Europejscy naukowcy stworzyli model sztucznej inteligencji Delphi-2M, który przewiduje ryzyko ponad 1000 chorób – w tym raka i zawału serca – z ponad dziesięcioletnim wyprzedzeniem.
Kiedy lekarz wiedział tylko o przeszłości, AI widzi przyszłość
Tradycyjna medycyna reaguje na chorobę po jej wystąpieniu. Lekarz analizuje objawy, zleca badania, stawia diagnozę. Tymczasem model AI przewidywanie chorób Delphi-2M odwraca tę logikę całkowicie. System stworzony przez naukowców z Europejskiego Laboratorium Biologii Molekularnej (EMBL), Niemieckiego Centrum Badań nad Rakiem (DKFZ) i Uniwersytetu Kopenhaskiego, analizuje historię medyczną pacjenta jak sekwencję zdarzeń. Działa podobnie do dużych modeli językowych – zamiast tokenów językowych przetwarza „tokeny zdrowotne”: diagnozy, badania, styl życia, wiek, płeć i czynniki środowiskowe. Wyniki opublikowane w prestiżowym czasopiśmie „Nature” pokazują, że system potrafi prognozować przyszłe schorzenia z ponad dziesięcioletnim wyprzedzeniem – a w niektórych przypadkach nawet z wyprzedzeniem dwudziestoletnim. To nie jest science fiction. To wynik badań opierających się na danych setek tysięcy prawdziwych pacjentów.
Jak działa Delphi-2M i co potrafi przewidzieć?
Model Delphi-2M uczył się na danych z UK Biobank – jednej z największych baz danych medycznych na świecie, zawierającej informacje genetyczne i zdrowotne ponad 500 000 ochotników z Wielkiej Brytanii. System analizuje sekwencje zdarzeń medycznych podobnie, jak ChatGPT analizuje zdania – szuka ukrytych wzorców, które zapowiadają przyszłe schorzenia. Efekt jest imponujący: Delphi-2M radzi sobie najlepiej z prognozowaniem chorób układu krążenia, nowotworów i chorób metabolicznych. Tomas Fitzgerald z EMBL powiedział wprost: „Model jest bardzo dobry w ustalaniu osób, które mają wysokie ryzyko choroby w ciągu najbliższego roku i mogłyby skorzystać z wcześniejszej wizyty u lekarza specjalisty.” Słabsze wyniki AI osiąga przy zaburzeniach psychicznych, chorobach zakaźnych i powikłaniach ciąży – co naukowcy tłumaczą większą złożonością tych schorzeń i trudniejszymi do uchwycenia wzorcami danych. Model nie jest jeszcze gotowy do rutynowego użytku klinicznego, ale badacze postrzegają go jako potężne narzędzie do badań populacyjnych i planowania polityki zdrowotnej.
Eksperci: wielki krok w stronę medycyny prewencyjnej
Reakcja środowiska naukowego była jednoznaczna. „To wielki krok w kierunku bardziej spersonalizowanej i profilaktycznej opieki zdrowotnej” – stwierdził Ewan Birney, tymczasowy dyrektor wykonawczy EMBL. Eksperci podkreślają, że potencjał Delphi-2M wykracza daleko poza indywidualne prognozy zdrowotne. System może pomóc rządom i systemom opieki zdrowotnej lepiej planować zasoby – ile onkologów będzie potrzebnych za pięć lat, gdzie warto inwestować w profilaktykę, które grupy społeczne są najbardziej zagrożone. Zgodnie z danymi Światowej Organizacji Zdrowia (WHO), ponad 70% wszystkich zgonów na świecie powodują choroby przewlekłe, z których większość można spowolnić lub całkowicie zapobiec wczesną interwencją. Narzędzie takie jak Delphi-2M mogłoby stać się czymś w rodzaju „finansowego stress-testu” dla zdrowia publicznego – pozwalając przewidywać epidemie chorób cywilizacyjnych zanim się rozpędzą. Moritz Gerstung, kierownik Działu Sztucznej Inteligencji w Onkologii w DKFZ, dodaje: „Ucząc się na dużych populacjach, modele te oferują dogłębny wgląd w rozwój chorób i mogą w przyszłości wspierać wcześniejsze, bardziej dopasowane interwencje.”
Co Delphi-2M oznacza dla pacjentów w Polsce?
Dla przeciętnego Polaka znaczenie tego odkrycia staje się jasne w konfrontacji z rzeczywistością polskiej służby zdrowia. Kolejki do onkologa trwają miesiącami, a nowotwory zbyt często wykrywane są w zaawansowanym stadium. Gdyby model AI był dostępny jako narzędzie kliniczne, lekarz rodzinny mógłby wytyczyć dla pacjenta osobisty „harmonogram profilaktyki” – szczegółowy plan badań na następne dziesięć lat, dostosowany do indywidualnego profilu ryzyka. Polskie Ministerstwo Zdrowia coraz mocniej stawia na cyfryzację dokumentacji medycznej w ramach systemu e-Zdrowie i Internetowego Konta Pacjenta (IKP). Dane zgromadzone w IKP mogłyby w przyszłości stać się podstawą dla lokalnych wariantów modelu Delphi-2M, trenowanych na polskiej populacji. Co więcej, w kontekście wdrożenia przepisów AI Act w ochronie zdrowia (od sierpnia 2026 roku w UE), narzędzia oparte na prognozowaniu zdrowia będą musiały spełniać rygorystyczne normy przejrzystości i bezpieczeństwa. Dla polskich pacjentów to zarówno szansa na wcześniejsze wykrycie chorób, jak i wyzwanie regulacyjne dla systemu ochrony zdrowia. Sprawdź też, jak szwedzki algorytm AI zmienia oblicze mammografii i w jaki sposób AI wspiera walkę z rakiem trzustki w 2026 roku.
Podsumowanie
- Model Delphi-2M opracowany przez EMBL, DKFZ i Uniwersytet Kopenhaski przewiduje ponad 1000 chorób z ponad 10-letnim wyprzedzeniem – wyniki opublikował „Nature”.
- System działa jak model językowy, ale zamiast tekstu analizuje historię medyczną, styl życia i diagnozy pacjenta.
- Najlepsze wyniki osiąga w prognozowaniu chorób serca i nowotworów; słabiej radzi sobie z zaburzeniami psychicznymi i chorobami zakaźnymi.
- Dla pacjentów w Polsce oznacza to potencjalną rewolucję w profilaktyce – pod warunkiem, że dane z systemu e-Zdrowie zostaną odpowiednio zabezpieczone i wykorzystane.
📌 Źródła
- Euronews Health – Nowy model AI wskazuje ryzyko raka i zawału 10 lat przed diagnozą
- TVN24 – Na co zachorujesz za 10 lub 20 lat? AI już potrafi to przewidzieć
- WP Tech – Sztuczna inteligencja wykryje chorobę 10 lat wcześniej
- RMF Zdrowie – Sztuczna inteligencja przewidzi, kiedy i na co zachorujesz
