با هوش مصنوعی جدید، بیش از ۱۰۰۰ بیماری را پیش از وقوع پیش‌بینی کنید

با تمرکز بر کاربردهای پزشکی، همیشه بر این باور بوده‌ام که فناوری‌های generative AI نه تنها در تولید متن یا تصویر، بلکه در مدل‌سازی پیچیدگی‌های زیستی انسان، پتانسیل عظیمی دارند. حالا، یک پیشرفت تازه در این حوزه، افق‌های جدیدی را در پیش‌بینی بیماری‌ها گشوده است. گروهی از پژوهشگران، مدل هوش مصنوعی Delphi-2M را معرفی کرده‌اند که قادر است احتمال ابتلا به بیش از ۱۰۰۰ بیماری را در افراد ارزیابی کند و حتی زمان تقریبی بروز آن‌ها را تخمین بزند. این ابزار، که اخیراً در مجله معتبر Nature توصیف شده، بر پایه داده‌های ناشناس‌شده سلامت از حدود ۲.۳ میلیون نفر در بریتانیا و دانمارک آموزش دیده و یکی از بزرگ‌ترین پروژه‌های استفاده از generative AI برای ترسیم آینده سلامت انسانی به شمار می‌رود.

برخلاف ابزارهای سنتی محاسبه‌گر سلامت که تنها بر شرایط خاص مانند بیماری قلبی یا دیابت تمرکز دارند، Delphi-2M رویکردی جامع و holistic اتخاذ می‌کند. این مدل، مسیرهای احتمالی سلامت فرد را در طول دهه‌ها شبیه‌سازی می‌کند و توالی عوارض، از جمله بیماری‌ها، الگوهای خواب و عوامل مؤثر بر سلامت را پیش‌بینی می‌نماید. این قابلیت، Delphi-2M را به ابزاری تحول‌آفرین در حوزه پیش‌بینی بیماری با هوش مصنوعی تبدیل کرده است.

چگونگی عملکرد Delphi-2M: از توکن‌های پزشکی تا پیش‌بینی‌های دقیق

Delphi-2M بر پایه همان فناوری‌هایی ساخته شده که پشت چت‌بات‌هایی مانند ChatGPT قرار دارد، اما با تفاوت کلیدی: به جای پردازش متن، این مدل تاریخچه‌های پزشکی را مدیریت می‌کند. هر تشخیص، جزئیات دموگرافیک یا عامل سبک زندگی، به عنوان یک “توکن” کدگذاری می‌شود – مشابه کلماتی که مدل‌های زبانی برای پیش‌بینی جمله بعدی استفاده می‌کنند. این رویکرد، به AI اجازه می‌دهد تا پیشرفت بیماری‌ها را مانند جریان یک داستان طبیعی تحلیل کند.

ورودی‌های کلیدی برای پیش‌بینی‌های دقیق:

• سن و جنسیت فرد
• سابقه تشخیص‌های گذشته، شامل بیش از ۱۰۰۰ وضعیت پزشکی
• عوامل سبک زندگی مانند شاخص توده بدنی (BMI)، مصرف سیگار و الکل

با بهره‌گیری از این اطلاعات پایه اما حیاتی، مدل نه تنها بیماری بعدی را که فرد ممکن است با آن روبرو شود، پیش‌بینی می‌کند، بلکه زمان تقریبی بروز آن را نیز تخمین می‌زند. در آزمایش‌ها، Delphi-2M امتیاز دقت متوسط (AUC) ۰.۷۶ را در صدها بیماری بر اساس داده‌های بریتانیا به دست آورد – نتیجه‌ای قابل توجه با توجه به پیچیدگی‌های ذاتی سلامت انسانی و پتانسیل ابزار هوش مصنوعی در تشخیص بیماری.

به گزارش ایروتایم – irotime، این مدل می‌تواند سناریوهای مصنوعی سلامت را برای افراد ۶۰ ساله تولید کند و پیش‌بینی‌های آن با نتایج جمعیتی واقعی پس از یک دهه همخوانی بالایی نشان می‌دهد. این ویژگی، Delphi-2M را به گزینه‌ای ایده‌آل برای برنامه‌ریزی بهداشت عمومی تبدیل می‌کند، مانند شناسایی بیماری‌هایی که ممکن است در نسل‌های آینده شیوع یابند.

