一项最新研究表明，一种新型人工智能（AI）工具能够通过单次评估估算患者1000多种疾病的患病风险。
专家们利用匿名患者记录数据开发并测试了这一模型，旨在帮助预测人们未来十年乃至更长时间内可能发生的健康问题。
研究团队希望这一新模型能在未来5至10年内提供给医生使用，以帮助指导预防、诊断和治疗方面的决策。
该工具评估了人们可能患上癌症、糖尿病、心血管疾病、呼吸系统疾病以及多种疾病的可能性——以及可能发病的时间点。
它处理人们病史中的"医疗事件"，例如疾病诊断时间，同时结合生活方式因素（如是否肥胖、是否吸烟或饮酒）以及年龄和性别。该工具通过学习这些事件发生的顺序以及它们之间的时间间隔来预测疾病风险。
对于具有明确且一致进展模式的疾病，如某些类型的癌症、心脏病发作和败血症（血液中毒），该工具的预测更为准确。
而对于可能多变的疾病，如心理健康问题或妊娠相关并发症，其可靠性则较低。
参与研究的欧洲分子生物学实验室（EMBL）临时执行主任伊万·伯尼（Ewan Birney）表示："未来——这将在5至10年内实现——是临床医生得到这些复杂AI工具增强和支持的时代。当你走进医生诊所时，临床医生已经非常习惯使用这些工具，他们能够告诉你：'这是你未来面临的四大主要风险，而你可以做两件事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，所以这一建议不会发生显著变化——但对于某些疾病，我认为会有一些非常具体的事情。这就是我们想要创造的未来。"
他表示，与现有工具（如Qrisk——一种计算一个人在未来十年内发生心脏病或中风风险的方法）相比，新型AI模型的优势在于"我们可以同时处理所有疾病并在长时间段内进行预测。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，而掌握人群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，短期预测的准确性高于长期预测。
研究团队在《自然》杂志上撰文指出："Delphi-2M能够根据每个人的既往病史，预测1000多种疾病的发病率，其准确性可与现有单一疾病模型相媲美。"
"Delphi-2M的生成性质还能够模拟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……"
该模型是专门为英国生物银行（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）190万名患者的资料成功测试了该模型。
参与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·格斯特隆（Moritz Gerstung）表示："这是我们理解人类健康和疾病进展新方式的开始。"
"像我们这样的生成模型有朝一日可以帮助大规模个性化护理并预测医疗保健需求。"
"通过从大规模人群中学习，这些模型为了解疾病如何发展提供了一个强大的视角，并最终可能支持更早、更个性化的干预措施。"
【全文结束】
