科学家周三表示，他们已创建出一种人工智能模型，能够提前数年预测医疗诊断结果，该技术基于ChatGPT等消费级聊天机器人的相同原理。
来自英国、丹麦、德国和瑞士机构的研究团队在《自然》杂志发表的论文中指出，基于患者病史的Delphi-2M人工智能模型可"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样本库（UK Biobank）的数据训练该模型，这是一个包含约50万名参与者详细信息的大规模生物医学研究数据库。
基于所谓"Transformer"架构（即ChatGPT中"T"的来源）的神经网络，最著名的是处理语言任务，例如聊天机器人及其众多模仿者和竞争者。
德国癌症研究中心人工智能专家莫里茨·格斯特隆（Moritz Gerstung）向记者表示，理解一系列医疗诊断"有点像学习文本中的语法"。
他解释道，Delphi-2M"学习医疗数据中的模式、先前诊断、它们的组合方式及出现顺序"，从而实现"极具意义且与健康相关的预测"。
格斯特隆展示的图表表明，该人工智能能够识别出心脏病发作风险远高于或低于其年龄和其他因素预测值的人群。
研究团队通过丹麦公共医疗数据库中近200万人的数据验证了Delphi-2M的性能。
但格斯特隆及其团队成员强调，Delphi-2M工具仍需进一步测试，尚未准备好投入临床使用。
英国工程技术学会研究员彼得·班尼斯特（Peter Bannister）评论称："这距离改善医疗保健仍有很长的路要走，因为作者承认英国和丹麦数据集在年龄、种族和当前医疗结果方面存在偏差。"
不过格斯特隆表示，未来类似Delphi-2M的系统可能有助于"指导监测并可能实现更早的临床干预，有效推动预防性医学发展"。
欧洲分子生物学实验室合著者汤姆·菲茨杰拉德（Tom Fitzgerald）表示，在更大范围内，此类工具可帮助"优化紧张医疗系统中的资源分配"。
多国医生已使用计算机工具预测疾病风险，例如英国全科医生用于评估心脏病发作或中风风险的QRISK3程序。
相比之下，合著者伊万·伯尼（Ewan Birney）表示，Delphi-2M"能够同时预测所有疾病，且时间跨度更长"。
伦敦国王学院专注于医疗人工智能的教授古斯塔沃·苏德雷（Gustavo Sudre）评论道，这项研究"似乎是迈向可扩展、可解释且最重要的是符合伦理责任的预测建模的重要一步"。
"可解释"或"可解释性"人工智能是该领域的首要研究目标之一，因为当前许多大型人工智能模型的完整内部工作机制对其创建者而言仍是个谜。
【全文结束】
