一项研究表明，新型人工智能工具可一次性评估超过1000种疾病的发病风险，为人们提供关键的未来健康信息。
专家通过匿名患者记录数据训练并测试了该模型，旨在预测人群未来十年甚至更长时间的健康状况。研究团队期望该模型能在5至10年内应用于临床，辅助医生在疾病预防、诊断和治疗方面的决策。
该模型通过评估个体患病概率及发病时间来运作，涵盖癌症、糖尿病、心血管疾病、呼吸系统疾病及多种病症。工具通过分析病史中的"医疗事件"（如疾病确诊时间）、生活方式因素（肥胖、吸烟、饮酒状况）以及年龄性别等数据进行学习，重点研究事件发生顺序及间隔时长对疾病风险的预测作用。
在具有明确且一致进展模式的疾病预测上，该工具表现优异，例如特定类型癌症、心脏病发作和败血症。但对于精神健康问题或妊娠并发症等变量较多的疾病，其可靠性相对较低。
参与研究的欧洲分子生物学实验室（EMBL）代理执行主任伊万·伯尼表示："未来5至10年内，临床医生将借助这类先进AI工具获得增强支持。当你走进诊所时，医生能明确告知：‘你未来面临四大主要健康风险，可通过两项措施显著改变现状。’我推测每个人都会被建议减重和戒烟——这些数据已存在，相关建议不会有本质变化，但针对某些疾病将提供非常具体的干预方案。这正是我们希望创造的未来。"
相较于现有工具（如用于计算十年内心脏病或中风风险的Q风险系统），该AI模型的优势在于"能同时评估所有疾病且预测周期更长，这是单一疾病模型无法实现的"。研究团队期望该工具能帮助医生早期识别高风险患者，而群体层面的数据或将助力国家医疗服务体系或公共卫生领导者优化资源规划。
研究人员指出，健康风险以时间概率形式呈现，类似于"70%的降雨概率"预报。通常短期预测的准确度高于长期预测。
研究团队在《自然》杂志发表声明："Delphi-2M能基于个体既往病史，预测1000多种疾病的发病概率，其精度与现有单一疾病模型相当。该模型的生成式特性还支持模拟合成未来健康轨迹，为长达20年内的潜在疾病负担提供有意义的预估。"
该模型基于英国生物样本库40万人的匿名患者数据定制开发，并在丹麦国家患者登记系统的190万患者数据中成功验证。德国癌症研究中心人工智能肿瘤学部门负责人莫里茨·格斯特恩表示："这标志着理解人类健康与疾病进展的新方式的开端。此类生成式模型未来或可实现规模化个性化医疗并预判健康需求。通过学习大规模人群数据，这些模型为疾病发展过程提供强大观察窗口，最终支持更早、更精准的干预措施。"
【全文结束】
