一项研究表明，一种新型人工智能(AI)工具可以一次性评估人们1000多种疾病的发病风险，为他们的未来健康提供关键信息。
专家们使用匿名患者记录数据训练和测试了该模型，以帮助预测人们在未来十年及更长时间内可能发生的健康问题。
研究团队希望这种新模型能在5到10年内应用于医生临床实践，以指导预防、诊断和治疗方面的决策。
该模型通过评估人们可能患上癌症、糖尿病、心血管疾病、呼吸系统疾病及多种疾病的概率及时间来进行工作。
该工具通过分析人们病史中的"医疗事件"（如疾病诊断时间）以及生活方式因素（如是否肥胖、吸烟或饮酒）加上年龄和性别来获取数据。
它通过学习这些事件发生的顺序以及事件之间的时间间隔来预测疾病风险。
该工具对具有明确且一致发展规律的疾病（如某些类型的癌症、心脏病发作和败血症）提供更准确的预测。
而对于可能多变的疾病（如心理健康问题或与怀孕相关的并发症），其可靠性则较低。
参与此项研究的欧洲分子生物学实验室(EMBL)代理执行主任伊万·伯尼(Ewan Birney)表示："未来——这将在5到10年内实现——临床医生将得到这些复杂AI工具的增强和支持。
"当你走进医生的诊所时，临床医生已经非常习惯使用这些工具，他们能够告诉你：'这是你未来面临的四大主要风险，以及你可以采取的两项措施来真正改变这一状况。'
"我怀疑每个人都会被建议减肥，如果你吸烟，你会被建议戒烟——这些信息都会在你的数据中，所以这些建议不会有太大变化——但对于某些疾病，我认为会有一些非常具体的措施。这就是我们想要创造的未来。"
他表示，与现有工具（如用于计算一个人在未来十年内发生心脏病或中风风险的Qrisk方法）相比，这种新型AI模型的优势在于"我们可以同时评估所有疾病，并且覆盖更长的时间段。这是单一疾病模型无法做到的。"
研究团队希望医生能够早期识别高风险患者，同时拥有群体层面的数据可以帮助英国国家医疗服务体系(NHS)或公共卫生领导者更好地规划并在需要的地方分配资源。
研究人员表示，健康风险以随时间变化的比率表示，类似于预测70%的降雨概率。
通常，短期预测的准确性高于长期预测。
研究团队在《自然》杂志上撰文称："Delphi-2M可以根据个人过去的疾病史，预测1000多种疾病的发病率，其准确性与现有的单一疾病模型相当。
"Delphi-2M的生成特性还使得可以采样合成的未来健康轨迹，为长达20年的潜在疾病负担提供有意义的估计......"
该模型是专门构建并使用来自英国生物银行(UK Biobank)的40万人匿名患者数据进行训练的。
研究人员还成功使用来自丹麦国家患者登记处(Danish National Patient Registry)的190万患者数据测试了该模型。
参与此项研究的德国癌症研究中心(German Cancer Research Centre)人工智能肿瘤学部门负责人莫里茨·格斯特隆(Moritz Gerstung)表示："这是我们理解人类健康和疾病进展的新方式的开始。
"我们的生成模型有朝一日可以帮助大规模个性化护理并预测医疗保健需求。
"通过从大量人群中学习，这些模型为了解疾病如何发展提供了一个强有力的视角，并最终可能支持更早、更有针对性的干预措施。"
【全文结束】
