一种名为德尔菲-2M的新型人工智能（AI）工具能够预测个体罹患1000多种疾病的未来风险，预测时间跨度可达数年之久。该突破性模型通过整合健康记录与生活习惯因素，可估算包括癌症、皮肤疾病及免疫系统紊乱等疾病在20年内发生的可能性。
发表于《自然》杂志的德尔菲-2M研究显示，其多疾病建模能力有助于医疗专业人员识别高风险人群，从而实施早期预防措施。慕尼黑路德维希-马克西米利安大学计算机科学家斯特凡·福伊雷里格尔强调，该模型生成全面健康轨迹的能力令人瞩目。
尽管此前研究者已开发出针对特定癌症或心血管疾病风险的AI预测工具，但多数现有模型仅聚焦单一病种。德国癌症研究中心数据科学家莫里茨·格斯通指出，专业人员通常需参考多个模型才能全面评估患者健康风险。
为优化这一流程，格斯通团队改造了生成式预训练变换器（GPT）——即ChatGPT等AI聊天机器人的技术基础。经改良的大型语言模型现可通过分析详尽病史、年龄、性别、身体质量指数及烟酒使用习惯等数据，预测1258种疾病的发病概率。该模型基于英国生物银行长期生物医学监测研究的40万名参与者数据进行训练。
德尔菲-2M展现出卓越的预测精度，常优于专注单一疾病的现有模型。它在遵循特定模式的疾病预测方面尤为出色，例如某些癌症类型，这使其成为长期健康管理的有力工具。
研究团队还利用丹麦国家患者登记册的190万人健康数据验证了该模型。结果显示其预测精度与英国生物银行数据相比仅有微小差异，表明该模型适用于各类国家健康数据集。
尽管前景广阔，德尔菲-2M仍存局限。例如英国生物银行数据主要捕捉初始疾病发作情况，可能忽略显著影响健康轨迹的后续诊疗记录。德克萨斯大学健康科学中心生物信息学研究员迪吉·芝指出，完整健康史对精准建模至关重要。
研究团队计划通过国际数据集测试进一步提升模型性能。格斯通强调，整合多元数据将助力未来开发更精确的预测算法。
总体而言，德尔菲-2M作为AI驱动健康风险建模领域的创新成果，有望重塑医疗专业人员实施疾病预防与患者护理的方式。
【全文结束】
