一个研究团队推出了Delphi-2M，这是一种生成式人工智能模型，经过训练可预测个人在未来数年内患上1000多种疾病的风险。该模型基于与GPT类似的Transformer架构，使用英国生物银行（UK Biobank）50多万名参与者的纵向健康记录进行训练，并在丹麦的1的190万个体数据上完成验证。
与仅关注单一疾病的传统风险计算器不同，Delphi-2M同时模拟多个系统的疾病发作与进展过程，有效学习了人类健康历史的"语法"。该模型不仅能预测未来疾病的概率，还能模拟数十年的潜在健康轨迹。
Delphi-2M的独特优势
- 规模与覆盖范围：该模型可同时评估1000多种疾病的风险，精准捕捉疾病间的相互依赖关系和时间演变规律。
- 生成能力：Delphi-2M能够模拟合成患者健康记录，有望在保护隐私的前提下支持医学研究和训练数据集构建。
- 广泛适用性：模型性能在英国和丹麦两个截然不同的医疗体系中均得到验证，展现出强大的预测稳健性。
潜在局限与未来挑战
尽管前景广阔，研究团队强调Delphi-2M目前尚未达到临床应用标准。英国生物银行的数据存在人口统计学偏差，且预测时间跨度越长，结果不确定性越高。对于进展稳定的慢性疾病（如糖尿病、心血管疾病），模型预测准确性较高；而对于受偶然事件显著影响的疾病（如感染、创伤），预测效果相对有限。
尤为重要的是，伦理考量至关重要：此类预测结果如何被分享、理解和转化为医疗行动，其重要性不亚于预测本身。
研究价值与意义
这项工作标志着预防医学和精准医疗领域的潜在突破。通过前瞻性地展望数十年健康趋势，类似Delphi-2M的模型有望更早识别高风险人群，优化疾病筛查策略，并为改变个体生命轨迹的干预措施提供科学依据。但现阶段它仍是研究工具——充分证明了当大规模健康数据与先进机器学习技术深度融合时所能实现的创新可能。
引用：
Kristensen K, Schulz M-A, Dam EB等."生成式AI模型预测1000多种疾病的風險轨迹。"《自然》。2025;625:123–131.
【全文结束】