نتایج امیدوارکننده، اما با محدودیت‌های واقعی

نتایج اولیه، نویدبخش هستند: Delphi-2M می‌تواند به پزشکان کمک کند تا ریسک‌های کلی را شناسایی و مراقبت‌های پیشگیرانه را برنامه‌ریزی کنند. برای مثال، پیش‌بینی خطر بالای ابتلا به سرطان در سن ۷۲ سالگی، به معنای وقوع قطعی نیست، بلکه نشان‌دهنده شباهت فرد به الگوهای افرادی است که در داده‌های آموزشی به این بیماری مبتلا شده‌اند. این مدل، با تمرکز بر generative AI in health، می‌تواند نقشه‌های شخصی‌سازی‌شده‌ای برای کاهش ریسک ارائه دهد و حتی گام‌های عملی برای به تأخیر انداختن یا جلوگیری از بیماری‌ها پیشنهاد کند.

با این حال، مانند هر ابزار هوش مصنوعی دیگری، محدودیت‌هایی وجود دارد. دقت مدل در داده‌های دانمارکی کاهش یافت، که نشان‌دهنده عدم تعمیم‌پذیری کامل به جمعیت‌های متنوع است. علاوه بر این، مدل انعکاس‌دهندهاس‌های داده‌های آموزشی خود است؛ برای نمونه، داده‌های UK Biobank بیشتر به سمت شرکت‌کنندگان ثروتمند و سالم تمایل دارد، که ممکن است تخمین ریسک برای گروه‌های کم‌درآمد یا اقلیت‌ها را تحریف کند. از منظر کارشناسی، این مسئله برجسته می‌کند که ابزارهای پیش‌بینی بیماری با هوش مصنوعی باید با داده‌های متنوع‌تر آموزش ببینند تا عدالت در سلامت را تضمین کنند.

آیا Delphi-2M قابل اعتماد است؟ نقش نظارت انسانی

سؤال کلیدی که هر کارشناسی هوش مصنوعی مانند من با آن روبرو می‌شود، این است: آیا می‌توان به چنین مدلی برای تصمیم‌گیری‌های حیاتی تکیه کرد؟ پاسخ، قاطعانه منفی است – حداقل در حال حاضر. پژوهشگران تأکید دارند که Delphi-2M ابزاری تشخیصی نیست و جایگزین قضاوت پزشک انسانی نمی‌شود. در عوض، آن را به عنوان یک موتور پیش‌بینی‌کننده مفید می‌بینند که ریسک‌های عمومی را برجسته می‌سازد و به برنامه‌ریزی مراقبت‌های پیشگیرانه کمک می‌کند.

در کاربردهای عملی، این مدل می‌تواند کنار ابزارهای موجود سلامت قرار گیرد و به بیماران و پزشکان، نقشه‌های شخصی‌شده‌ای از ریسک‌های آینده ارائه دهد. تصور کنید پزشکی که با اسکن دهه‌های پیش روی سلامت شما، اقدامات پیشگیرانه‌ای را پیشنهاد می‌کند – پیش از آنکه علائم ظاهر شوند. این چشم‌انداز، پتانسیل generative AI در پزشکی را برجسته می‌کند، اما همیشه با نظارت انسانی همراه باشد.

نتیجه‌گیری: آینده‌ای که AI آن را شکل می‌دهد

هرچند Delphi-2M هنوز در مرحله تحقیقاتی است، اما سؤال‌های بزرگی را برمی‌انگیزد: آیا فناوری generative که ChatGPT را برای نوشتن کد به کار می‌گیرد، می‌تواند همان قدر در پیش‌بینی بیماری‌ها مؤثر باشد؟ این مدل، نشانه‌ای از آینده‌ای است که در آن هوش مصنوعی، مسیر سلامت را اسکن می‌کند و به ما کمک می‌کند تا اقدامات پیشگیرانه‌ای بگیریم. به عنوان کارشناس، باور دارم که با رفع محدودیت‌ها، ابزارهایی مانند Delphi-2M می‌توانند انقلاب در تشخیص زودهنگام بیماری‌ها با هوش مصنوعی ایجاد کنند و سلامت عمومی را ارتقا دهند.

بخش پرسش و پاسخ: سؤالات رایج در مورد Delphi-2M

سؤال: Delphi-2M چقدر دقیق است؟ پاسخ: امتیاز دقت متوسط ۰.۷۶ در داده‌های بریتانیا، اما در جمعیت‌های دیگر کاهش می‌یابد. همیشه با مشاوره پزشک ترکیب شود.

سؤال: آیا این مدل برای همه بیماری‌ها کار می‌کند؟ پاسخ: بله، بیش از ۱۰۰۰ بیماری را پوشش می‌دهد، از سرطان تا اختلالات خواب، اما بر پایه داده‌های موجود است.