Eurooppalaiset tutkijat ovat julkistaneet Delphi-2M: n, generatiivisen AI-mallin, joka lukee henkilön sairaushistoriaa ennustaakseen alttiuden yli tuhanteen sairauteen-vuodessa tai jopa vuosikymmeniä etukäteen. Se on rohkea väite, jota tukevat suuret tietojoukot: noin 400 000 Yhdistyneen kuningaskunnan biopankin osallistujaa koulutukseen ja 1,9 miljoonaa potilasta Tanskan kansallisesta ulkoista validointirekisteristä.
Uutta on leveys. Useimmat kliiniset riskipisteet kohdistuvat yhteen tilaan. Delphi-2M kohtelee terveyttä kuten sekvenssiä, käyttämällä Transformer Tech (sama perhe nykyaikaisten chatbotien takana) malliin, kuinka diagnoosit ja tapahtumat etenevät ajan myötä. Lähtö on henkilökohtainen todennäköisyyskäyrä - kun tietyt olosuhteet ovat enemmän tai vähemmän todennäköisiä.
Varhaiset tulokset ovat voimakkaimpia yleisiin kroonisiin sairauksiin - sisäpuolelle ja verisuonikysymyksiin, diabetekseen ja sepsikseen - missä on paljon tietoa. Tutkijat raportoivat myös, että malli suoritti hyvin tanskalaiset potilaat huolimatta siitä, että hänet koulutettiin Yhdistyneen kuningaskunnan tietoihin, lupaava merkki siitä, että se voi yleistää terveydenhuoltojärjestelmissä sen sijaan, että se olisi ylenmääräinen.
Miksi sillä on merkitystä: ennakointi muuttaa hoitoa. Jos järjestelmä voi ennustaa korkean riskin ikkunoita tulevaa sairautta varten, lääkärit voivat kiristää seurantaa, säätää lääkkeitä ja ajaa kohdennettuja ehkäisyä aikaisemmin. Väestöterveystiimit voisivat käyttää samanlaisia ennusteita seulontojen priorisoimiseksi tai resurssien jakamiseen lähiöille, joissa riski on asetettu nousemaan.
Suuret varoitukset ovat toiminnallisia ja eettisiä. Hoitotiedot ovat sotkuisia; Signaalit vaihtelevat sairaalassa, koodausstandardien ajautumisessa ja sosiaaliset tekijät elävät harvoin yhdessä tietokannassa. Siellä on myös puolueellisuus: Jos historiallinen hoito on tiettyjä ryhmiä, malli voi koodata nämä aukot. Tutkijoiden mukaan Delphi-2M käyttää nimettömiä tietueita ja on suunniteltu terveysjärjestelmän käyttöönottoon, mutta mikä tahansa todellinen käyttöönotto tarvitsee tiukan hallinnon, ulkoisen tarkastuksen ja selkeän potilaan suostumuksen.
Sääntelytodellisuus hidastaa asioita. Jopa luonto-julkaisemisella menetelmällä ja vahvalla maastohiihtovalidoinnilla, tämä ei toimi huomenna klinikoille. Odottaa tiukasti hallittujen ohjelmien lentäjät - kardiologia, ICU -takaisinotot, onkologiapolut - ennen laajempaa käyttöä. Geneettisen ja proteomisen tiedon integrointi on etenemissuunnitelmassa, joka voisi terävöittää ennusteita, mutta nostaa kustannus- ja yksityisyyden suojaa.
Terveysjärjestelmien teknologia -ostajille kotitehtävät ovat tuttuja: kysynnän mahdolliset tutkimukset, etsivät kalibroituja riskipisteitä (ei pelkästään Auroc -kerskaamista) ja vaativat tulkittavia tuotoksia, joita lääkärit voivat toimia. Kukaan ei halua mustan laatikon “olet riski” -banneria; He haluavat miksi ja mitä-tekemistä.
Lue lisää:Alueellisten turvallisuushaasteiden dekoodaus Pinta -sota -markkinoiden ennusteessa vuoteen 2033
Bottom Line: Delphi-2M on vakava askel kohti pitkän horisontin, moni-disease-ennusteen. Jos julkaistut tulokset replikoivat live-hoidossa, se voi muuttaa seulonta-aikatauluja ja kroonisen hoidon suunnittelua. Jos ei, se työntää edelleen kenttää rakentamaan malleja, jotka ajattelevat potilaiden aikatauluja kuin kertaluonteisia otoksia.
