Nový nástroj AI předpovídá, který z 1 000 nemocí se někdo může vyvinout za 20 let

Nový nástroj AI předpovídá, který z 1 000 nemocí se někdo může vyvinout za 20 let

Podle Gemma Conroy A Přírodní časopis

Nový nástroj pro umělou inteligenci (AI) může předpovídat riziko člověka, aby vytvořilo více než 1 000 nemocí, v některých případech poskytující predikční desetiletí předem.

Model, zvaný delphi-2m, používá Zdravotní záznamy a faktory životního stylu pro odhad pravděpodobnosti, že člověk vyvine nemoci, jako je rakovina, onemocnění kůže a imunitní podmínky až 20 let předem. Přestože DelphI-2M byl vyškolen pouze na jednom souboru údajů ze Spojeného království, jeho víceselidní modelování by mohlo jednoho dne pomoci klinickým lékařům identifikovat vysoce rizikové lidi, což umožnilo včasné zavedení preventivních opatření. Model je popsán ve studii zveřejněné dnes v Příroda.

Schopnost nástroje modelovat více onemocnění najednou je „ohromující“, říká Stefan Feuerriegel, počítačový vědec na Ludwig Maximilian University of Mnichov v Německu, který vyvinul modely AI pro lékařské aplikace. „Může to generovat celé budoucí zdravotní trajektorie,“ říká.

O podpoře vědecké žurnalistiky

Pokud se vám tento článek líbí, zvažte podporu naší oceněné žurnalistiky předplatné. Zakoupením předplatného pomáháte zajistit budoucnost působivých příběhů o objevech a myšlenkách, které dnes formují náš svět.

Oracle of Health

Vědci se již vyvinuli Nástroje založené na AI k predikci rizika člověka na rozvoj určitých podmínekvčetně některých rakovin a Kardiovaskulární onemocnění. Většina z těchto nástrojů však odhaduje riziko pouze jednoho onemocnění, říká spoluautor studie Moritz Gerstung, vědce údajů v německém výzkumném středisku rakoviny v Heidelbergu. „Zdravotnický odborník by z nich musel spustit desítky, aby poskytl komplexní odpověď,“ říká.

Abychom to řešili, Gersteng a jeho kolegové upravili typ modelu velkého jazyka (LLM) nazývaného generativního předškolního transformátoru (GPT), který se formuje Podloží AI chatbotů, jako je chatgpt. Na základě otázky poskytují GPT výstupy, že podle jejich tréninku o obrovských objemech údajů jsou statisticky pravděpodobné.

Autoři navrhli své upravené LLM tak, aby předpovídaly pravděpodobnost člověka na vývoj 1 258 nemocí na základě jejich minulé anamnézy. Model také zahrnuje věk, sex, pohlaví, Index tělesné hmotnosti a návyky související se zdravím, jako je užívání tabáku a konzumace alkoholu. Vědci vyškolili Delphi-2M na data od 400 000 účastníků britské biobank, dlouhodobé biomedicínské monitorovací studie.

U většiny nemocí se předpovědi DelphI-2M shodovaly nebo překročily přesnost předpovědí současných modelů, které odhadují riziko vzniku jediné nemoci. Nástroj také fungoval lépe než algoritmus strojového učení, který používá Biomarkery – Úrovně specifických molekul nebo sloučenin v těle – předpovídat riziko několika nemocí. „Fungovalo to úžasně dobře,“ říká Gerstung.

Delphi-2M fungoval nejlépe při předpovídání trajektorií stavů, které sledují předvídatelné vzorce progrese, jako jsou některé typy rakoviny. Model vypočítal pravděpodobnost, že osoba rozvíjí každou nemoc po dobu až dvou desetiletí, v závislosti na informacích obsažených v jejich lékařských záznamech.

Systém včasného varování

Gerstung a jeho kolegové testovali Delphi-2M na zdravotních údajích od 1,9 milionu lidí v dánském národním registru pacientů, národní databáze, která sledovala přijetí do nemocnice téměř půl století. Autoři zjistili, že předpovědi modelu pro lidi v registru byly jen o něco méně přesné než pro účastníky britské biobank. To ukazuje, že model by mohl stále poněkud spolehlivé předpovědi, když se aplikuje na datové soubory z jiných zdravotních systémů, než na ty, na kterém se vyškolil, říká Gerstung.

Delphi-2M je „zajímavý“ příspěvek do rozvíjejícího se oblasti modelování více nemocí najednou, ale má svá omezení, říká Degui Zhi, výzkumník bioinformatiky, který vyvíjí modely AI na University of Texas Health Science Center v Houstonu. Například údaje o biobank z Biobank zachytily pouze první kartáč účastníků onemocněním. Počet, kolikrát někdo měl nemoc, je „důležitý pro modelování osobních zdravotních trajektorií“, říká Zhi.

Gerstung a jeho kolegové vyhodnotí přesnost DelphI-2M na datových souborech z několika zemí, aby rozšířili svůj rozsah. „Přemýšlení o tom, jak lze tyto informace kombinovat pro vývoj ještě přesnějších algoritmů, bude důležité,“ říká.

Tento článek je reprodukován se svolením a byl poprvé publikováno 17. září 2025.

Je čas postavit se za vědu

Pokud se vám tento článek líbil, rád bych požádal o vaši podporu. Vědecký Američan sloužil jako obhájce vědy a průmyslu po dobu 180 let a právě teď může být nejkritičtějším okamžikem v této historii dvou století.

Byl jsem Vědecký Američan Předplatitel od svých 12 let a pomohlo to utvářet způsob, jakým se dívám na svět. Dejte mi vědět Vždy mě vzdělává a potěší a inspiruje pocit úcty pro náš obrovský, krásný vesmír. Doufám, že to také pro vás.

Pokud Přihlaste se k odběru Vědecký AmeričanPomáháte zajistit, aby naše pokrytí bylo soustředěno na smysluplný výzkum a objev; že máme zdroje na podávání zpráv o rozhodnutích, která ohrožují laboratoře po celé USA; a že podporujeme začínající i pracující vědce v době, kdy se hodnota samotné vědy příliš často nerozpoznala.

Na oplátku získáte základní zprávy, Upmasující podcastyBrilantní infografika, zpravodaje nemohu vynechatMust-Watch videa, náročné hrya nejlepší psaní a hlášení vědeckého světa. Můžete dokonce Darujte někomu předplatné.

Nikdy nebylo důležitější čas, abychom se postavili a ukázali, proč věda záleží. Doufám, že nás v této misi podpoříte.