共计 1007 个字符，预计需要花费 3 分钟才能阅读完成。
科学家近日宣布，他们成功开发了一种基于与 ChatGPT 类似技术的 AI 模型，能够提前数年预测超过 1000 种疾病的发生。这项研究由来自英国、丹麦、德国和瑞士的科研团队共同完成，相关成果已发表在《自然》杂志上。
该 AI 模型名为 Delphi-2M，其核心是基于“transformer”架构的神经网络——这也是 ChatGPT 所使用的技术。研究人员利用英国 UK Biobank 的数据对模型进行了训练，该数据库是一个大规模的生物医学研究资源，包含了约 50 万名参与者的详细信息。
德国癌症研究中心的 AI 专家 Moritz Gerstung 解释说，理解一系列医疗诊断“有点像学习文本中的语法”。Delphi-2M 通过学习医疗数据中的模式、先前的诊断及其发生的组合和顺序，能够做出“非常有意义且与健康相关的预测”。Gerstung 还展示了图表，表明 AI 能够识别出比其年龄和其他因素预测的更高或更低心脏病风险的人。
为了验证 Delphi-2M 的性能，研究团队测试了丹麦公共卫生数据库中近 200 万人的数据。结果显示，该模型在预测多种疾病方面表现出色。然而，Gerstung 和团队成员强调，Delphi-2M 仍需要进一步测试，目前尚未准备好用于临床。
英国工程技术学会的研究员 Peter Bannister 指出，当前的数据集在年龄、种族和医疗结果方面存在偏差，这限制了模型的广泛应用。尽管如此，Gerstung 认为，未来像 Delphi-2M 这样的系统有望“指导监测和可能的早期临床干预，以实现有效的预防性医学”。
欧洲分子生物学实验室的合著者 Tom Fitzgerald 补充说，此类工具还能帮助“优化资源紧张的医疗保健系统”。目前，许多国家的医生已经使用计算机工具来预测疾病风险，例如英国家庭医生使用的 QRISK3 程序。但 Delphi-2M 的优势在于其能够“同时处理所有疾病，并且跨越长时间”，合著者 Ewan Birney 解释道。
伦敦国王学院的教授 Gustavo Sudre 评价这项研究是“朝着可扩展、可解释且——最重要的是——道德上负责任的预测模型迈出的重要一步”。他指出，“可解释的”AI 是该领域的顶级研究目标之一，因为目前许多大型 AI 模型的内部运作即使对其创建者来说仍然是个谜。
这项研究不仅展示了 AI 在医疗领域的潜力，也为未来的预防性医学和医疗资源优化提供了新的思路。然而，如何在确保模型准确性的同时解决数据偏差和伦理问题，仍是研究人员需要面对的重要挑战。
