Nowy model sztucznej inteligencji, opracowany przez zespół z EMBL-EBI, DKFZ i Uniwersytetu Kopenhaskiego, może okazać się przełomem w personalizowanej prewencji. Delphi-2M, bo tak nazwano narzędzie, potrafi prognozować ryzyko wystąpienia ponad 1 200 chorób – nawet z 10-letnim wyprzedzeniem. Testy przeprowadzone na danych z Wielkiej Brytanii i Danii potwierdziły wysoką skuteczność prognoz, szczególnie w zakresie chorób przewlekłych.
Z tego artykułu dowiesz się…
- Jak działa model Delphi-2M i na jakich danych został wytrenowany.
- W jakich przypadkach AI przewiduje choroby z najwyższą skutecznością.
- Jakie są potencjalne zastosowania tej technologii w praktyce klinicznej i systemowej.
- Jakie wyzwania etyczne wiążą się z prognozowaniem zdrowia na podstawie danych pacjentów.
Delphi-2M: jak działa nowa AI?
Delphi-2M to model oparty na architekturze GPT, który zamiast uczyć się języka naturalnego, analizuje tak zwaną „gramatykę zdrowia” – sekwencje zdarzeń medycznych, nawyków i historii chorób. Został wytrenowany na danych pochodzących od 400 tysięcy uczestników UK Biobank, a następnie przetestowany na 1,9 mln rekordów z duńskiego rejestru pacjentów.
W testach krótkoterminowych model przewiduje ryzyko zawału serca z około 70% skutecznością. W przypadku prognoz 20-letnich trafność spada do 14%, jednak i tak przewyższa tradycyjne modele epidemiologiczne.
Od analizy ryzyka po systemowe planowanie
Model Delphi-2M może znaleźć zastosowanie nie tylko w gabinecie lekarskim, ale również w planowaniu polityki zdrowotnej. Umożliwia bowiem szacowanie przyszłego zapotrzebowania na usługi medyczne, leki czy programy profilaktyczne. Może też pomóc w identyfikacji pacjentów o podwyższonym ryzyku zachorowania, zanim pojawią się pierwsze objawy kliniczne.
Przykład? Osoby z wysokim ryzykiem chorób wątroby mogłyby otrzymać spersonalizowane zalecenia dotyczące ograniczenia alkoholu, zanim dojdzie do uszkodzenia narządów.
Możliwości i ograniczenia modelu
Największą skuteczność Delphi-2M osiąga w przypadku chorób przewlekłych o dobrze opisanym przebiegu, takich jak cukrzyca typu 2 czy choroby układu sercowo-naczyniowego. Trudności pojawiają się przy schorzeniach mniej przewidywalnych, np. zaburzeniach psychicznych czy infekcjach.
Warto również zaznaczyć, że dane treningowe pochodziły głównie od osób w wieku 40–70 lat, co może wpływać na ograniczoną skuteczność modelu w młodszych lub starszych grupach wiekowych.
Etyka i prywatność – realne wyzwania
Twórcy Delphi-2M podkreślają, że wszystkie dane wykorzystane w badaniu były zanonimizowane i pozyskane za świadomą zgodą uczestników. Model potrafi też generować syntetyczne dane zdrowotne, które odzwierciedlają statystyczne cechy populacji bez powiązania z konkretnymi osobami.
Pomimo to, eksperci zwracają uwagę na ryzyko nadużyć – np. wykorzystania predykcji zdrowotnych przez ubezpieczycieli lub instytucje finansowe do oceny ryzyka klienta.
Kierunek: precyzyjna medycyna
Choć Delphi-2M nie jest jeszcze gotowy do klinicznego wdrożenia, jego potencjał nie budzi wątpliwości. Jak zaznacza prof. Moritz Gerstung z DKFZ, to dopiero początek nowego podejścia do rozumienia zdrowia i chorób.
Pełne wyniki badania dostępne są: https://www.nature.com/articles/s41586-025-09529-3
Główne wnioski
- Model Delphi-2M przewiduje ryzyko ponad 1200 chorób z wykorzystaniem danych medycznych i stylu życia – nawet z 10-letnim wyprzedzeniem.
- Największą skuteczność osiąga w przypadku chorób przewlekłych, takich jak cukrzyca typu 2, choroby sercowo-naczyniowe czy sepsa.
- Możliwe zastosowania obejmują nie tylko diagnostykę, ale także planowanie systemowe – w tym prognozowanie zapotrzebowania na świadczenia i leki.
- Model budzi także pytania o prywatność i etykę, jednak jego twórcy wdrożyli rygorystyczne procedury ochrony danych.
Źródło:
- Nature
- Media
