Delphi-2M是一种新型生成式人工智能（AI）模型，通过分析电子健康记录和生活方式数据，可提前20年预测个体罹患1000多种疾病的风险。该模型由德国欧洲分子生物学实验室和海德堡德国癌症研究中心联合开发，基于改良版大型语言系统，能够根据医疗史预测1258种疾病风险，相关研究成果已发表于《自然》期刊。
当前AI已应用于诊断和医疗报告领域，但多数预测工具仅聚焦单一病症。Delphi-2M实现了多疾病风险预测，填补了这一空白，凸显了AI在临床决策支持中日益重要的作用。
模型开发
德国癌症研究中心的Artem Shmatko及其团队利用英国生物银行40万名参与者的健康数据，训练了这款生成式预训练变换器模型。随后通过覆盖五十年住院记录的丹麦国家患者登记库190万份病历进行验证评估。该模型整合了年龄、性别、BMI、烟草使用和酒精消费等人口统计与生活方式因素。
疾病预测准确性
Delphi-2M对病程可预测的疾病（如特定癌症和心肌梗死）预测准确率最高。在精神疾病、妊娠并发症和罕见病等病程多变的疾病上表现较弱。总体而言，其预测能力达到或超越了单一疾病预测模型，但准确性因疾病类型而异。
专家观点
德国波茨坦勃兰登堡健康科学学院医学伦理学副教授Robert Ranisch博士在《科学媒体中心》讨论中表示："该模型凸显了生成式AI在健康研究及未来临床护理中的潜力"，同时警示"偏见和潜在歧视是医学AI模型的核心挑战"。
德国海德堡大学医学与数据伦理研究所AI伦理负责人Markus Herrmann博士认为疾病风险预测是该技术"必要"的应用场景："这对患者和医疗系统的潜在益处巨大"。
德国慕尼黑亥姆霍兹健康研究中心AI健康研究所所长Carsten Marr博士指出更广阔的应用前景："更值得关注的是发现先前未被认知的疾病关联，或识别疾病发作前的预警信号。例如有研究显示爱泼斯坦-巴尔病毒感染会使多发性硬化症风险激增三十倍，这正是我们追寻的规律模式"。
局限性与伦理问题
德国马格德堡奥托冯古里克大学医学数据科学研究所所长Julian Varghese博士指出，Delphi-2M的曲线下面积平均值为0.76，且缺乏短期风险数据（如患者一至五年内患肺癌的可能性）。Ranisch强调预测结果不可误读："患者必须明白这些预测并非命中注定，但可为预防或治疗决策提供指导"。
Herrmann补充道："知情同意至关重要。从伦理和法律角度，人们有权选择不知情——不应让任何人活在对潜在疾病的恐惧中"。
Marr表示："该模型首先只是工具。我们如何运用此工具处理个人健康数据，以及如何权衡其潜在收益与风险，是社会必须展开的讨论。以我的观点，欧洲医疗这类严格监管体系最适宜应用AI技术。"
【全文结束】
