研究显示人工智能新工具可用于预测长期疾病风险

2025年9月17日，国际顶尖学术期刊《Nature》发表了一项突破性研究，德国癌症研究中心（DKFZ）、欧洲分子生物学实验室欧洲生物信息学研究所（EMBL-EBI）和哥本哈根大学的联合研究团队开发出名为Delphi-2M的AI大模型，能够预测一个人在未来20年内患上1258种疾病的概率。[1][2]

该模型的创新之处在于，它能够一次性模拟和预测多种疾病的风险，而不再局限于传统工具仅能预测的极少数疾病。研究团队表示，Delphi-2M通过分析个人的医疗历史、生活方式因素和其他健康状况，构建了个体健康演变的完整图谱，为医疗决策提供了前所未有的数据支持。[1][3]

Delphi-2M的开发灵感源自大型语言模型（LLM），特别是像GPT-5这样能够生成流畅文本的模型。研究人员采用类似原理，但将训练数据从文本转向了人类健康数据，使模型能够识别疾病发展的时间顺序和相互关联。[1][2]

该模型的训练基于英国约40万人的详细健康记录，随后在丹麦近200万人的大规模数据集上进行了验证测试。[2][3]

值得注意的是，研究团队采用了生成式变换器（generative transformers）技术，使模型不仅能预测特定疾病的发生时间，还能识别这些疾病与患者记录中其他事件（如生活方式因素和其他健康状况）的关联关系。[4][5]

Delphi-2M展现出广泛的临床应用潜力：

• 能够帮助医生和健康规划者更好地理解和应对个性化健康需求，为个体提供量身定制的预防措施[1][2]。
• 通过识别高疾病风险人群，指导筛查计划的有效实施，提高医疗资源的分配效率[3][1]。
• 模拟未来长达20年的健康变化路径，为医疗系统提供长期规划依据[2][1]。
• 生成合成健康数据，在保护患者隐私的同时，可用于训练其他AI模型，进一步推动医疗AI发展[1][3]。

研究团队特别指出，该模型对阿尔茨海默病、癌症和心脏病等高发慢性病的预测尤其有价值，这些疾病每年影响全球数百万人，若能提前预警，将极大改善患者预后和生活质量。[4][5]

尽管Delphi-2M展现出令人瞩目的能力，但研究团队也明确指出了其局限性：该模型会反映训练数据中的偏见，其预测在经过更广泛验证之前，不应直接用于临床医疗决策。[1][2]

研究共同通讯作者、德国癌症中心的Moritz Gerstung强调，目前这款AI模型尚未准备好在医院直接部署，但未来版本可能会整合更多类型的健康信息，包括基因组数据、环境因素和更详细的生活方式指标，进一步提升预测精度。[1][3]

研究团队预计，随着技术的完善和数据的丰富，Delphi-2M及相关技术将逐步从研究工具转化为临床辅助决策系统，最终帮助医生为每位患者提供真正个性化的预防和治疗方案，实现’预测性医疗’的愿景。[4][5]