Een internationaal onderzoeksteam heeft Delphi-2M ontwikkeld, een geavanceerd AI-model dat mensen kan helpen te voorspellen welke ziektes ze mogelijk in de toekomst zullen krijgen — tot wel twintig jaar vooruit. De tool is gebaseerd op levensgeschiedenissen, medische dossiers en levensstijlgegevens, en zou het begin kunnen betekenen van een nieuwe fase in preventieve gezondheidszorg.
Hoe werkt Delphi-2M?
Delphi-2M is gebouwd op een transformer-architectuur; hetzelfde soort technologie dat ook ten grondslag ligt aan populaire taalmodellen als ChatGPT.
Belangrijke inputfactoren zijn onder meer:
- historisch medisch dossier met diagnoses (geanonimiseerd)
- demografische gegevens zoals leeftijd en geslacht
- levensstijlfactoren zoals roken, alcoholgebruik, lichaamsgewicht (BMI)
|
Learning the natural history of human disease with generative transformers - NatureDecision-making in healthcare relies on understanding patients’ past and current health states to predict and, ultimately, change their future course |
Het model werd getraind op data van zo’n 400.000 deelnemers van de UK Biobank, en gevalideerd op bijna 2 miljoen gegevens uit Deense nationale patiëntendossiers.
Wat kan het voorspellen?
- Aantal ziekten: Meer dan 1.000 verschillende aandoeningen tegelijk.
- Tijdsperiode: Voorspellingen reiken tot ongeveer 10-20 jaar in de toekomst.
- Nauwkeurigheid: Voor korte termijn voorspellingen is de nauwkeurigheid (AUC) rond de 0,76; voor langere termijnen daalt deze iets maar blijft significant boven wat veel bestaande tools halen.
New AI System Predicts Risk of 1,000 Diseases Years in Advance - DecryptDelphi-2M reads your medical history like a language model reads text—and forecasts health problems 20 years out with surprising accuracy. |
Voordelen en potentiële impact
- Holistische benadering: In plaats van steeds aparte modellen per ziekte, biedt Delphi-2M inzicht in het risico op een groot scala aan ziektes tegelijk.
- Preventie: Artsen en gezondheidszorgsystemen zouden dit kunnen gebruiken om vroege interventies en screeningsprogramma’s doelgerichter in te zetten.
- Bevolkingsniveau: Niet alleen individuen, maar ook beleidsmakers kunnen baat hebben bij voorspellingen van ziektelast op grotere schaal.
New AI tool can predict a person’s risk of more than 1,000 diseases, say expertsDelphi-2M uses diagnoses, ‘medical events’ and lifestyle factors to create forecasts for next decade and beyond |
Grenzen, ethische en technische zorgen
- Bias in data: De datasets zijn niet perfect representatief; ze bevatten bijvoorbeeld overproportioneel veel westerse populaties, bepaalde leeftijden, en deelnemers met betere gezondheid en meer middelen.
- Onzekerheid vs zekerheid: Het model geeft kansberekeningen, geen garanties. Voor sommige ziekten is voorspelling betrouwbaarder dan voor andere.
- Privacy en gebruik: Geanonimiseerde data zijn gebruikt, maar bij implementatie op klinisch niveau moeten regels en ethische kaders duidelijk zijn, met name om misbruik door verzekeraars of andere derden te voorkomen.
- Nog niet klinisch gereed: Delphi-2M is voorlopig een onderzoeksinstrument; er zijn meer tests nodig voordat het ingebed kan worden in de patiëntenzorg.
|
Scientists Train AI to Forecast Over 1,000 Diseases, Years in AdvanceScientists said Wednesday that they had created an AI model able to predict medical diagnoses years in advance, building on the same technology behind consumer chatbots like ChatGPT. |
Delphi-2M belooft een nieuwe stap te zijn in hoe we denken over ziektepreventie en gepersonaliseerde gezondheidszorg. Door ziektes ruim van tevoren in kaart te brengen, zou het mensen en systemen meer tijd geven om in te grijpen. Maar er is tegelijk zorg over representativiteit, privacy, en hoe betrouwbaar voorspellingen zijn over lange periodes. Het blijft voorlopig een veelbelovend instrument dat verder onderzocht moet worden vóór grootschalige toepassing.
