💡 導讀：法庭上的神探指認了嫌疑犯，但法官問：「過去有沒有類似的判例？」

如果你是一位偵探，在法庭上指著一名嫌疑犯說：「根據我的 AI 監視器分析，這個人在案發當時出現在現場，有 99% 的嫌疑！」

法官敲了敲木槌說：「推理很精彩，但過去的法律文獻與判例庫裡，有沒有記載過類似的犯罪手法？有沒有其他檢察官發表過的鑑定報告？」

在臨床醫學與基因診斷的世界裡也是一樣的！

• AlphaGenome 幫我們抓出了深藏在 98% 基因暗物質中的變異（如 DNM1 隱藏剪接）；
• AI 臨床大腦（Day 21） 幫我們寫出了流暢的診斷推理。

但對謹慎的醫生來說，單憑 AI 的預測還是不夠。醫生需要看到權威醫學期刊（如 Nature、Cell、NEJM 或全球最大生醫論文庫 PubMed）上是否有其他醫學團隊發表過同一個基因變異的真實病例報告！

使用 「文獻檢索代理人（Literature Agent）」，透過 Function Calling（函式呼叫） 技術，讓 AI 自動拿著遙控器去搜尋 PubMed，讓我們的診斷報告補上鐵證如山的學術實證鏈！

一、 為什麼需要 Function Calling？給 AI 一把「PubMed 圖書館鑰匙」

大語言模型（LLM）雖然知識淵博，但它受限於訓練資料的時間截止點，且有時會產生「幻覺（Hallucination）」——憑空捏造看似真實但根本不存在的論文題目與作者。

在嚴肅的醫療領域，絕對不能讓 AI 瞎編論文！

為了解決這個問題，Google 提供了 Function Calling（函式呼叫） 機制。這就像是我們給 AI 一把全球生醫圖書館（PubMed）的數位鑰匙：

1. AI 發現知識缺口：當 AI 看到一個變異（例如 DNM1 chr9:128225994:G>A）時，它知道自己需要最新的同毒性論文佐證。
2. 自動按按鈕（觸發 Function Call）：AI 不會瞎編，而是主動向 Python 後端發出指令：「請幫我用關鍵字 DNM1 epileptic encephalopathy splicing 去 PubMed 搜尋最新的 3 篇論文摘要！」
3. 後端跑腿並回傳：我們的 Python 程式接到指令後，自動呼叫 PubMed API 抓回真實的論文摘要，再餵回給 AI。
4. 生成帶有真實引用標籤的報告：AI 閱讀完剛抓回來的真實論文後，摘要出核心結論，並附上真實的 PubMed ID (PMID)！

二、 什麼是 PubMed API 與 NCBI Entrez？

PubMed 是由美國國家生物技術資訊中心（NCBI）維護的全球最大免費生物醫學論文資料庫，收錄了超過 3,500 萬篇 生醫期刊文獻。

NCBI 官方提供了名為 Entrez API 的程式串接管道：

1. esearch（搜尋）：輸入關鍵字（如基因名稱 + 疾病），回傳符合條件的論文 ID 清單（PMID）。
2. esummary / efetch（摘要）：輸入 PMID，抓取該篇論文的題目、作者、出版年份與完整摘要（Abstract）。

我們的 Literature Agent 就是將 Entrez API 包裝成一個 Python 函數，讓 AI 在需要時隨時調用！

💻 三、 實作：撰寫文獻檢索代理人 (pubmed_literature_agent.py)

打開程式碼編輯器，建立 Python 腳本 pubmed_literature_agent.py。我們使用 Google GenAI SDK 的 Function Calling 功能，示範如何讓 AI 自動搜尋 PubMed：

import os
import json
import urllib.request
import urllib.parse
from dotenv import load_dotenv
import google.generativeai as genai

# 載入隱藏設定檔中的 Gemini API Key
load_dotenv()
genai.configure(api_key=os.getenv("GEMINI_API_KEY"))

# 1. 定義讓 Gemini 調用的實體工具函數：搜尋 PubMed 論文
def search_pubmed_literature(gene_symbol: str, condition_keyword: str) -> str:
    """
    透過 NCBI Entrez API 搜尋 PubMed 資料庫中關於特定基因與疾病的最新論文摘要。

