一项最新研究表明，一种新型人工智能（AI）工具能够一次性评估个人未来罹患1000多种疾病的风险，为健康预测提供关键信息。
专家们使用匿名患者记录数据训练和测试了这一模型，以帮助预测人们在未来十年甚至更长时间内可能发生的健康状况。
研究团队希望，这一新模型能在5至10年内应用于医生临床实践，以指导预防、诊断和治疗方面的决策。
该模型通过评估人们可能患上癌症、糖尿病、心血管疾病、呼吸系统疾病以及多种疾病的概率及时间来运作。
该工具通过分析人们病史中的"医疗事件"（如疾病诊断时间），并结合肥胖、吸烟、饮酒等生活方式因素以及年龄和性别等信息进行数据输入。
它通过学习这些事件发生的顺序以及事件之间的时间间隔来预测疾病风险。
对于具有明确且一致发展规律的疾病，如某些类型的癌症、心脏病发作和败血症，该工具的预测更为准确。
而对于可能多变的情况，如心理健康问题或妊娠相关并发症，其可靠性则较低。
参与此项研究的欧洲分子生物学实验室（EMBL）临时执行主任埃万·伯尼（Ewan Birney）表示："未来——这将在5至10年内实现——是临床医生通过这些复杂的AI工具得到增强和支持的时代。
"当你走进医生的诊所时，临床医生已经非常习惯使用这些工具，他们能够告诉你：'这是你未来可能面临的四大主要风险，以及你可以采取的两项措施来真正改变这一情况。'
"我怀疑每个人都会被建议减肥，如果你吸烟，你会被建议戒烟——这些信息都会在你的数据中，因此这些健康建议不会有显著变化——但对于某些疾病，我认为会有一些非常具体的干预措施。这就是我们想要创造的未来。"
他表示，与现有工具（如用于计算一个人在未来十年内发生心脏病或中风风险的Qrisk模型）相比，这种新型AI模型的优势在于"我们可以一次性评估所有疾病，并且在很长一段时间内进行评估。这是单一疾病模型无法做到的。"
研究团队希望，医生能够尽早识别高风险患者，而掌握人群层面的数据将有助于英国国家医疗服务体系（NHS）或公共卫生领导者更好地规划并合理分配所需资源。
研究人员表示，健康风险以随时间变化的比率表示，类似于预测70%的降雨概率。
通常，短期预测的准确性高于长期预测。
研究团队在《自然》杂志上撰文称："Delphi-2M能够根据个人既往疾病史，预测1000多种疾病的发病率，其准确性与现有单一疾病模型相当。
"Delphi-2M的生成性质还使其能够模拟合成的未来健康轨迹，为长达20年的潜在疾病负担提供有意义的估计……"
该模型是基于英国生物样本库（UK Biobank）40万名参与者的匿名患者数据定制构建和训练的。
研究人员还使用丹麦国家患者登记处（Danish National Patient Registry）190万名患者的数据成功测试了该模型。
参与此项研究的德国癌症研究中心（German Cancer Research Centre）肿瘤学人工智能部门负责人莫里茨·格斯特隆（Moritz Gerstung）表示："这是我们理解人类健康和疾病进展的新方式的开端。
"像我们这样的生成模型有朝一日可以帮助大规模个性化医疗并预测医疗需求。
"通过从大规模人群学习，这些模型为了解疾病如何发展提供了强大视角，并最终可能支持更早、更有针对性的干预措施。"
【全文结束】
