多国科研团队研发 Delphi-2M：可提前数年预测千余种疾病

如果把一个人从小到大的生病记录排成一串，在医生眼里这是一份病历，但在懂语言的大模型眼里，这其实是一串有语法的句子。

来自英国、丹麦、德国和瑞士的研究团队在《Nature》上发表了一篇论文。他们做了一个叫 Delphi-2M 的 AI 模型，能提前数年预测 1,000 多种疾病的发病概率。

更让人好奇的是它的底座：它用的正是让 ChatGPT 跑起来的 Transformer 架构。

把看病记录当成「语法」来学

大语言模型平时处理的是单词的前后顺序，而 Delphi-2M 处理的是疾病出现的顺序。

德国癌症研究中心的 AI 专家 Moritz Gerstung 打了个比方：理解一系列医疗诊断，其实就像学习一段文字里的语法规则。

这套系统会去学习医疗数据里的深层规律，看前一次诊断是什么、哪些毛病经常结伴出现、发病先后顺序怎样。摸清这些模式后，它就能给出很有参考价值的健康预测。

在演示中，模型能找出那些心脏病风险远高于或远低于常规预测的人。即使按年龄和常规指标看一切正常，AI 也能看出潜在的危险。

研究团队先用英国生物样本库中大约 50 万人的数据训练了模型，随后又用丹麦公共卫生数据库里近 200 万人的记录做了验证。

一口气看一千种病，但别急着去医院试

现在的医院其实已经在使用风险预测软件，比如英国全科医生常用的 QRISK3，用来估算心脏病或中风风险。

但论文合著者 Ewan Birney 指出，传统工具通常一次只能算一种病，而 Delphi-2M 能在很长的时间跨度里，一口气评估 1,000 多种疾病。

欧洲分子生物学实验室的合著者 Tom Fitzgerald 认为，往大里说，这种工具未来能帮紧绷的医疗系统更合理地分配资源。

不过，研究团队明确表示，这项技术离真正进诊室还早得很，目前绝不能直接用于临床。

英国工程技术学会会士 Peter Bannister 就泼了点冷水。他提醒大家，研究团队自己也承认，英国和丹麦的数据集在年龄、族裔和现有医疗结果上都有偏差，距离改善实际医疗还有很长的路要走。

伦敦国王学院医学 AI 专家 Gustavo Sudre 则持乐观态度，他认为这项研究展示了可解释、可扩展且符合伦理的预测模型路径。毕竟很多大模型至今是个黑盒，连开发者自己都说不清内部机制。

为什么重要

我们认为，这项研究最聪明的地方，在于彻底换了一种思路看病历。过去做医疗预测，大家习惯针对单一病种单点建模；而把它变成类似语言的序列问题后，AI 就能端到端地捕捉多种慢病之间的蝴蝶效应。

对普通人来说，它现在还不是一个能帮你防病的工具，短期内也不值得去满世界找接口测试。医疗容错率极低，AI 算出来的概率如果不能精准对应个体干预方案，反而容易制造健康焦虑。

对行业而言，它会逼着传统医疗信息化软件换代。如果未来只要输入电子病历就能跑出全谱系健康雷达，那些只能算单一心血管指标的单点插件就会显得非常笨重。

但隐患同样摆在明面上。由于训练数据几乎全来自英国和丹麦的欧洲人群，它对其他族裔、其他医疗环境下的预测到底准不准，现在完全要打个问号。跨人群的泛化和可解释性，看起来依然是它进入临床前必须迈过去的一道硬坎。