近日，一项由德国癌症研究中心、欧洲分子生物学实验室（EMBL）及哥本哈根大学等机构联合开发的AI工具Delphi-2M引发全球医疗界关注。该模型通过分析个人医疗记录与生活方式数据，可预测超过1000种疾病的长期风险，部分预测时间跨度长达20年，准确率与现有单病种专用模型相当。相关研究成果已于9月17日发表于《自然》期刊。
技术原理与创新突破
Delphi-2M基于改进的生成式Transformer架构，利用英国生物银行40万参与者的健康数据训练，并通过丹麦国家患者登记系统190万例外部数据验证。其核心优势在于能同时建模多重疾病间的复杂关联，而非传统模型的单病种分析模式。研究团队采用SHAP方法实现预测结果的可解释性，可追溯特定风险因素对疾病的影响。欧洲生物信息学研究所科学家托马斯·菲茨杰拉德指出，该工具通过识别医疗事件中的潜在模式，模拟个体未来健康轨迹，为预防医学提供新视角。
应用场景与临床价值
目前，Delphi-2M已能预测癌症、糖尿病、心血管疾病等1258种疾病的发病风险，整体预测准确性（AUC）达0.76，其中死亡风险预测AUC高达0.97。伦敦国王学院人工智能专家古斯塔沃·苏德雷评价称，该工具在可扩展性与伦理合规性方面具有标杆意义。实际应用中，医生可依据其预警调整监测策略，例如建议高风险人群提前进行针对性筛查或生活方式干预。EMBL临时执行主任伊万·伯尼强调，该技术能优化医疗资源配置，缓解公共卫生系统压力。
局限性与未来方向
尽管成果显著，研究团队指出Delphi-2M尚处于实验室阶段，其预测结果暂不可直接用于临床决策。模型性能可能受训练数据偏差影响，且当前未整合基因组或可穿戴设备数据。下一步将扩展多模态健康信息输入，并开展更广泛的现实世界验证。随着技术迭代，此类工具或将成为个性化医疗和公共卫生规划的重要支撑。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
