许多人一生都遭受多种疾病，但是仍然很难预测各种疾病之间的两种影响。在医疗决策领域，准确预测患者的未来健康始终是基本要求。人工智能模型（AI）可以帮助识别患者笔记中大量数据的疾病发育模式。但是，它们的潜力尚未完全利用，尤其是在大量人群的水平上。最近，德国海德堡德国癌症研究中心的DKFZ肿瘤学AI分支机构的联合团队在《自然》杂志中发表了角色，这表明了突破研究的结果：Delphi-200万模型。该模型基于生成培训预训练变压器（GPT）技术，通过评估个人医疗和生活方式记录，并开发了综合隐私保护的数据，为1,000多种疾病提供了多达20年的潜在疼痛风险评估，并开放了新的。个性化医疗和长期健康计划的途径。纸质链接：https：//www.nature.com/articles/s41586-025-09529-3神奇的修改GPT-2，AI预测未来20年的个人健康Delphi-200万模型将预测未来的风险，并通过理解过去和当前的健康状况来预测未来的风险。过去，尽管AI方法已经从医疗记录中学到并预测了该疾病的发展，但由于模型的结构，很难对许多疾病，长期和大规模大小进行准确的预测。随着人口的加剧，疾病预测的YouValue变得更加突出。在这种情况下，可以准确模仿许多疾病的AI模型将是主要的医疗计划工具和资源分配。为了模仿疾病史上的数据，研究团队在GPT-2体系结构中创建了“魔术修改”。变压器模型逐渐结合了-inclUDES信息通过关闭嵌入式空间中的输入来实现自回旋预测。他们以电影和余弦为基础结束了下一个年龄，并向输出标头添加了另一个模块，以通过指数等待时间模型预测下一次。这种体系结构使用户可以通过提供一些健康轨迹，并根据这些速率来逐渐补充完整的健康轨迹的完成，从而计算疾病和死亡率的一天 - 至日增加。图｜ delphi-200m型号架构Delphi-200万培训和验证依赖于内外的两个高质量数据集，以确保模型的能力和可靠性。培训数据主要来自英国BioSample图书馆的40万参与者，涵盖了ICD-10领先的诊断代码，性别，体重指数（BMI），吸烟/饮酒习惯和死亡信息。内部验证数据：20％的英国剩余参与者生物样品库（约102,000人）用于优化超参数；在2020年7月1日还活着的471,000名参与者进行了调查并进行监测，直到2022年7月1日，验证了该模型预言的垂直能力。外部验证数据：丹麦国家疾病注册系统的193万个国家数据，该系统从1978 - 2018年开始。值得注意的是，该模型不会调节任何参数，并重用英国数据中的培训重量来测试其在人群和整个医疗系统中的可用性。传统的临床风险模型通常专门针对专家，例如QRISK3评估心血管疾病风险和痴呆症预测的UKBDR。大多数模型只能覆盖十二种疾病。 Delphi-200M几乎达到了“光谱的全部范围”，可以同时预测1,256种疾病和死亡风险，并且准确性很高。图｜ delphi-200m型号AC巧妙地模仿各种疾病的范围。就内部验证性能而言，在英国的生物样品数据库数据中，平均性别性 - 性别分层的大多数疾病（在该主题主题的曲线特征下的区域下，无法预测的能力越高）达到0.76，而AUC疾病中的97％超过了0.5，表明它超过了它具有一定的价值。其中，出现死亡风险风险的AUC是最高的，男女在完美的预言附近达到0.97。在比较临床工具时，研究小组发现，使用模型预测心血管和痴呆症疾病时，AUC与Qrisk3和UKBDR等经典工具相当。在预测死亡风险时，AUC比常用指标（例如查尔森合并症指数和Elixhauser合并症指数）更好。在糖尿病的预言中，这略低于临床GI标准，这也是HBA1C，这也使人提醒S研究人员可以通过在将来合并生物标志物来优化他们。 Delphi-200M在普通人群中的整个能力中也表现更好。当应用于丹麦数据时，尽管Delphi-200M的AUC平均AUC略低于英国数据，但疾病预测的结果与丹麦人口范围的实际模式高度相关，证明其在各种医疗系统下具有广泛的可用性。图｜ delphi-2m为未来健康轨迹开发建模的方法提供了模拟方法。与只能预测1 - 5年范围的传统模型不同，Delphi-2m的“一般”性质使其可以模仿它，以模仿个人在未来长达20年的健康路径。以60岁参与者的研究小组为例，以60岁的生物样品图书馆为例，并基于他们60岁之前的病史数据，他们开发了健康轨迹，并将其与实际的后续结果进行了比较以绘制以下结论：首先，人口水平很高。该疾病在70-75年历史的Delphi-200M中的范围与实际观察结果高度一致，并且跨透明拷贝丢失没有显着差异，可以衡量预测和真实分布与真实数据之间的差异；如果参与者的过去病史被随机中断，那么模拟结果的准确性将大大降低，证明Delphi-200M实际上已经获得了病史与未来疾病之间的关系。其次，个人风险显然是闪闪发光的。对于诸如胰腺癌之类的疾病，可以确定模型“高风险”和“低风险”个体。