新型人工智能模型或可提前十年预测患者罹患1000多种疾病的风险，最新研究结果显示。
该模型由剑桥欧洲分子生物学实验室团队开发，首席科学家伊万·伯尼表示：“这是我参与过最令人兴奋的科研项目之一，这真的很酷。”这款名为Delphi的人工智能工具基于英国生物银行研究数据库中40万名参与者的匿名医疗记录进行训练，学习了人们医疗史随时间演变的规律，并识别出与后续疾病相关的模式。
研究人员将该工具应用于丹麦国家患者登记处的190万患者记录，根据发表在《自然》杂志上的成果，其能够对1000多种疾病的发病风险和时间做出“有意义”的预测。伯尼解释道：“通过模拟疾病发展过程，我们得以探索特定风险何时出现，以及如何规划最佳早期干预方案。这标志着医疗向更个性化和预防性方向迈出了重要一步。”
该工具实质上提供类似天气应用的“健康预测”。长期疾病预测（如同降雨概率）虽存在不确定性，但仍具实用价值；而短期风险评估则更为精准。研究揭示了疾病概率在人群中的广泛差异：Delphi显示60至65岁男性的心脏病年发病率从100分之1到2500分之1不等；女性平均风险较低，但风险分布范围相似。
在投入临床使用前需进行严格评估。参与研究的德国癌症研究中心莫里茨·格斯坦指出：“部分患者得知自身患病风险高于平均水平后可能产生‘宿命论’心态，未来需将心理学因素纳入此类工具的应用评估。”
制药公司阿斯利康去年发布的同类研究显示，其AI模型通过分析常规全科医生就诊数据（如血压检测、尿液检查）及血液中3000种蛋白质，可提前20年以“ exceptional”（极佳）准确度预测121种疾病风险。健康数据中AI模式识别能力正引发广泛关注。
【全文结束】
