet til å foreslå diagnoser som krever multisystem-mønstergjenkjenning.

• Verktøyet returnerer et høykonfidensforslag for en vanlig tilstand til tross for dårlig klinisk samsvar. Høy konfidens i et frekvensvektet verktøy reflekterer prevalens, ikke matchkvalitet. Verktøykonfidens er ikke det samme som diagnostisk bekreftelse.

• Pasienten har blitt sett flere ganger for de samme eller relaterte symptomene. Kronisitet og gjentakelse bør senke terskelen for å vurdere sjelden sykdom, selv når hver enkelt konsultasjon synes å passe til en vanlig forklaring.

At et verktøy ikke nevner en diagnose, er ikke det samme som å utelukke den. Et beslutningsstøttesystem som ikke lister opp en tilstand i sin differensial, har ikke utelukket den. Det har bare ikke generert tilstrekkelig signal til å presentere den. For sjeldne sykdommer er dette nettopp det problemet disse verktøyene er minst egnet til å løse.

Rollen til spesialistnettverk og europeiske sjeldne sykdomsregistre

Der beslutningsstøtteverktøy når sine grenser, gir europeisk infrastruktur strukturerte veier for eskalering. European Reference Networks (ERNs), 24 tematiske nettverk som forbinder spesialistsentre på tvers av EU-land, eksisterer for å gi ekspertinnspill om sjeldne og komplekse tilstander. European Reference Networks dekker områder som nevrologiske sykdommer, bindevevslidelser, immunsvikt og metabolske tilstander, blant andre. Fastleger kan, i passende tilfeller, ta kontakt gjennom nasjonale sjeldne sykdomssentre eller via råd- og veiledningsveier for å få tilgang til spesialistvurdering uten å måtte sende en formell henvisning.

Nasjonale sjeldne sykdomsregistre, der de finnes, gir epidemiologiske data som kan sette en klinisk presentasjon i kontekst, særlig for tilstander med kjent geografisk eller etnisk klynge. ERDERA, det europeiske partnerskapet for sjelden sykdomsforskning lansert i 2024 under Horizon Europe med et budsjett på omtrent 380 millioner euro til 2031, er delvis ment å styrke denne datainfrastrukturen.

Orphanet forblir det mest tilgjengelige referansepunktet for fastleger som søker informasjon om en spesifikk mistenkt sjelden tilstand. Det gir sykdomssammendrag, prevalensestimater, diagnostiske kriterier og lenker til spesialistsentre. Ingen av disse krever abonnement eller spesialisttilgang.

Hva god sjelden sykdomsdekning ser ut som i et klinisk beslutningsstøtteverktøy

For fastleger og innkjøpsansvarlige som evaluerer beslutningsstøtteverktøy, er sjelden sykdomskapasitet ikke en binær funksjon. Den eksisterer på et spekter. Følgende kriterier gir et praktisk rammeverk for vurdering:

• Integrasjon med validerte sjeldne sykdomsdatabaser. Trekker verktøyet på Orphanet, Online Mendelian Inheritance in Man eller tilsvarende strukturerte sjeldne sykdomskilder? Hvis ikke, er dets sjeldne sykdomsdifferensiallogikk sannsynligvis begrenset til tilstander som forekommer i generelle kliniske treningsdata.

• Fenotypebasert differensiallogikk. Kartlegger verktøyet symptomkombinasjoner til sykdomsprofiler, eller rangerer det kun etter befolkningsprevalens? Førstnevnte er en forutsetning for pålitelig ytelse på sjeldne sykdommer.

• Transparens om treningsdataomfang. Kan verktøyet eller dets dokumentasjon spesifisere hvilke sykdomskategorier som dekkes, og hvilke som ikke gjør det? Et verktøy som ikke kan svare på dette spørsmålet, kan ikke vurderes for formålstjenlighet.

• Klare eskaleringsvarsler. Flagger verktøyet når en symptomklynge overskrider dets sikre område, eller når en sjelden sykdomshenvisning bør vurderes? Høyutbytte, lavvolum-varsler sømløst integrert i daglig arbeidsflyt identifiseres i litteraturen som designstandarden for effektiv klinisk støtte ved sjeldne sykdommer.

• Flerspråklig konsistens. For verktøy brukt på tvers av europeiske helsesystemer bør ytelse evalueres på det relevante kliniske språket, ikke bare antas å være lik den engelskspråklige ytelsen.

Ingen av de verktøyene som er tilgjengelige i dag oppfyller alle disse kriteriene fullt ut. De ikke-algoritmiske barrierene for implementering, inkludert manglende implementeringsrammeverk og at biologiske modeller ikke fanger virkelig klinisk kompleksitet, forblir betydelige. Gapet mellom forskningsytelse og rutinemessig klinisk nytte er en anerkjent begrensning på tvers av feltet.

