Нови АИ алат предвиђа које од 1.000 болести некога може развити у 20 година

Нови АИ алат предвиђа које од 1.000 болести некога може развити у 20 година

Гемма Цонрои & Натуре Магазине

Нова алата за вештачку интелигенцију (АИ) може предвидјети ризик особе да развије више од 1.000 болести, у неким случајевима да поднесу предвиђање предвиђања унапред.

Модел, назван Делпхи-2М, користи здравствене евиденције и фактори живота да би проценили вероватноћу да ће особа развити болести попут рака, кожних болести и имунолошких услова до 20 година пре времена. Иако је Делпхи-2М обучен само на једном скупу података из Уједињеног Краљевства, моделирање мулти-болести могао би једног дана помоћи клиничарима да идентификују људе високог ризика, омогућавајући ране превентивне мере које омогућавају превентивне мере. Модел је описан у студији објављеној данас Природа.

Способност алата за моделирање више болести у једном потезу је „запањујућа“, каже Стефан Феуерриегел, рачунарског научника у Лудвиг Макимилиан Универзитету у Минхену у Немачкој, који је развио АИ моделе за медицинске апликације. „Може да створи читаве будуће здравствене путање“, каже он.

О подржавању научног новинарства

Ако уживате у овом чланку, размислите о подршци нашем награђиваном новинарству Претплата. Куповином претплате помажете да се осигура будућност утицајних прича о открићима и идејама које данас у облику света у облику света.

Здравствено стање

Истраживачи су већ развили АИ алате засноване на основу да предвиде ризик особе да развију одређене услове, укључујући неке карцине и кардиоваскуларне болести. Али већина ових алата процењује ризик од само једне болести, каже да је коаутор студија Моритз Гестунг, научник података на немачком истраживачком центру против рака у Хајделбергу. „Здравствени професионалац мора да има десетине да ће им пружити свеобухватан одговор“, каже он.

Да бисте то решили, Гестунг и његове колеге модификовале су врсту великог језика (ЛЛМ) који се назива генеративно пре-обучени трансформатор (Гпт), који формира подвлачење АИ цхатбота као што је ЦхатГтпт. Када је постављено питање, ГПТ-ови пружају резултате који су, према њиховој обуци о огромним количинама података статистички вероватно.

Аутори су осмислили своје модификоване ЛЛМ да би предвидјели вероватноћу да развије 1.258 болести на основу своје прошле медицинске историје. Модел такође укључује старост, пол, телесну масу и здравствене навике, као што су дуванска употреба и потрошња алкохола. Истраживачи су обучили Делпхи-2М о подацима од 400.000 учесника БИОБАНК у Великој Британији, дугорочно је биомедицинско праћење.

За већину болести, делпхи-2М предвиђања су се подударала или премашила тачност тренутних модела који процењују ризик од развоја једне болести. Алат је такође извршио бољи од алгоритма у учењу машине који користи биомаркери – нивои одређених молекула или једињења у организму – да предвиди ризик од неколико болести. „Задивљујуће је добро радило“, каже Гестунг.

Делпхи-2М је најбоље радио приликом прогнозирања путања услова који слиједе предвидљиве обрасце прогресије, као што су неке врсте рака. Модел је израчунао вероватноћу да је човек развијање сваке болести у временски период до две деценије, у зависности од информација укључених у њихову медицинску документацију.

Систем раног упозоравања

Гестунг и његове колеге тестирали су Делпхи-2М о здравственим подацима од 1,9 милиона људи у данским националној регистри пацијената, националну базу података која је стигла пријем у болници скоро пола века. Аутори су открили да су предвиђања модела за људе у Регистру била само нешто мање тачна него што су били за учеснике у БИОбанК у Великој Британији. Ово показује да модел и даље може да направи помало поуздана предвиђања када се примењује на скупове података из националних здравствених система, осим оног који је обучио, каже Гестунг.

Делпхи-2М је „интригантни“ допринос растућем пољу моделирања више болести одједном, али има своја ограничења, каже Дегуи Зхи, истраживач биоинформације који развија АИ моделе на Универзитету у Текас здравственом науку у Хјустону. На пример, подаци БиоБанк Велике Британије захватили су прву четку учесника са болешћу. Број пута је неко имао болест је „важно за моделирање личних здравствених путање“, каже Зхи.

Гестунг и његове колеге оцениће тачност Делпхи-2М-а о скуповима података из неколико земаља да прошири свој обим. „Размишљање о томе како се ове информације могу комбиновати за развијање још прецизније алгоритме биће важно“, каже он.

Овај чланак се репродукује уз дозволу и био је прво објављено 17. септембра 2025.

Време је да устанете за науку

Ако сте уживали у овом чланку, хтео бих да вас затражим за вашу подршку. Научни амерички Служио је као заговорник за науку и индустрију 180 година, а тренутно је можда најкритичнији тренутак у историји двоструке века.

Био сам Научни амерички Претплатник од мене је било 12 година, а помогло је да се обликова на начин на који гледам на свет. Сциам Увек ме едукује и одушевљава ме и надахњује осећај страхопоштовања за наш огроман, леп универзум. Надам се да и за вас то и за вас.

Ако ти претплатити се на Научни америчкипомажете да осигурате да је наша покривеност усредсређена на смислено истраживање и откриће; да имамо ресурсе за извештавање о одлукама које прете лабораторију широм САД-а; И да подржавамо и пупољке и радне научнике у то време када се вредност саме науке пречета пречета непризната.

Заузврат добијате основне вести, Очаравање подцаста, сјајна инфографије, Не могу да пропусте вилатери, сигурносним видео снимцима, Изазовне игре и најбоље писање и извештавање науке на свету. Чак можете поклоните некога претплату.

Никада није било важније време да се застанемо и покажемо зашто је научна питања. Надам се да ћете нас подржати у тој мисији.