通过开发一种新型AI模型，研究人员证明能够提前数十年预测疾病的发生，哥本哈根大学科学家参与的一项新研究显示。该研究对患有多种慢性病的患者尤其具有前景。
"我们希望探索是否能开发出同时处理1000多种疾病的方法。本研究证实这是可行的。"哥本哈根大学公共卫生学院教授索伦·布鲁纳克（Søren Brunak）表示。想象一个能预测我们将罹患何种疾病及严重程度的数字水晶球——这一场景因包括哥本哈根大学研究人员在内的国际团队取得进展而更接近现实。该团队开发的AI模型可估算个体未来可能遭遇的疾病。
正如ChatGPT能预测句子中下一个最可能的单词，研究人员在最新研究中证明，可构建生成式AI模型来计算1000多种常见疾病中最可能的下一诊断。此项研究已发表于权威科学期刊《自然》。
"如今我们能战胜许多曾致命的疾病。随着年龄增长，未来将面临多人同时罹患多种疾病的情况。因此我们必须理解疾病间的相互作用。"哥本哈根大学公共卫生学院教授、该研究核心成员索伦·布鲁纳克指出。
AI绘制疾病发展"高速公路"
能同时处理如此庞大诊断数量的方法属开创性进展。此前研究者和卫生机构通常仅聚焦单病种或少数疾病间的交互来预测趋势，却忽略了多种慢性病共存（multimorbidity）现象——即单个患者同时患有多种慢性疾病。
"这类患者管理难度大：该优先治疗哪种？应转诊至哪个医疗部门？多种慢性病共存是高成本复杂挑战，因此我们需要绘制疾病发展的'高速公路'——即患者最常遵循的疾病演变路径。"索伦·布鲁纳克解释道。
该模型基于英国生物银行健康数据训练，从40万参与者疾病发展轨迹及生活方式中学习，识别其健康随时间演变的规律，并据此预测最可能的新发疾病。由于部分疾病发展路径更可预测，模型对心脏病发作、特定癌症或败血症等诊断的预测精度更高，而妊娠并发症等则较难预判。
推向精准靶向治疗
尽管模型更适合人群层面预测，仍可通过为医疗专业人员提供疾病演变深度洞察而惠及个体患者。这有助于评估患者风险等级并决定是否需要强化治疗：
"该模型的核心理念是预判患者疾病轨迹，使医生能从初始阶段确定治疗强度。某些糖尿病患者初期仅需生活方式干预，而另一些则需立即用药。"索伦·布鲁纳克说明。
反向情况同样存在：因难以区分高风险患者，许多人接受了非必要治疗。
"我们对疾病演变理解越深入，就越能减少不必要的过度治疗。"索伦·布鲁纳克强调。
仍是原型但潜力巨大
不过期待该方法立即投入临床应用的人需保持耐心。索伦·布鲁纳克强调模型目前仅是原型：
"我们旨在验证同时处理1000多种疾病的可行性，研究已证实其可能。"
为使模型不仅能预测下一疾病，还能预判后续疾病链，需基于比初始研究40万参与者更大的数据集进行训练。
尽管如此，哥本哈根大学公共卫生学院教授兼罗克伍尔基金会研究教授劳斯特·莫滕森（Laust Mortensen）表示，研究团队对模型预测精度印象深刻：
"我们的方法潜力巨大。虽基于英国数据训练，但已通过丹麦数据验证其在丹麦应用的高精度。"
研究方法解析
该AI模型使用英国生物银行40万同意科研使用的参与者健康数据进行训练，据此学习识别参与者生活方式及1000多种疾病的规律模式。随后模型在无额外数据情况下迁移至丹麦，研究者利用丹麦疾病登记库数据作为对照组验证预测准确性。
研究过程中，团队在丹麦卫生局下属丹麦卫生数据管理局的安全超级计算环境中操作，严格遵守其安全协议。因此模型使用英国数据开发，通过丹麦数据验证。
该项目部分获诺和诺德基金会资助，由哥本哈根大学、欧洲分子生物学实验室、埃伯哈德·卡尔斯大学、罗伯特·博世肿瘤疾病中心及德国癌症研究中心研究人员合作完成。
【全文结束】
