admin 
许多人一生都患有多种疾病，但是预测不同疾病之间的相互影响仍然很困难。在医疗决策领域，对患者未来健康的确切预测一直是核心要求。人工智能模型（AI）可以使用大量数据中的大量数据来帮助鉴定疾病进展的模式。但是，这些可能性尚未被完全使用，尤其是在较大的人口水平上。最近，一个联合团队，包括德国海德堡德国癌症研究中心的DKFZ肿瘤学分支机构，在《自然》杂志上发表了一篇文章，并提出了创新研究的结果：Delphi-2m模型。基于在世代前的延伸前变压器（GPT）的技术，该模型为1000多种疾病提供了潜在的评估风险，生成了受隐私保护的合成数据，开放了新的个性化治疗这条路线和长期健康计划，提供20多年疾病风险的潜在风险评估，并通过通过个人的医疗，个人病历，个人医疗记录为1000多种疾病提供潜在的疾病风险疾病，从而对可能的风险评估进行了可能的评估。超过20年的疾病，通过个人病历，个人记录和生活为1,000多种疾病提供潜在的风险风险评估。纸质链接：https：//www.nature.com/articles/s41586-025-09529-3魔术修改GPT-2，AI预测未来20年的个人健康。过去，AI的方法已经能够通过模型的结构学习和预测疾病从医疗记录中的发展，但是在长期和大范围内实现多种疾病的精确预测是困难的。随着人口的年龄加剧，预测的重要性轻松变得越来越明显。在这种情况下，可以精确模拟多种疾病进展的AI模型是健康计划和资源分配的重要工具。为了模拟有关疾病的历史数据，研究人员对GPT-2体系结构做出了“神奇的改变”。传输逐渐添加信息，以通过映射集成空间中的条目来实现自动回归预测。他们用正弦和余弦函数编码连续的年龄，并在输出标头中添加另一个模块，以通过指数潜伏模型预测下一个模块。该体系结构允许用户通过提供多个健康轨迹来计算每日疾病的速率和死亡率的增加，并根据等待的速度显示与随后的令牌相应的时间。逐渐完成全健康轨迹的取样。图| Delphi-200M型号体系结构Delphi-2m的培训和验证基于两个高质量数据集，BO内部和外部，以确保模型的概括和可靠性。培训数据主要是英国BIOS图书馆示例中的40万参与者，涵盖ICD-10诊断法规，性别，体重指数（BMI），吸烟习惯/饮酒和死亡信息。内部验证数据：使用英国BIOS库示例中的其余参与者中有20％（约102,000）用于优化模型的超参数。在2020年7月1日，仍有471,000名仍在的活着的参与者进行了选择，并进行了跟踪，直到2022年7月1日，确认了该模型的垂直预测能力。外部验证数据：1978年至2018年，丹麦丹麦疾病注册系统的193万个国家数据。请注意，当应用于丹麦数据时，该模型是直接重新使用英国数据中数据的培训权重，测试人口和健康系统之间的适用性，而无需调整参数参数参数参数。卢比。传统的临床风险模型通常专注于专业化，例如用于心血管疾病的QRisk3和UKBDR风险评估以预测痴呆症。大多数模型只能涵盖数十种疾病。 Delphi-200万人几乎达到了“完整的光谱覆盖范围”。它可以同时预测1,256例死亡疾病，并具有出色的精度。 Delphi-20m模型模拟了几种疾病的偶然性。从内部验证绩效的角度来看，英国BIOS数据库示例的数据表明，大多数疾病的平均年龄层AUC（表明在特征工作曲线下具有很高的面积和强预测能力）达到0.76，而97％的AUC在0.5以上，表明有某些预测值。其中，对AUC死亡风险的预测是最高的，男女达到0.97，接近完美的预测。与临床工具相比，研究人员使用模型来防止CARDISESCULAR和痴呆症疾病。通过预测死亡的风险，AUC优于常用指标，例如查尔森的合并症指数和Elixhauser合并症指数。糖尿病预测中的HBA1C临床黄金标准略有下降。这提醒研究人员，可以通过整合未来的生物标志物来实现更大的优化。 Delphi-200M在人群泛化能力中的性能也更好。当应用于丹麦数据时，Delphi-200万的平均AUC略低于英国数据的AUC，但是疾病预测的结果与丹麦人群的真实发生率模式高度相关，这表明在不同的医疗保健系统中的适用性广泛。与传统模型可以预测1到5年的数字发生率的传统模型不同，Delphi-200M的“一般”性质允许模拟个人健康路径直到未来20年。研究人员以6为例从BIOS库中的0 -year -old参与者基于60岁之前的病史数据，并根据实际遵循结果的结果得出以下结论。 Delphi-200M的70至75岁之间疾病的发生率与实际观察结果非常一致，熵丢失的损失没有显着差异，该熵丢失衡量了预测的分布和实际数据之间的差异。如果参与者的先前病史被随机破坏，则模拟结果的精度大大降低，这表明Delphi-200M确实捕获了病史与未来疾病之间的关联。其次，个人风险是明确区分的。对于诸如胰腺癌之类的疾病，该模型可以区分“高风险”和“低风险”个体。像以前的消化障碍的人一样，胰腺取消症的风险也很重要。风险哮喘和骨关节炎等疾病的预测仍然取决于年龄趋势，但人们也可以识别出平均群体风险。此外，实验表明长期预测仍然有效。随着预测时间的增加，模型的精度逐渐降低，但比仅基于年龄和性别的预测要好，这证明了其长期预测。该大学生物医学科学教授的Anglia Ruskinjustin Stebbing评论：Gustavo Sudre，基因组神经兴趣和人工智能教授和伦敦国王学院的人工智能教授。合成数据集的能力显示了模型的鲁棒性，即隐私法术的好处饮食和计划医疗服务的可能性。 “在申请过程中，研究团队还必须指出文档的局限性并仔细处理它的局限性。例如，Delphi-2m在培训培训中有偏见。在临床场景中尚未对其进行培训。它在临床场景中尚未进行过测试。风险“长期轨迹”，“对真实数据”的依赖对“隐私保护的兼容性”。它的基本价值不仅是其强大的预测分析，而且是其为隐私规模提供框架的能力。以前的疾病会影响未来的风险。当然，该模型是医疗决策助理而不是替代方案，应根据医生的期望经历以全面的方式来判断其预测结果D患者。将来，随着培训数据的多元化和验证方案的诊所的多元化，预计IA模型将真正整合到医疗过程中，为所有人提供个性化的健康管理解决方案，并真正促进了概念的精确医学。汇编：如果小纽需要压制或发送物品，请直接将消息留给官方帐户。
特殊声明：以前的内容（包括照片和视频（如果有），如果有的话），已由NetEase Auto-Media平台的用户发表。该平台仅提供信息存储服务。
注意：以前的内容（如果您有照片或视频）将由社交媒体平台NetEase Hao的用户收取和发布，仅提供信息存储服务。