Изучение естественной истории заболеваний человека с генеративными трансформаторами

В быстро развивающейся области здравоохранения понимание прогрессирования заболеваний человека имеет решающее значение для эффективных стратегий лечения и профилактики. Новаторское исследование под названием «Изучение естественной истории заболевания человека с генеративными трансформаторами», опубликованное в * Nature * 17 сентября 2025 года, представляет инновационный подход к прогрессированию заболевания с использованием методов передового искусственного интеллекта (ИИ).

Введение

В исследовании представлен Delphi-2M, генеративная модель предварительно обученного трансформатора (GPT), предназначенная для прогнозирования темпов более чем 1000 заболеваний на основе истории болезни человека. Анализируя обширные наборы данных, Delphi-2M предлагает понимание траекторий заболеваний, сопутствующих заболеваний и потенциальных будущих результатов в отношении здоровья.

Методология

Сбор данных

Исследователи использовали данные из британского биобанка, охватывая медицинские записи 0,4 миллиона участников. Этот комплексный набор данных обеспечил надежную основу для обучения модели Delphi-2M.

Разработка модели

Delphi-2M был разработан путем изменения архитектуры GPT для размещения сложностей медицинских данных. Модель была обучена понять прогрессию и взаимозависимости различных заболеваний с течением времени.

Validation

Чтобы обеспечить точность и обобщение модели, Delphi-2M был подтвержден с использованием внешних данных от 1,9 миллиона датских людей. Примечательно, что эта проверка была достигнута без изменения параметров модели, демонстрируя ее надежность и адаптивность.

Ключевые выводы

прогнозы скорости заболеваний

Delphi-2M точно прогнозировал показатели более 1000 заболеваний, условных в истории прошлой болезни каждого человека. Его производительность была сопоставимой с существующими моделями с одной дизазу, подчеркивая ее эффективность в многодисменном прогнозировании.

Синтетические траектории здоровья

Генеративный характер Delphi-2M позволил выборке синтетических будущих траекторий здоровья. Эта возможность обеспечивает значимые оценки потенциального бремени заболевания в течение до 20 лет, предлагая ценную информацию о долгосрочном планировании здравоохранения.

Объяснимое понимание ИИ

В исследовании использовались объяснимые методы ИИ для интерпретации прогнозов Delphi-2M. Эти идеи выявили кластеры сопутствующих заболеваний внутри и между категориями заболеваний и их зависимых от времени последствий для будущего здоровья. Тем не менее, анализ также выявил смещения, полученные из данных обучения, подчеркивая важность качества данных в приложениях искусственного интеллекта.

последствия для здравоохранения

Персонализированная медицина

Способность Delphi-2M прогнозировать индивидуальные траектории заболеваний может информировать персонализированные планы лечения, позволяя поставщикам медицинских услуг адаптировать вмешательства на основе уникальной истории здоровья пациента и прогнозируемых будущих рисков.

Планирование общественного здравоохранения

Прогнозируя потенциальное бремя заболевания, Delphi-2M может помочь в планировании общественного здравоохранения, обеспечивая распределение ресурсов и разработку профилактических стратегий для решения возникающих проблем здравоохранения.

Подходы точной медицины

Понимание модели о временных зависимостях между заболеваниями может улучшить подходы точности медицины, что приводит к более эффективным и целенаправленным вмешательствам в области здравоохранения.

ограничения и будущие направления

смещения данных

Исследование признает, что смещения в учебных данных могут влиять на прогнозы модели. Будущие исследования должны сосредоточиться на смягчении этих предубеждений, чтобы повысить точность и справедливость модели.

Модель обобщения

В то время как Delphi-2M продемонстрировал надежность в разных наборах данных, необходима дальнейшая проверка в различных популяциях, чтобы обеспечить ее обобщение и применимость в различных условиях здравоохранения.

Заключение

Исследование «Изучение естественной истории заболеваний человека с генеративными трансформаторами» представляет собой значительный прогресс в применении ИИ к здравоохранению. Используя генеративные трансформаторы, Delphi-2M предлагает мощный инструмент для понимания и прогнозирования прогрессирования заболевания с потенциалом революционизировать персонализированную медицину и планирование общественного здравоохранения.

Для получения дополнительной информации вы можете получить доступ к полной статье здесь: