一项研究表明，一种新型人工智能（AI）工具可以一次性评估1000多种疾病的患病风险，为人们提供关于未来健康的关键信息。
专家们使用匿名患者记录数据训练和测试了该模型，以帮助预测人们在未来十年及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到10年内被医生使用，以帮助指导预防、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、呼吸系统疾病及多种疾病的概率——以及患病时间——来运作。
该工具接收数据并查找人们病史中的"医疗事件"，例如疾病被诊断的时间，以及生活方式因素如是否肥胖、是否吸烟或饮酒，以及年龄和性别。
它通过学习这些事件发生的顺序以及事件之间经过的时间来预测疾病风险。
该工具对具有清晰且一致发展规律的疾病提供更准确的预测，如某些类型的癌症、心脏病发作和败血症。
对于可能多变的疾病，如心理健康问题或妊娠相关并发症，该工具的可靠性较低。
参与该研究的欧洲分子生物学实验室（EMBL）代理执行主任伊万·伯尼（Ewan Birney）表示："未来——这将在5到10年内实现——是临床医生得到这些复杂AI工具的增强和支持。
"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：'你的未来有四大主要风险，你有两件事可以做来真正改变这一状况。'
"我怀疑每个人都会被告知要减肥，如果你吸烟，你会被告知要戒烟——这些信息会记录在你的数据中，所以这些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事情可以做。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方法）相比，这种新型AI模型的优势在于"我们可以一次性处理所有疾病，并且时间跨度更长。这是单一疾病模型无法做到的。"
研究团队希望医生能够及早识别高风险患者，同时拥有群体层面的数据可以帮助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，类似于预报70%的降雨概率。
通常，较短期的预测比长期预测更准确。
该团队在《自然》杂志上撰文表示："Delphi-2M可根据个人过去的病史，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的生成特性还能够采样合成的未来健康轨迹，提供长达20年的潜在疾病负担的有意义估计..."
该模型是在英国生物银行（UK Biobank）40万名患者的匿名患者数据上定制构建和训练的。
研究人员还成功使用丹麦国家患者登记处（Danish National Patient Registry）190万名患者的数据测试了该模型。
参与该研究的德国癌症研究中心（German Cancer Research Centre）AI肿瘤学部门负责人莫里茨·格斯特龙（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始。
"像我们这样的生成模型有朝一日可以帮助个性化护理并大规模预测医疗保健需求。
"通过从大规模人群中学习，这些模型为我们提供了观察疾病如何发展的强大视角，并最终可能支持更早、更有针对性的干预措施。"
【全文结束】
