一项新研究表明，一种新型人工智能（AI）工具能够一次性评估个人患1000多种疾病的风险，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甚至更长时间内可能面临的健康问题。
研究团队希望，这种新模型能在5到10年内被医生采用，以辅助预防、诊断和治疗方面的决策。
该模型通过评估人们患上癌症、糖尿病、心血管疾病、呼吸系统疾病以及多种疾病的可能性及时间来进行工作。
该工具接收数据并分析个人病史中的"医疗事件"，如疾病诊断时间，以及肥胖、吸烟或饮酒等生活方式因素，再加上年龄和性别。
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。
该工具对进展模式清晰且一致的疾病提供更准确的预测，例如某些类型的癌症、心脏病发作和败血症。
对于可能多变的疾病，如心理健康问题或妊娠相关并发症，其可靠性较低。
参与研究的欧洲分子生物学实验室（EMBL）临时执行主任伊万·伯尼（Ewan Birney）表示："未来——这将在5到10年内实现——是临床医生通过这些复杂的AI工具得到增强和支持的时候。当你走进医生诊所时，临床医生已经非常习惯使用这些工具，他们能够说：'这是你未来可能面临的四大风险，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告知要减肥，如果你吸烟，你会被告知要戒烟——这将记录在你的数据中，因此该建议不会有显著变化——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（例如Qrisk，用于计算一个人在未来十年内发生心脏病或中风风险的方法）相比，这种新AI模型的优势在于"我们可以同时处理所有疾病，并且在很长一段时间内进行预测。这是单一疾病模型无法做到的。"
研究团队希望医生能够及早识别高风险患者，同时掌握人群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，类似于预报70%的降雨概率。
通常，短期预测的准确性高于长期预测。
该团队在《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，其准确性可与现有单一疾病模型相媲美。Delphi-2M的生成特性还能够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......"
该模型是根据英国生物银行40万名匿名患者的数据定制构建和训练的。
研究人员还成功使用丹麦国家患者登记册中190万名患者的数据测试了该模型。
参与研究的德国癌症研究中心AI肿瘤学部门负责人莫里茨·格斯特隆（Moritz Gerstung）表示："这是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需求。通过从大量人群中学习，这些模型为疾病的展开提供了强大的视角，并最终可能支持更早、更有针对性的干预措施。"
【全文结束】
