新的人工智能（AI）工具可一次性评估1000多种疾病的发病风险，为人们提供关键的未来健康信息。研究表明，专家已利用匿名患者记录数据训练并测试了该模型，用于预测人群未来十年乃至更长期的健康状况。
研究团队希望该新模型能在5至10年内应用于临床医生实践，为预防、诊断和治疗决策提供指导。该模型通过评估个体患癌、糖尿病、心血管疾病、呼吸系统疾病及多种疾病的概率和时间节点来运作。
该工具通过分析人群病史中的"医疗事件"（如疾病诊断时间）以及肥胖、吸烟、饮酒等生活方式因素，并结合年龄性别数据进行训练。它学会根据这些事件的发生顺序及间隔时间来预测疾病风险。对于具有明确且稳定发展规律的疾病（如特定类型癌症、心脏病发作和败血症），该工具预测效果更佳；而对于精神健康问题或妊娠并发症等变量较大的疾病，可靠性则相对较低。
参与研究的欧洲分子生物学实验室（EMBL）代理执行主任伊万·伯尼表示："未来5至10年，临床医生将得到这些先进AI工具的增强支持。当你走进诊所时，医生能熟练运用这些工具告知患者：'你未来面临四大主要健康风险，可通过两项关键措施显著改变此状况。'我推测每个人都会被建议减重，吸烟者会被要求戒烟——这些数据将明确显示，但某些疾病会有非常具体的干预方案。这正是我们想要创造的未来。"
他指出，相较于现有工具（如预测十年内心脏病发作或中风风险的Qrisk模型），新AI模型的优势在于"能同时评估所有疾病且覆盖长期时段，这是单一疾病模型无法实现的"。研究团队期望该工具能帮助医生早期识别高风险患者，而掌握人群级数据将助力国民医疗服务体系或公共卫生领导者优化资源分配。
研究人员表示，健康风险以时间推移的比率形式呈现，类似于"70%降雨概率"的天气预报。通常短期预测的准确性高于长期预测。
研究团队在《自然》期刊发表声明："Delphi-2M能根据个体既往病史，预测1000多种疾病的发病率，准确度与现有单一疾病模型相当。该模型的生成式特性还能模拟合成未来健康轨迹，为长达20年的潜在疾病负担提供有意义的评估。"
该模型基于英国生物银行40万匿名患者数据定制开发，研究人员还使用丹麦国家患者注册库的190万患者数据成功验证了模型效果。参与研究的德国癌症研究中心人工智能肿瘤学部门负责人莫里茨·格斯特洪表示："这标志着理解人类健康与疾病进展的新方式的开端。此类生成模型未来有望实现护理个性化并大规模预判医疗需求。通过学习大群体数据，这些模型为疾病发展过程提供强大洞察视角，最终支持更早、更精准的干预措施。"
【全文结束】
