AI przewiduje problemy zdrowotne nawet dwie dekady przed diagnozą

|||Z ostatniej chwili

W przyrodzie kolor wściekle żółty bywa stosowany ku przestrodze (patrz: liściołaz żółty) czy jako kamuflaż (patrz: modliszka storczykowa). W Pulsarze natomiast – to sygnał końca embarga, które prestiżowe czasopisma naukowe nakładają na publikowane przez badaczy artykuły. Tekst z żółtym oznaczeniem dotyczy więc doniesienia, które zostało upublicznione dosłownie przed chwilą.

Grupa naukowców z m.in. Europejskiego Laboratorium Biologii Molekularnej (EMBL), Niemieckiego Centrum Badań nad Rakiem (DKFZ) i University of Copenhagen, opracowała nowy model sztucznej inteligencji. Jego architektura algorytmiczna jest podobnej do tej, która jest podstawą dużych modeli językowych, takich jak GPT. Z tym że zamiast uczyć się struktury zdań z tekstów, AI odkrywa „gramatykę” danych medycznych, traktując historię choroby jako sekwencję następujących po sobie zdarzeń. Są nimi nie tylko dotychczasowe diagnozy, lecz także czynniki związane ze stylem życia, np. palenie papierosów czy wskaźnik masy ciała (BMI). Analizując ich kolejność i odstępy czasowe między nimi, model jest w stanie prognozować przyszłe ryzyko różnych chorób.

Algorytm wytrenowano na zanonimizowanych danych medycznych 400 tys. uczestników brytyjskiego projektu UK Biobank. Następnie jego skuteczność przetestowano i potwierdzono z wykorzystaniem informacji o 1,9 mln osób z duńskiego Krajowego Rejestru Pacjentów. Okazało się, że model osiągnął dobrą zdolność prognostyczną – ze średnią wartością wskaźnika AUC (Area Under the Curve) na poziomie ok. 0,76. Oznacza to, że potrafił dość skutecznie odróżnić osoby o wyższym i niższym ryzyku zachorowania – znacznie lepiej niż w przypadku typowania losowego.

Delphi-2M szczególnie dobrze radził sobie z prognozowaniem chorób o wyraźnych i spójnych wzorcach rozwoju – jak niektóre rodzaje nowotworów, zawały serca czy sepsa. Ogólnie szacował ryzyko wystąpienia ponad tysiąca różnych schorzeń, a jego prognozy sięgały nawet 20 lat w przyszłość. Dla porównania, dotychczasowe modele oceny ryzyka koncentrowały się zazwyczaj na chorobach pojedynczych.

Podobnie jak prognozy pogody, model przedstawia jednak tylko prawdopodobieństwa, a nie pewniki. Jego przewidywania są bardziej trafne, im krócej wybiegają w przyszłość. Autorzy badania, którego rezultaty opublikowało „Nature”, podkreślają też, że Delphi-2M nie jest jeszcze gotowy do użycia klinicznego. Jednym z jego głównych ograniczeń są luki i błędy w danych treningowych. Ponadto pochodzą one w większości od osób mających 40–60 lat, dlatego schorzenia wieku dziecięcego i młodzieńczego są niedostatecznie reprezentowane. Brakuje też niektórych grup etnicznych. Co więcej, uczestnicy projektu UK Biobank są statystycznie zdrowsi i zamożniejsi niż ogólna populacja, co również może wpływać na przewidywania modelu.

Mimo to, narzędzie już teraz może pomóc naukowcom w lepszym zrozumieniu rozwoju chorób i planowaniu strategii profilaktycznych.

Dziękujemy, że jesteś z nami. To jest pierwsza wzmianka na ten temat. Pulsar dostarcza najciekawsze informacje naukowe i przybliża najnowsze badania naukowe. Jeśli korzystasz z publikowanych przez Pulsar materiałów, prosimy o powołanie się na nasz portal. Źródło: www.projektpulsar.pl.