    :param gene_symbol: 基因名稱，例如 'DNM1' 或 'SCN1A'
    :param condition_keyword: 疾病或機制關鍵字，例如 'epilepsy' 或 'splicing'
    :return: 回傳格式化的最新 2 篇論文題目與摘要 JSON
    """
    query = f"{gene_symbol} AND {condition_keyword}"
    encoded_query = urllib.parse.quote(query)

    print(f"🌐 [Tool Call] 正在連線 PubMed 搜尋關鍵字: '{query}' ...")

    try:
        # 步驟 A: 呼叫 esearch 獲取 PMID 清單
        search_url = f"https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esearch.fcgi?db=pubmed&term={encoded_query}&retmode=json&retmax=2"
        req = urllib.request.Request(search_url, headers={'User-Agent': 'Mozilla/5.0'})
        with urllib.request.urlopen(req) as response:
            search_data = json.loads(response.read().decode())
            pmid_list = search_data.get('esearchresult', {}).get('idlist', [])

        if not pmid_list:
            return json.dumps({"status": "NO_RESULTS", "message": "PubMed 中未找到相關文獻。"})

        # 步驟 B: 呼叫 esummary 獲取論文詳細資訊
        ids_str = ",".join(pmid_list)
        summary_url = f"https://eutils.ncbi.nlm.nih.gov/entrez/eutils/esummary.fcgi?db=pubmed&id={ids_str}&retmode=json"
        req = urllib.request.Request(summary_url, headers={'User-Agent': 'Mozilla/5.0'})
        with urllib.request.urlopen(req) as response:
            summary_data = json.loads(response.read().decode()).get('result', {})

        articles = []
        for pmid in pmid_list:
            item = summary_data.get(pmid, {})
            articles.append({
                "pmid": pmid,
                "title": item.get('title', ''),
                "source": item.get('source', ''),
                "pubdate": item.get('pubdate', '')
            })

        return json.dumps({"status": "SUCCESS", "articles": articles}, ensure_ascii=False)

    except Exception as e:
        return json.dumps({"status": "ERROR", "error": str(e)})

# 2. 設定 Gemini Agent 模型並註冊 Function Calling 工具
tools_list = [search_pubmed_literature]

model = genai.GenerativeModel(
    model_name="gemini-1.5-pro",
    tools=tools_list,  # 將 PubMed 搜尋工具掛載給 Gemini
    system_instruction="""
    你是一位罕見病基因文獻檢索 Agent。
    當使用者詢問某個基因變異與疾病時，你必須【主動呼叫 search_pubmed_literature 工具】檢索最新的真實論文。
    拿到論文數據後，請摘要出文獻證據，並明確標註 PMID 編號。嚴禁憑空幻想論文標題或 PMID！
    """
)

if __name__ == "__main__":
    # 開啟支援 Function Calling 的對話 Session
    chat = model.start_chat(enable_automatic_function_calling=True)

    user_query = "請幫我檢索關於 DNM1 基因在癲癇 (epilepsy) 與異常剪接方面的 PubMed 文獻證據。"
    print(f"👤 使用者提問: {user_query}\n")

    # 傳送提問，Gemini 會自動決定觸發 Tool Call 呼叫 PubMed API
    response = chat.send_message(user_query)

    print("\n" + "="*50)
    print("🤖 Gemini Literature Agent 回覆報告：")
    print(response.text)
    print("="*50 + "\n")

執行這段腳本時，你會在終端機看到 Gemini 自動觸發了 search_pubmed_literature 工具，去 NCBI 網站抓回真實的 PMID 與論文標題（例如關於 DNM1 隱藏剪接與癲癇性腦病變的文獻），並輸出帶有真實 PMID 證明的學術報告！

有了數據、推理與文獻後，我們要如何讓系統輸出符合國際權威 ACMG/AMP（美國醫學遺傳學會） 臨床指引的變異致病性分類（如 Pathogenic, Likely Pathogenic, VUS）呢？

之後將會開始 「ACMG/AMP 臨床等級自動評估與 Antigravity 多代理（Multi-Agent）架構整合」，如何讓多個 AI 代理人分工協作，打造真正醫院臨床等級的終極診斷系統！