Naukowcy zaprezentowali przełomowy system Delphi-2M – sztuczną inteligencję, która potrafi przewidzieć ryzyko wystąpienia ponad tysiąca chorób nawet z 20-letnim wyprzedzeniem. Wyniki badań zostały właśnie opublikowane w prestiżowym czasopiśmie Nature.
Delphi-2M działa podobnie jak modele językowe typu ChatGPT – tylko zamiast tekstu analizuje historię medyczną pacjentów. Każda diagnoza czy wynik badania staje się dla systemu „tokenem”, który AI umieszcza na osi czasu zdrowia człowieka. Dzięki temu może przewidzieć, jakie schorzenia pojawią się w przyszłości i z jakim prawdopodobieństwem.
W testach system osiągnął 76% skuteczności w prognozach krótkoterminowych i utrzymywał około 70% dokładności przy przewidywaniach dekadę naprzód. Co ważne, nie ogranicza się do pojedynczych schorzeń – jak dotychczasowe kalkulatory ryzyka. Analizuje całość historii zdrowotnej i możliwe współwystępowanie chorób.
Na czym oparto badania?
Model został wytrenowany na danych 402 799 uczestników UK Biobank i zweryfikowany na 1,9 mln rekordów medycznych – bez dodatkowego treningu. W porównaniu do uznanych narzędzi klinicznych, takich jak QRisk3 czy UKBDRS, Delphi-2M osiągało porównywalne lub lepsze wyniki, z tą przewagą, że obejmuje całość spektrum chorób klasyfikowanych w ICD-10 (Międzynarodowej Klasyfikacji Chorób, 10. rewizja – International Classification of Diseases, Tenth Revision – to uniwersalny system opracowany przez Światową Organizację Zdrowia, który porządkuje wszystkie znane jednostki chorobowe i jest stosowany w diagnostyce oraz statystyce zdrowotnej na całym świecie).
Przykładowo: dla 60-latka z cukrzycą i nadciśnieniem system może wyliczyć nawet 19-krotnie wyższe ryzyko raka trzustki. Dodanie kolejnej diagnozy, np. samego raka trzustki, podnosi prognozowane ryzyko śmiertelności niemal dziesięciotysięcznie.
Syntetyczne ścieżki zdrowia
Oprócz indywidualnych prognoz Delphi-2M potrafi generować całe „syntetyczne historie zdrowotne”, czyli możliwe trajektorie chorób w populacji. To otwiera drogę do modelowania skutków zdrowotnych i ekonomicznych dla systemów ochrony zdrowia czy firm ubezpieczeniowych – bez naruszania prywatności pojedynczych pacjentów.
System pokazał też ciekawe zależności między chorobami. Nowotwory zwiększały ryzyko zgonu przez lata, sepsa – tylko przez kilka miesięcy, a zaburzenia psychiczne wyraźnie „klastrowały się”, zwiększając wzajemne prawdopodobieństwo.
Ograniczenia i wyzwania
Delphi-2M nie jest jednak cyfrowym Nostradamusem. Jego skuteczność w prognozach 20-letnich spada do ok. 60–70%, a w przypadku rzadkich chorób czy silnie środowiskowych czynników ryzyka wyniki bywają mniej precyzyjne.
Istotnym problemem jest również profil danych, które system przeanalizował. UK Biobank obejmuje głównie białych, wykształconych ochotników z Wielkiej Brytanii, co ogranicza uniwersalność modelu. Do tego dochodzą kwestie prywatności i trudności z integracją AI w systemach ochrony zdrowia.
Perspektywy
Choć Delphi-2M pozostaje narzędziem badawczym, a nie aplikacją dla pacjentów, jego potencjał jest ogromny. Może w przyszłości pomóc w:
- wcześniejszym kierowaniu pacjentów na badania przesiewowe,
- lepszym modelowaniu polityki zdrowotnej,
- testowaniu nowych terapii,
- ocenie ryzyka dla firm ubezpieczeniowych czy farmaceutycznych.
System dołącza tym samym do rosnącej grupy modeli AI dla medycyny – jak PDGrapher z Harvardu czy AlphaGenome Google’a – które pokazują, że sztuczna inteligencja coraz skuteczniej wspiera diagnostykę i prognozowanie zdrowia.
W praktyce więc pytanie „Ile mi zostało?” w przyszłości może przestać być retoryczne i stać się konkretnym punktem danych w prognozie AI.
Foto: Gemini/AI.