多國科研團隊研發 Delphi-2M：可提前數年預測千餘種疾病

如果把一個人從小到大的生病記錄排成一串，在醫生眼裡這是一份病歷，但在懂語言的大模型眼裡，這其實是一串有語法的句子。

來自英國、丹麥、德國和瑞士的研究團隊在《Nature》上發表了一篇論文。他們做了一個叫 Delphi-2M 的 AI 模型，能提前數年預測 1,000 多種疾病的發病機率。

更讓人好奇的是它的底座：它用的正是讓 ChatGPT 跑起來的 Transformer 架構。

把看病記錄當成「語法」來學

大語言模型平時處理的是單詞的前後順序，而 Delphi-2M 處理的是疾病出現的順序。

德國癌症研究中心的 AI 專家 Moritz Gerstung 打了個比方：理解一系列醫療診斷，其實就像學習一段文字裡的語法規則。

這套系統會去學習醫療資料裡的深層規律，看前一次診斷是什麼、哪些毛病經常結伴出現、發病先後順序怎樣。摸清這些模式後，它就能給出很有參考價值的健康預測。

在演示中，模型能找出那些心臟病風險遠高於或遠低於常規預測的人。即使按年齡和常規指標看一切正常，AI 也能看出潛在的危險。

研究團隊先用英國生物樣本庫中大約 50 萬人的資料訓練了模型，隨後又用丹麥公共衛生資料庫裡近 200 萬人的記錄做了驗證。

一口氣看一千種病，但別急著去醫院試

現在的醫院其實已經在使用風險預測軟體，比如英國全科醫生常用的 QRISK3，用來估算心臟病或中風風險。

但論文合著者 Ewan Birney 指出，傳統工具通常一次只能算一種病，而 Delphi-2M 能在很長的時間跨度裡，一口氣評估 1,000 多種疾病。

歐洲分子生物學實驗室的合著者 Tom Fitzgerald 認為，往大里說，這種工具未來能幫緊繃的醫療系統更合理地分配資源。

不過，研究團隊明確表示，這項技術離真正進診室還早得很，目前絕不能直接用於臨床。

英國工程技術學會會士 Peter Bannister 就潑了點冷水。他提醒大家，研究團隊自己也承認，英國和丹麥的資料集在年齡、族裔和現有醫療結果上都有偏差，距離改善實際醫療還有很長的路要走。

倫敦國王學院醫學 AI 專家 Gustavo Sudre 則持樂觀態度，他認為這項研究展示了可解釋、可擴充套件且符合倫理的預測模型路徑。畢竟很多大模型至今是個黑盒，連開發者自己都說不清內部機制。

為什麼重要

我們認為，這項研究最聰明的地方，在於徹底換了一種思路看病歷。過去做醫療預測，大家習慣針對單一病種單點建模；而把它變成類似語言的序列問題後，AI 就能端到端地捕捉多種慢病之間的蝴蝶效應。

對普通人來說，它現在還不是一個能幫你防病的工具，短期內也不值得去滿世界找介面測試。醫療容錯率極低，AI 算出來的機率如果不能精準對應個體干預方案，反而容易製造健康焦慮。

對行業而言，它會逼著傳統醫療資訊化軟體換代。如果未來只要輸入電子病歷就能跑出全譜系健康雷達，那些只能算單一心血管指標的單點外掛就會顯得非常笨重。

但隱患同樣擺在明面上。由於訓練資料幾乎全來自英國和丹麥的歐洲人群，它對其他族裔、其他醫療環境下的預測到底準不準，現在完全要打個問號。跨人群的泛化和可解釋性，看起來依然是它進入臨床前必須邁過去的一道硬坎。