Znanstvenici su razvili revolucionarni alat umjetne inteligencije nazvan Delphi-2M koji može predvidjeti rizik od više od 1000 bolesti, ponekad i desetljećima unaprijed. Ovaj generativni model, temeljen na tehnologiji sličnoj ChatGPT-u, analizira medicinsku povijest i životne navike kako bi stvorio detaljne prognoze budućeg zdravstvenog stanja.
Tim stručnjaka iz Europskog laboratorija za molekularnu biologiju (EMBL), Njemačkog centra za istraživanje raka (DKFZ) i Sveučilišta u Kopenhagenu predstavio je Delphi-2M, generativni transformatorski model koji bi mogao iz temelja promijeniti preventivnu medicinu. Njihovo istraživanje, objavljeno u prestižnom časopisu Nature, predstavlja jednu od najopsežnijih demonstracija kako umjetna inteligencija može modelirati napredovanje ljudskih bolesti na masovnoj skali. Za razliku od postojećih alata koji se obično fokusiraju na rizik od jedne bolesti, Delphi-2M istovremeno procjenjuje vjerojatnost za više od tisuću različitih stanja, od karcinoma i dijabetesa do kardiovaskularnih i respiratornih bolesti.
– Medicinski događaji često slijede predvidljive obrasce. Naš AI model uči te obrasce i može prognozirati buduće zdravstvene ishode – objasnio je Tomas Fitzgerald, znanstvenik s EMBL-ovog Europskog bioinformatičkog instituta.
Izvanredni rezultati
Za razliku od postojećih alata koji se obično fokusiraju na rizik od jedne bolesti, Delphi-2M istovremeno procjenjuje vjerojatnost za više od tisuću različitih stanja, od karcinoma i dijabetesa do kardiovaskularnih i respiratornih bolesti.
Tehnički, Delphi-2M prilagođava arhitekturu GPT modela, koja pokreće popularne chatbotove, za analizu medicinskih podataka. Umjesto da obrađuje riječi u rečenici, model analizira “medicinske događaje” poredane na vremenskoj crti života pojedinca. Ulazni podaci uključuju cjelokupnu medicinsku povijest osobe u obliku dijagnoza prema ICD-10 klasifikaciji, zabilježenih s dobi u kojoj su se prvi put pojavile. Tome se dodaju osnovni demografski i životni čimbenici poput spola, indeksa tjelesne mase (BMI), pušačkog statusa i konzumacije alkohola. Ključna inovacija modela jest što ne predviđa samo koja bi se bolest mogla pojaviti sljedeća, već i kada bi se to moglo dogoditi. Sustav izračunava dnevne stope rizika za svako od preko 1000 stanja, a predviđanja se automatski ažuriraju svakim unosom novih informacija o pacijentu.
Ključna inovacija modela jest što ne predviđa samo koja bi se bolest mogla pojaviti sljedeća, već i kada bi se to moglo dogoditi. Sustav izračunava dnevne stope rizika za svako od preko 1000 stanja, a predviđanja se automatski ažuriraju svakim unosom novih informacija o pacijentu.
Kako bi dokazali njegovu učinkovitost, istraživači su model prvo trenirali na anonimiziranim podacima oko 400.000 sudionika iz britanske Biobanke. Nakon toga, bez dodatnog prilagođavanja, testirali su ga na potpuno odvojenom i znatno većem skupu podataka – zdravstvenim kartonima 1,93 milijuna ljudi iz danskog nacionalnog registra pacijenata. Rezultati su bili izvanredni. Delphi-2M je pokazao točnost koja je jednaka ili čak nadmašuje postojeće, specijalizirane modele za predviđanje rizika od pojedinačnih bolesti. Posebno se istaknuo u predviđanju kratkoročne smrtnosti s gotovo nevjerojatnom preciznošću. Činjenica da je model zadržao visoku razinu točnosti i na danskim podacima sugerira da je pristup skalabilan i primjenjiv na različite zdravstvene sustave i populacije, što otvara vrata globalnoj primjeni.
Potencijal za medicinska istraživanja
Ono što Delphi-2M čini uistinu revolucionarnim jest njegova “generativna” priroda. Osim što predviđa rizike, model može stvoriti potpuno nove, sintetičke, ali iznimno realistične buduće zdravstvene vremenske crte za razdoblje do 20 godina. Ova sposobnost ima ogroman potencijal za medicinska istraživanja jer omogućuje generiranje neograničenih količina podataka za testiranje hipoteza bez ugrožavanja privatnosti pacijenata. U praksi, potencijalne primjene su goleme. U javnom zdravstvu, agregirana predviđanja mogla bi pomoći u preciznijem planiranju resursa i procjeni budućeg opterećenja zdravstvenog sustava. Za pojedinačne pacijente, kako piše Financial Times, očekuje se vremenski okvir od pet do deset godina za kliničku primjenu zbog regulatornih prepreka. Ewan Birney, privremeni izvršni direktor EMBL-a, predviđa budućnost u kojoj liječnik može reći pacijentu: “Evo četiri glavna rizika u vašoj budućnosti i dvije stvari koje možete učiniti da to promijenite.”
U javnom zdravstvu, agregirana predviđanja mogla bi pomoći u preciznijem planiranju resursa i procjeni budućeg opterećenja zdravstvenog sustava.
Ograničenja i oprezna budućnost
Unatoč impresivnim rezultatima, autori studije naglašavaju da Delphi-2M nije proročanstvo, već sofisticirani alat za procjenu vjerojatnosti. Model pruža trendove i statističke rizike, a ne medicinske izvjesnosti ili uzročno-posljedična objašnjenja. Kao i svaka umjetna inteligencija, dobar je onoliko koliko su dobri podaci na kojima je treniran, a ti podaci sadrže ljudske i sistemske pristranosti. Primjerice, podaci iz UK Biobanke pretežno uključuju zdravije i obrazovanije sudionike u dobi od 40 do 70 godina, dok su mlađe i vrlo stare dobne skupine podzastupljene. Model je također naučio pristranosti sustava; ako pacijentovi podaci ne sadrže bolničke zapise, AI će podcijeniti rizik od bolesti koje se uglavnom dijagnosticiraju u bolnicama. Zbog toga znanstvenici izričito upozoravaju da se Delphi-2M treba smatrati isključivo nadopunom, a nikako zamjenom za stručnu kliničku prosudbu. ( Ordinacija.hr )
