共计 1202 个字符，预计需要花费 4 分钟才能阅读完成。
据英国《卫报》在 9 月 17 日报道，一种新型人工智能工具的诞生，能够预测个体面临超过 1000 种疾病的潜在风险，并能提前十年预测健康状况的变化。
这一工具是由欧洲分子生物学实验室（EMBL）、德国癌症研究中心及哥本哈根大学的专家团队共同开发，其算法理念与大语言模型相似。
这是迄今为止生成式人工智能在模拟人类疾病进展方面的最全面应用之一，该工具借助两个独立医疗系统的数据进行训练。
该项研究成果已发表在《自然》杂志上。IT 之家提供链接：Learning the natural history of human disease with generative transformers
EMBL 欧洲生物信息学研究所的工作人员 Tomas Fitzgerald 指出：“医疗事件往往是有规律可循的。我们的人工智能模型能够学习这些规律，从而预测未来的健康状况。”
Delphi-2M 工具通过评估个体是否以及何时可能罹患癌症、糖尿病、心脏病、呼吸系统疾病等多种疾病，从而判断健康风险。
该工具将分析患者的病史记录中的“医疗事件”，例如疾病的诊断时间，同时结合生活方式因素，如肥胖、吸烟或饮酒的情况，以及年龄和性别。通过对匿名患者记录的分析，Delphi-2M 能够预测未来十年甚至更长时间的健康发展趋势。
该模型的训练和测试基于来自英国生物库的 40 万人和丹麦国家患者登记处的 190 万人的匿名数据。健康风险的呈现方式是随时间变化的概率，类似于预测周末有 70% 降雨的可能性。
EMBL 临时执行主任 Ewan Birney 表示，未来几年患者可能会从这一工具中获益。“当你去看医生时，医生已经习惯使用这些工具，他们可以告诉你：‘这是你未来的四大主要健康风险，这是你可以采取的两项关键措施以改变风险。’我想每个人都可能会被建议减肥，如果吸烟则可能被建议戒烟，这些建议基于整体数据，不会有太大变化。不过针对某些疾病，可能会有更具体的建议。这正是我们希望实现的未来。”
他进一步指出，与现有的用于计算未来十年心脏病或中风风险的 Qrisk 方法相比，Delphi-2M 的优势在于能够同时预测多种疾病并涵盖更长时间，这是单一疾病模型无法做到的。
研究团队表示：“Delphi-2M 能够根据每个人的既往疾病史，预测超过 1000 种疾病的发病率，其准确性与现有的单病模型相当。此外，Delphi-2M 还可以生成未来健康轨迹的合成数据，为未来最长 20 年的潜在疾病负担提供参考。”
德国癌症研究中心的肿瘤学人工智能部门负责人 Moritz Gerstung 教授评论道：“这标志着我们对人类健康及疾病发展方式理解的新起点。像我们这样的生成式模型未来有望为实现个性化医疗提供支持，并大规模预测医疗需求。”
