生成式人工智能在医疗诊断、护理干预及提升患者治疗精准度领域取得突破性进展。《自然》杂志最新研究成果揭示前所未有的突破：研究者首次大规模应用基于Transformer的大语言模型（LLMs）模拟人类全生命周期疾病演变过程。尽管ChatGPT等AI聊天机器人因模仿对话能力备受瞩目，此项研究却彰显其彻底变革医疗健康的潜力。研究人员首次将生成式人工智能架构应用于个体健康风险预测，构建出完整的疾病进展模型。该成果不仅是科学里程碑，更为未来医学、预防策略及政策制定指明方向。
为何此时至关重要
多年来，算法虽承诺预测疾病，但仅局限于狭窄领域——如预测糖尿病高发人群或心梗风险患者。我们始终缺乏能捕捉人类健康完整"语法"的系统：即数千种可能诊断的时序关系、交互作用及生活方式的复合效应。德国癌症研究中心（German Cancer Research Center）莫里茨·格斯特温格（Moritz Gerstung）与欧洲生物信息研究所（EMBL-EBI）伊万·伯尼（Ewan Birney）领衔的研究团队，通过改良版GPT式Transformer模型Delphi-2M实现了这一突破。该模型基于英国生物银行（UK Biobank）40余万名参与者数据训练，并在丹麦近200万人群数据中验证，可同步预测超1000种疾病的发病风险。关键在于，其预测精度达到甚至超越现有单一病种模型。
该模型将个体健康轨迹——包括诊断记录、生活方式因素、体质指数、烟酒史等——编码为类似句子的序列数据。区别于预测下一个单词，它精准预判下一种疾病及其发生时点。研究团队证实，Delphi-2M能够预测数十年后的健康结局、模拟合成健康轨迹，并识别放大风险的共病集群。
预测性健康的商业价值
为何商业领袖与政策制定者应关注此进展？因健康轨迹直接驱动医疗成本。慢性病已构成...
【全文结束】
