دانشمندان یک ابزار هوش مصنوعی مولد جدید به نام «Delphi-2M» توسعه داده‌اند که می‌تواند دقیقی بالا، ریسک ابتلای افراد به بیش از هزار بیماری مختلف را در بیست سال آینده پیش‌بینی کند.
براساس ریپورت گاردین، هوش مصنوعی جدید Delphi-2M تاریخچه پزشکی یک فرد را مانند یک مدل زبانی بزرگ که متن را می‌خواند، پردازش می‌کند. Delphi-2M هر تشخیص پزشکی، هر رویداد مهم سلامتی و حتی فاکتورهای سبک زندگی مانند سیگارکشیدن یا چاقی را به عنوان یک «کلمه» یا «توکن» در یک جمله طولانی در نظر می‌گیرد.
این هوش مصنوعی با یادگیری الگوهای موجود در سوابق پزشکی میلیون‌ها نفر، یاد می‌گیرد که کد برنامهام «کلمات» (بیماری‌ها) به‌طور معمول پس از کلمات دیگر ظاهر می‌شوند و حتی می‌تواند زمان تقریبی وقوع آن‌ها را نیز پیش‌بینی کند. این مدل که براساس معماری اصلاح‌شده GPT-2 ساخته شده، توانسته است با آموزش بر روی داده‌های ۴۰۰ هزار نفر در بریتانیا و سپس آزمایش بر روی ۱.۹ میلیون نفر در دانمارک، توانایی خود را به اثبات برساند.
هوش مصنوعی Delphi-2M برای پیش‌بینی بیماری
نتایج نشان می‌دهد که Delphi-2M در پیش‌بینی‌های سلامت کوتاه‌مدت به دقت ۷۶ درصد دست یافته و این دقت حتی برای پیش‌بینی‌های یک دهه آینده نیز در سطح ۷۰ درصد باقی می‌ماند. این دقت عمل در حالی ثبت‌شده که به‌طور همزمان تمام طیف بیماری‌های انسانی را ارزیابی می‌کند؛ مزیتی که آن را از ابزارهای فعلی مانند «QRisk» که فقط یک بیماری خاص (مانند سکته قلبی) را پیش‌بینی می‌کنند، متمایز می‌سازد.
با وجود عملکرد چشمگیر، این ابزار با محدودیت‌هایی نیز مواجه است. برای مثال دقت پیش‌بینی‌ها برای افق زمانی ۲۰ ساله به حدود ۶۰ تا ۷۰ درصد کاهش می‌یابد، زیرا عوامل زیادی در طول دو دهه می‌توانند شرایط را تغییر دهند. نیز داده‌های مورد استفاده برای آموزش مدل عمدتاً از افراد سفیدپوست، تحصیل‌کرده و نسبتاً سالم در بریتانیا جمع‌آوری شده است. این موضوع باعث ایجاد سوگیری می‌شود و برای استفاده در جمعیت‌های متنوع‌تر، مدل نیازمند اعتبارسنجی با داده‌های گسترده‌تر است.
بااین‌حال بیماران ممکن است طی چند سال آینده از مزایای این ابزار بهره‌مند شوند. محققان آینده‌ای را تصور می‌کنند که در آن پزشک می‌تواند به بیمار بگوید: «این‌ها چهار ریسک اصلی سلامتی شما در آینده هستند و این دو کار را می‌توانید برای تغییر شرایط انجام دهید.»
در‌حال‌حاضر، Delphi-2M یک ابزار تحقیقاتی است و به صورت عمومی در دسترس نیست. یافته‌های این پژوهش در ژورنال نیچر منتشر شده است.
