一组研究人员近日公布了一款人工智能模型，该模型能够预测个人患1000多种疾病的概率，并估算这些疾病可能发作的时间。本周在《自然》杂志发表的该AI代号为Delphi-2M，其训练数据源自英国和丹麦近230万人的匿名健康信息。这是迄今为止利用生成式人工智能规划人类健康未来规模最大的尝试之一。
与仅覆盖特定疾病（如心脏病、糖尿病）的传统健康计算器不同，Delphi-2M采用整体化方法。这意味着该AI工具实际模拟了数十年间个人健康的可能轨迹，预测包括疾病、睡眠模式及其他健康影响因素在内的并发症序列。
Delphi-2M的工作原理
Delphi-2M基于类似ChatGPT等聊天机器人的技术构建，但与大型语言模型的关键区别在于，它专为处理医疗史而非文本设计。每个诊断结果、人口统计细节或生活方式因素均被编码为“标记”，使AI能够像语言模型预测和生成下一个单词那样分析疾病发展进程。
关键输入包括：
- 年龄和性别
- 涵盖1000多种疾病的既往诊断记录
- 体重指数、吸烟和饮酒等生活方式因素
该模型利用这些基础但关键的信息，预测患者可能面临的下一个疾病及其出现时间。在测试中，它对英国数据集数百种疾病达到了0.76的平均准确率（AUC），鉴于人类健康的复杂性，这一结果相当显著。
成果与局限
研究表明，当研究人员要求Delphi-2M为60岁人群生成合成健康预测时，其十年后的预测结果与人群实际健康结果高度吻合。这表明它有望成为公共卫生规划的有力工具，例如识别未来世代中可能激增的疾病。
但与所有AI技术一样，该模型存在局限。应用于丹麦数据时准确性下降，表明其在不同人群中的可靠性不均。此外，如同所有预测性AI，该模型反映了训练数据集的偏差。例如，英国生物银行数据倾向于更富裕、更健康的参与者，可能导致对代表性不足群体的风险评估失真。
可信度分析
必须明确的是，人类监督绝对必要，AI不能替代医生。因此研究人员强调，Delphi-2M目前并非诊断工具。相反，它更像一个实用的预测引擎，可检测普遍风险并规划预防性护理。预测您72岁患癌风险高并不意味着必然发生，仅表明您与训练数据中患癌人群特征相似。
尽管如此，其潜力令人瞩目。类似Delphi-2M的AI模型未来可能与现有健康计算器协同工作，为患者和医生提供更个性化的未来风险路径图，甚至揭示可操作的步骤以延迟或预防疾病。
核心启示
尽管仍处于研究阶段，AI引导医疗的前景引发诸多疑问：让ChatGPT或Claude编写代码的生成技术，能否同样用于疾病预测？Delphi-2M暗示了一个未来场景——医生可能利用AI扫描您数十年潜在的健康旅程，帮助您在症状出现前很久就采取预防行动。
【全文结束】