至于先前患有消化系统疾病的人，胰腺癌的风险显着增加。虽然哮喘和骨关节炎等疾病风险的风险仍然可能取决于年龄的性别趋势，但与该集团AV偏离的人还可以确定范围的风险。此外，实验表明长期预测仍然有效。随着对预言的预测需要更长的时间，模型的准确性逐渐下降，但它甚至比年龄和基于性别的预测更好，证明了不可预测的长期数量。 Anglia Ruskin大学生物医学科学教授贾斯汀·斯特宾（Justin Stebbing）评论说：“ Delphi-200M是计算医学和数据的运输之父领域的主要成功，具有GPT模型的强大能力，可以预测时间的范围和节点，以超过一千千次的疾病，超过一千多个疾病。伦敦还认为，“ Delphi-200M清楚地表明了如何将AI的含义用于不可预测的建模，这为将技术应用于临床技能奠定了基础，并表明了认识individuals with high-risk in need." In addition. The sensitivity to the privacy of medical data is always a point of AI research disease. Direct training of models that use real data may leak personal information, but anonymous processing will lose basic information. Ang kaThe generation of the generation of model data provides a new solution to this problem. The Delphi-2M can produce full fictional health trajectors, reproducing incident patterns that are specific gender of real people, and cannot lower real personal information through因此，合成数据可以用作培训其他AI医学模型的替代，这不仅可以保护隐私，而且还可以避免浪费数据资源。NT，Clear N The Research团队已经教授了对纸张的局限性，需要在申请过程中谨慎对待。例如，Delphi-200M在训练数据中具有偏见，这是由于导致英国生物样品库的“自然偏见”所致。英国生物银行的参与者以较高社会经济地位为40-70的白人主导，导致对其他人群的可靠模型预测较低。当前的模型可能无法与原因建立关系，并且只能获得“关系”，并且不能基于预测的结果直接制定干预计划。此外，Delphi-200M仅通过数据拟合证明，尚未进行前瞻性临床试验，并且在实际临床情况下尚未进行测试。英国工程技术学会同胞彼得·班尼斯特（Peter Bannister）还说：“这两个数据集在年龄，品种和当前的医疗成果方面有偏见，而且在改善医疗保健之前，还有很长的路要走。”Delphi-200M发布标志着医学预言领域的唯一AI，从“短期风险”到“长期轨迹”，从“依赖实际数据”到“隐私保护兼容性”。它的基本价值不仅是其强大的可预测能力，而且还在为药物准确性提供含义和测量框架。通过检查形状，该模型可以清楚地显示“以前的疾病如何影响未来的风险”。可以通过合并基因组数据，代谢组学的更丰富信息，成像诊断数据或设备所穿的数据来进一步改善其预测。 Tungkol sa hinaharap ng delphi-2m，sinabi ni提出了sudre na kahit na an an an ang kasalukuyang bersyon ay umaasa umaasa umaasa lamang lamang sa mga sa mga hindi nagpapakilalang mga tala sa klinikal MAS MASAMANG MGA URI DATA TULAD NG生物标志物，Kahit NA基因组学成像。Aharap，Ang平台NG Delphi Ay Inaasahan Na Bumuo Sa Isang tunay na多模式医学工具当然，该模型是一个医疗决定，而不是替代品，并且必须根据患者的医生和偏好的经验来完成预测的结果.provide所有健康管理解决方案的经验，并真正启动了精确的药物，并从概念上宣传了概念。累积：如果小约必须打印或提交文章，请直接向官方帐户留言
特别声明：上面的内容（包括照片或视频（如果有））已由“ NetEase”自助媒体平台的用户上传和发布。该平台仅提供信息存储服务。
注意：上面的内容（包括照片和视频（如果有））已由NetEase Hao用户上传和发布，该用户是社交媒体平台，仅提供信息存储服务。