Klinikerens rolle når beslutningsstøtte når sine grenser

Kliniske beslutningsstøtteverktøy er hjelpemidler for beslutningstaking. I sjeldne sykdomspresentasjoner betyr dette skillet mer enn i nesten enhver annen klinisk kontekst. Et verktøy som presterer godt på de vanligste presentasjonene kan prestere dårlig på de sjeldneste. Sjeldne sykdommer rammer samlet millioner av pasienter på tvers av Europa.

British Journal of General Practice har beskrevet fastleger som å ha betydelig ekspertise i å håndtere multisystemsykdom, en ekspertise som ingen nåværende beslutningsstøtteverktøy kan replikere. Langvarig kjennskap til en pasient, innsikt i utviklingen av deres symptomer over tid, og den kliniske intuisjonen om at noe ikke stemmer med en vanlig diagnose, er ikke funksjoner som kan kodes i en differensialrangeringsalgoritme. De er resultatet av vedvarende klinisk relasjon og erfaren mønstergjenkjenning.

Utdanning, økt bevissthet og bruk av teknologi identifiseres i Delphi-konsensus som komplementære veier til tidligere sjelden sykdomsdiagnose – ikke alternativer til klinisk dømmekraft, men støtte for den. Å forstå hva et klinisk beslutningsstøtteverktøy kan og ikke kan gjøre, er ikke et teknisk spørsmål. Det er en klinisk kompetanse. I sjeldne sykdomspresentasjoner kan det være den viktigste ferdigheten en fastlege bringer til konsultasjonen.

Ofte stilte spørsmål

▶ Hvorfor tar sjelden sykdomsdiagnose så lang tid i primærhelsetjenesten?

Gjennomsnittlig tid fra symptomdebut til bekreftet sjelden sykdomsdiagnose er fem til seks år i Storbritannia og Europa. Halvparten av pasientene får minst én feildiagnose underveis. Forsinkelsen er ikke primært et sykehusproblem. Pasienter med sjeldne sykdommer går som regel gjennom flere fastlegekonsultasjoner før de når en spesialist som gjenkjenner tilstanden. Kjernevanskeligheten er at klinisk mønstergjenkjenning er kalibrert til hyppighet. Tilstander en kliniker aldri har sett er vanskeligere å vurdere, selv når de kliniske signalene er til stede på tvers av flere besøk.

▶ Hvorfor overser kliniske beslutningsstøtteverktøy sjelden sykdomsdiagnoser?

De fleste kliniske beslutningsstøtteverktøy rangerer diagnostiske forslag etter befolkningsprevalens. Sjeldne tilstander er systematisk underrepresentert i treningsdata, ikke på grunn av bevisst ekskludering, men på grunn av et datafrekvensproblem. Tilstander som forekommer sjelden i treningsdatasett gir svake eller fraværende signaler i frekvensvektet differensiallogikk. En scoping-gjennomgang fra 2026 i International Journal of Medical Informatics bekreftet at overgangen av beslutningsstøtte for sjeldne sykdommer til rutinemessig klinisk praksis fortsatt er begrenset på tvers av alle fire hovedteknologiske tilnærminger.

▶ Hva er forskjellen mellom frekvensvektet og fenotypebasert klinisk beslutningsstøtte?

Frekvensvektede verktøy rangerer diagnostiske forslag etter hvor vanlig en tilstand forekommer i befolkningen. Fenotypebaserte verktøy tar en annen tilnærming: de kartlegger den spesifikke kombinasjonen av symptomer mot sykdomsprofiler uavhengig av hvor hyppig disse sykdommene forekommer. Dette gjør fenotypebaserte verktøy mer tilbøyelige til å presentere sjeldne sykdomskandidater når det kliniske bildet er atypisk. Human Phenotype Ontology er det mest brukte strukturerte vokabularet for dette formålet. Det støtter systematisk kartlegging fra fenotype til sykdom på tvers av tusenvis av tilstander.

▶ Hvor nøyaktig identifiserer store språkmodeller sjeldne sykdommer?

En studie fra 2026 i EBioMedicine evaluerte store språkmodellers ytelse for sjelden sykdomsdiagnose på tvers av ti språk ved bruk av 4 917 kliniske vignetter strukturert med Human Phenotype Ontology-data. GPT-4o plasserte korrekt sjelden sykdomsdiagnose innenfor de tre øverste rangerte differensialene i 27 prosent av tilfellene på engelsk, med bredt konsistent ytelse på tvers av europeiske språk. Det tallet er ikke tilstrekkelig for selvstendig klinisk tillit, men det viser at fenotypestrukturert prompting kan presentere sjeldne diagnoser som frekvensvektet logikk ikke ville gjort.

▶ Hvilke røde flagg-symptomklynger bør utløse mistanke om sjelden sykdom i allmennpraksis?

