Penyelidik telah memperkenalkan model AI perintis yang mampu meramalkan risiko penyakit beberapa dekad lebih awal dengan menganalisis rekod kesihatan berskala besar. Inovasi ini boleh merevolusikan penjagaan kesihatan dengan membolehkan intervensi lebih awal dan pelan rawatan yang lebih diperibadikan.
Dalam satu kajian baru diterbitkan dalam jurnal Nature, penyelidik dari Makmal Biologi Molekul Eropah (EMBL), Pusat Penyelidikan Kanser Jerman (DKFZ) dan Universiti Copenhagen telah melancarkan model AI perintis yang mampu meramalkan risiko dan masa lebih 1,000 penyakit dalam tempoh sedekad lebih awal.
Model AI generatif baharu ini menggunakan prinsip algoritma sama seperti yang digunakan dalam model bahasa besar (LLM).
Ia dilatih mengenai data kesihatan tanpa nama daripada 400,000 peserta di UK Biobank dan selanjutnya disahkan menggunakan data daripada 1.9 juta pesakit dalam Pendaftaran Pesakit Kebangsaan Denmark. Menurut para penyelidik, ini mewakili salah satu demonstrasi paling komprehensif potensi AI generatif untuk memodelkan perkembangan penyakit manusia pada skala.
"Model AI kami adalah bukti konsep, menunjukkan bahawa mungkin untuk AI mempelajari banyak corak kesihatan jangka panjang kami dan menggunakan maklumat ini untuk menjana ramalan yang bermakna," kata Ewan Birney, pengarah eksekutif sementara di EMBL, dalam satu kenyataan berita. "Dengan memodelkan cara penyakit berkembang dari semasa ke semasa, kita boleh mula meneroka apabila risiko tertentu muncul dan cara terbaik untuk merancang campur tangan awal. Ini merupakan langkah besar ke arah pendekatan yang lebih peribadi dan pencegahan terhadap penjagaan kesihatan."
Meramalkan Hasil Kesihatan Masa Depan
Sama seperti bagaimana model bahasa yang besar dapat memahami struktur ayat, model AI ini menguraikan "tatabahasa" data kesihatan untuk membayangkan sejarah perubatan sebagai urutan peristiwa dari semasa ke semasa. Peristiwa ini termasuk diagnosis perubatan dan pilihan gaya hidup seperti tabiat merokok. Model ini belajar untuk meramalkan risiko penyakit berdasarkan urutan dan masa kejadian tersebut.
“Peristiwa perubatan selalunya mengikut corak yang boleh diramalkan,” tambah Tom Fitzgerald, saintis kakitangan di Institut Bioinformatik Eropah (EMBL-EBI) EMBL. "Model AI kami mempelajari corak tersebut dan boleh meramalkan hasil kesihatan masa hadapan. Ia memberi kami cara untuk meneroka perkara yang mungkin berlaku berdasarkan sejarah perubatan seseorang dan faktor utama lain. Yang penting, ini bukan kepastian, tetapi anggaran potensi risiko."
Model ini cemerlang untuk keadaan dengan corak perkembangan yang jelas, seperti kanser tertentu, serangan jantung dan septikemia, tetapi kurang dipercayai untuk keadaan yang lebih berubah-ubah seperti gangguan kesihatan mental atau komplikasi berkaitan kehamilan.
Penggunaan dan Hadnya
Sama seperti ramalan cuaca, model AI menyediakan kebarangkalian dan bukannya kepastian. Sebagai contoh, ia boleh menganggarkan risiko seseorang mendapat penyakit jantung dalam tempoh tertentu, dinyatakan sebagai kadar statistik dari semasa ke semasa — sama seperti meramalkan 70% kemungkinan hujan.
Ramalan jangka pendek cenderung lebih tepat daripada ramalan jangka panjang.
Sebagai contoh, model itu mencadangkan risiko serangan jantung yang berbeza-beza di kalangan lelaki dalam kohort Biobank UK berumur 60-65, dengan kebarangkalian antara 4 dalam 10,000 setiap tahun hingga 1 dalam 100, dipengaruhi oleh diagnosis dan gaya hidup terdahulu. Walaupun wanita umumnya mempunyai risiko yang lebih rendah, pengedaran risiko mereka mencerminkan lelaki.
Adalah penting untuk ambil perhatian bahawa ramalan ini sejajar dengan kes yang diperhatikan sebenar dalam kumpulan demografi yang berbeza daripada UK Biobank.
Model ini direka untuk menjana anggaran risiko peringkat populasi yang tepat tetapi mempunyai had. Memandangkan ia dilatih terutamanya pada individu berumur 40-60 tahun, acara kesihatan kanak-kanak dan remaja kurang diwakili.
Selain itu, berat sebelah demografi wujud disebabkan oleh jurang dalam data latihan, termasuk kurang perwakilan kumpulan etnik tertentu.
Walaupun model AI masih belum bersedia untuk kegunaan klinikal, ia menjanjikan para penyelidik untuk memahami perkembangan penyakit, meneroka cara gaya hidup dan penyakit lampau mempengaruhi risiko jangka panjang dan mensimulasikan hasil kesihatan apabila data dunia sebenar terhad atau tidak boleh diakses.
"Ini adalah permulaan cara baharu untuk memahami kesihatan manusia dan perkembangan penyakit," tambah Moritz Gerstung, ketua Bahagian AI dalam Onkologi di DKFZ dan bekas ketua kumpulan di EMBL-EBI. "Model generatif seperti kami suatu hari nanti boleh membantu memperibadikan penjagaan dan menjangka keperluan penjagaan kesihatan secara berskala. Dengan belajar daripada populasi yang besar, model ini menawarkan lensa yang kuat tentang bagaimana penyakit berkembang dan akhirnya boleh menyokong campur tangan yang lebih awal dan lebih disesuaikan."
sumber: Makmal Biologi Molekul Eropah