许多人一生中会罹患不止一种疾病，但预测不同疾病之间的相互影响依然困难。 在医疗决策领域，精准预测患者未来健康走向一直是核心需求。人工智能（AI）模型可借助患者记录中的海量数据，帮助识别疾病的进展模式。然而， 它们的潜力尚未被充分挖掘，尤其是在大规模人群层面。 日前，德国海德堡德国癌症研究中心 DKFZ 肿瘤学 AI 分部等联合团队在 Nature 期刊上发布了一篇论文，提出了一项突破性的研究成果：Delphi-2M 模 型。模型基于生成式预训练 Transformer（GPT）技术，通过分析个人病历和生活方式，对 1000 多种疾病提供长达 20 年的潜在疾病风险评估，并生成保 护隐私的合成数据，为个性化医疗和长期健康规划开辟了全新路径。 过去，AI 方法虽能从医疗记录中学习和预测疾病进展，但受限于模型架构，难以实现对多疾病、长周期、大规模的精准预测。随着人口老龄化加剧，疾 病预测的重要性愈发凸显。在此背景下，可以精准模拟多疾病进展的 AI 模型，将成为医疗规划与资源分配的关键工具。 为了模拟疾病历史数据，研究团队对 GPT-2 架构进行了"魔改"。Transformer 模型通过将输入映射到嵌入空间，逐步聚 ...