En Delphi-konsensusstudie fra 2025 identifiserte flere kliniske mønstre som oftest er assosiert med oversette sjeldne sykdomsdiagnoser: multisysteminvolvering hos en ung pasient, uforklart tretthet med atypiske komorbiditeter der standardundersøkelser er normale, gjentatte presentasjoner som ikke har løst seg til en klar diagnostisk kategori, uforholdsmessig alvorlighetsgrad i forhold til den tilsynelatende diagnosen, og en positiv familiehistorie med uforklart alvorlig sykdom. Hver klynge kan forklares med vanlige tilstander, men kombinasjonen over tid bør utløse vurdering av en sjelden sykdomsdifferensial.

▶ Hvordan kan en fastlege vite når et klinisk beslutningsstøtteverktøys differensial sannsynligvis er ufullstendig?

Flere indikatorer bør utløse ekstra skepsis til et verktøys svar. Disse inkluderer en foreslått diagnose som ikke passer til pasientens alder eller symptomvarighet, tidligere undersøkelser som har gitt normale resultater, en presentasjon som spenner over flere organsystemer, høy verktøykonfidens for en vanlig tilstand til tross for dårlig klinisk samsvar, og en pasient som har blitt sett flere ganger for de samme eller relaterte symptomene. At et verktøy ikke nevner en diagnose, er ikke det samme som å utelukke den. Et beslutningsstøttesystem som ikke lister opp en tilstand, har ikke utelukket den.

▶ Hvilke europeiske ressurser finnes for å støtte fastleger når klinisk beslutningsstøtte når sine grenser?

European Reference Networks, 24 tematiske nettverk som forbinder spesialistsentre på tvers av EU-land, gir ekspertinnspill om sjeldne og komplekse tilstander innen blant annet nevrologiske sykdommer, bindevevslidelser, immunsvikt og metabolske tilstander. Fastleger kan ta kontakt gjennom nasjonale sjeldne sykdomssentre eller via råd- og veiledningsveier uten å måtte sende en formell henvisning. Orphanet, den europeiske referansedatabasen for sjeldne sykdommer, gir sykdomssammendrag, prevalensestimater, diagnostiske kriterier og lenker til spesialistsentre. Ingen av disse krever abonnement eller spesialisttilgang.

▶ Hva bør fastleger og innkjøpsansvarlige se etter når de vurderer et klinisk beslutningsstøtteverktøys sjelden sykdomskapasitet?

Sjelden sykdomskapasitet i et klinisk beslutningsstøtteverktøy eksisterer på et spekter snarere enn som en binær funksjon. Nøkkelkriterier inkluderer integrasjon med validerte sjeldne sykdomsdatabaser som Orphanet eller Online Mendelian Inheritance in Man, fenotypebasert differensiallogikk fremfor kun prevalensbasert rangering, transparens om treningsdataomfang, klare eskaleringsvarsler når en symptomklynge overskrider verktøyets sikre område, og konsistent ytelse på tvers av det relevante kliniske språket for verktøy brukt i ulike europeiske helsesystemer. Ingen av verktøyene som er tilgjengelige i dag oppfyller alle disse kriteriene fullt ut.

▶ Hva er DeepRare og hvordan skiller det seg fra verktøy tilgjengelig i rutinemessig fastlegepraksis?

DeepRare, beskrevet i en nylig Nature-artikkel, er et multiagent-system som integrerer mer enn 40 spesialiserte verktøy og kunnskapskilder. Det behandler fritekstbeskrivelser, strukturerte Human Phenotype Ontology-termer og genetiske resultater for å generere rangerte diagnostiske hypoteser med transparent resonnement. I Human Phenotype Ontology-baserte oppgaver oppnådde det sterke ytelsesmålinger. Ekspertvurdering var enig i resonnementskjedene i et betydelig flertall av tilfellene. DeepRare er ennå ikke innebygd i rutinemessige fastlegearbeidsflyter, men det illustrerer ytelsesgrensen som fenotypedrevne, kunnskapsintegrerte tilnærminger kan nå.

▶ Hvilken rolle spiller klinisk dømmekraft når beslutningsstøtteverktøy kommer til kort i sjeldne sykdomspresentasjoner?

Kliniske beslutningsstøtteverktøy er hjelpemidler, ikke erstatninger for klinisk dømmekraft. Ved sjeldne sykdomspresentasjoner er langvarig kjennskap til en pasient, innsikt i utviklingen av deres symptomer over tid, og den kliniske erkjennelsen av at noe ikke stemmer med en vanlig diagnose, ikke funksjoner som en differensialrangeringsalgoritme kan replikere. En Delphi-konsensus fra 2025 identifiserte utdanning, økt bevissthet og bruk av teknologi som komplementære støtter for tidligere sjelden sykdomsdiagnose, ikke alternativer til klinisk dømmekraft. Å forstå hva et klinisk beslutningsstøtteverktøy kan og ikke kan gjøre, er i seg selv en klinisk kompetanse.