Ein neues Open-Source-Tool namens Talos ermöglicht eine hochgradig effektive und kostengünstige automatisierte Nachanalyse genomischer Daten, wodurch bei Patienten mit unklaren seltenen Erkrankungen erheblich mehr Diagnosen gestellt werden können. Die Entwicklung geht auf eine Zusammenarbeit des Murdoch Children's Research Institute (MCRI), der Victorian Clinical Genetics Services (VCGS), des Centre for Population Genomics, des Broad Institute sowie der Microsoft Research zurück. Die Ergebnisse wurden in Nature Medicine veröffentlicht. Traditionelle manuelle Nachanalysen stoßen aufgrund des hohen Arbeitsaufwands schnell an ihre Grenzen, sodass mehr als die Hälfte der Patienten nach einem initial negativen Genomtest weiterhin ohne klare Diagnose bleibt. Talos überwindet dieses Hindernis, indem es monatlich automatisch aktuelle wissenschaftliche Erkenntnisse zu Genen und Varianten integriert und nur potenzielle neue Befunde markiert. In einer Validierungsstudie an über 1.000 Patienten erreichte das System eine Trefferquote von neunzig Prozent bei bereits bekannten Erkrankungen. Bei einer weiteren Kohorte von 4.735 Personen mit bisher unklarem Genom befanden sich unter 241 neuen Diagnosen eine zusätzliche diagnostische Ausbeute von 5,1 Prozent. Dabei handelte es sich überwiegend um neurodevelopmentale, kardiale und renale Störungen. Die mittlere Zeit bis zur Diagnose betrug 32 Tage, in Einzelfällen weniger als 24 Stunden. Die Inbetriebnahme kostet weniger als 12 US-Dollar pro 1.000 Genome, die monatliche Wiederholung unterhält sich mit weniger als zwei US-Dollar. Der klinische und psychosoziale Nutzen ist bereits greifbar. Das Fallbeispiel einer fünfjährigen Patientin mit ReNU-Syndrom, deren genomische Daten ursprünglich im Rahmen einer Akutversorgung gespeichert und Jahre später durch Talos reanalysiert wurden, verdeutlicht den Mehrwert. Die Diagnose ermöglichte nicht nur zielgerichtete Therapien und Familienuntersuchungen, sondern entlastet Betroffene auch von Schuldgefühlen und Isolation. Laut den Forschenden ermöglicht die Skalierbarkeit des Tools den systematischen Einsatz im Regelbetrieb. Die Studie legt zudem den Grundstein für die Integration künstlicher Intelligenz in die genetische Diagnostik. Das im Rahmen der AASGARD-Initiative vorangetriebene Projekt zeigt, wie Automatisierung den rasanten Wissenszuwachs in der Genomforschung direkt in klinische Versorgungsstandards übersetzen kann. Mit Talos steht nun eine auditable, auf Standard-Infrastruktur lauffähige Lösung bereit, die die zukünftige Politik und Praxis seltener Erkrankungen maßgeblich prägen wird.