巴黎—科学家于9月17日表示，他们已创建出能够提前数年预测医疗诊断的人工智能模型，该技术源自ChatGPT等消费级聊天机器人的底层架构。
来自英国、丹麦、德国和瑞士研究机构的团队在《自然》期刊发表的论文中指出，基于患者病历的德尔斐-2M（Delphi-2M）人工智能系统可"预测未来数年内1000多种疾病的发病率"。
研究人员利用英国生物银行（UK Biobank）的大规模生物医学研究数据库训练该模型，该数据库包含约50万名参与者的详细健康信息。德国癌症研究中心人工智能专家莫里茨·格斯特隆（Moritz Gerstung）向媒体解释，基于"变换器"（transformer）架构的神经网络——即"ChatGPT"中的"T"——最初主要用于处理语言任务，但"理解医疗诊断序列在某种程度上类似于学习文本语法"。
格斯特隆表示，德尔斐-2M"学习医疗数据中的模式、先前诊断的组合规律及发生顺序"，从而实现"具有重要健康意义的预测"。他展示的图表显示，该AI能精准识别出心脏病发作风险远高于或低于其年龄及其他因素预测值的人群。
研究团队通过丹麦公共健康数据库中近200万人的数据验证了德尔斐-2M的性能，但格斯特隆及其团队成员强调，该工具仍需进一步测试，目前尚未达到临床应用标准。
英国工程技术学会研究员彼得·班尼斯特（Peter Bannister）评论称："鉴于作者承认英国和丹麦数据集在年龄、种族及当前医疗结果方面存在偏差，这距离改善医疗服务仍有很长的路要走。"
不过格斯特隆展望，未来类似德尔斐-2M的系统或可"指导监测工作，甚至实现预防性医学所需的早期临床干预"。欧洲分子生物学实验室合著者汤姆·菲茨杰拉德（Tom Fitzgerald）补充道，此类工具在更大范围内可助力"优化紧张医疗体系的资源配置"。
多国医生目前已使用计算机工具预测疾病风险，例如英国全科医生评估心脏病或中风风险的QRISK3项目。相比之下，合著者伊万·伯尼（Ewan Birney）指出，德尔斐-2M"能同时预测所有疾病且覆盖长期时段"。
伦敦国王学院专攻医疗人工智能的古斯塔沃·苏德雷（Gustavo Sudre）博士评价该研究"标志着可扩展、可解释且最重要的是符合伦理的预测建模迈出了重要一步"。他强调，"可解释性"人工智能是当前研究的首要目标，因为许多大型AI模型的内部运作机制对开发者而言仍属未解之谜。
【全文结束】
