该方法有望帮助识别高疾病风险的人，指导筛查计划，支持医疗服务的长期规划。未来版本可能会包含 更多健康信息类型，并帮助改进个性化诊疗。但科学家指出，该模型会反映出训练数据中的偏见，其预 测在进一步测试之前不应被用于直接医疗决策。 （文章来源：科技日报） 大多数人一生中会不止一次生病，但预测不同疾病（如心血管疾病与癌症）如何互相影响是个难题。医 疗决策日益依赖于根据病史预测个体健康演变趋势。AI通过分析患者记录的大数据集，为识别疾病进 展模式提供了强大工具。但这些模型的全部潜力仍未得到充分发掘，尤其在人群规模上。 此次，来自德国癌症中心DKFZ的研究团队创造了一个AI模型——Delphi-2M，用于识别特定疾病相对 于患者记录中其他事件（如生活方式因素和其他健康状况）何时发生。该模型利用英国40万人的健康数 据训练，使用丹麦近200万人的数据进行了测试。他们发现，Delphi-2M基于个人医疗史，预测了超过 1000种疾病的发生率，准确性接近或好于现有工具，而现有工具大多仅能各自预测极少数疾病。该模型 还能模拟未来长达20年健康变化的可能路径，并产生合成数据，在保护隐私的同时能用于训练其他AI 模型。 《自然》杂 ...