W badaniu „Learning the natural history of human disease with generative transformers”, opublikowanym na łamach czasopisma „Nature”, ujawniono przełomowy wynik — model językowy Delphi-2M osiągnął wysoką skuteczność w prognozowaniu przebiegu około 1000 chorób na kilka dekad w przód dla pojedynczych pacjentów. Średnia dokładność prognozy (AUC) wynosi 76 proc. i przewyższa wszystkie dotychczasowe modele predykcyjne. Co więcej, nawet po dziesięciu latach wskaźnik predykcji utrzymuje się na poziomie około 70 proc. Sam model najlepiej sprawdza się w przewidywaniu chorób nowotworowych. Dla porównania — analogiczny wskaźnik w przypadku badań mammograficznych mieści się w przedziale 70-80 proc., co sugeruje, że teoretycznie to narzędzie mogłoby już być wykorzystywane w praktyce klinicznej.
Model trenowany jest na danych z dokumentacji medycznej (takich jak masa ciała czy historia leczenia) oraz informacjach dotyczących stylu życia (palenie tytoniu, spożywanie alkoholu) z brytyjskiej bazy UK Biobank obejmującej około 0,5 mln Brytyjczyków. Wychwytuje w nich wzorce i wskazuje prawdopodobieństwo rozwoju różnych chorób — od nowotworów przez choroby zakaźne po choroby układu krążenia czy zaburzenia psychiczne.
Jakie mogą być tego praktyczne konsekwencje? Być może jesteśmy blisko momentu, gdy na podstawie danych medycznych i próbek krwi pacjenta lekarze będą w stanie określić z bardzo wysokim prawdopodobieństwem ryzyko zachorowania na raka czy inne choroby w perspektywie roku, pięciu czy nawet 20 lat. Dzięki temu będzie możliwe wdrożenie działań profilaktycznych na bardzo wczesnym etapie, zanim pojawią się jakiekolwiek objawy, co mogłoby poprawić stan zdrowia w przyszłości, a nawet uratować życie pacjenta.
To byłaby prawdziwa rewolucja dla medycyny spersonalizowanej i medycyny jako takiej. Możliwość wykrywania chorób na bardzo wczesnym etapie i tworzenie precyzyjnych planów leczenia stanowiłaby namacalny postęp dotyczący najważniejszej sfery życia — zdrowia.
Stefan Feuerriegel, informatyk z Uniwersytetu w Monachium specjalizujący się w modelach AI w zastosowaniach medycznych, komentuje na łamach miesięcznika „Scientific American”, że model „może generować całe przyszłe trajektorie zdrowotne”. Istotne jest to, że precyzja modelu pozostaje wysoka dla danych zdrowotnych z Danii (67 proc.), co oznacza, że model dobrze przyswaja wzorce z danych treningowych z Wielkiej Brytanii i zachowuje swoją użyteczność dla innych krajów.
Szerokie wykorzystanie takiej technologii w praktyce nie oznaczałoby jedynie skoku w medycynie, lecz także zmiany sposobu funkcjonowania społeczeństw i gospodarki. Istnieją analizy sugerujące wręcz, że poprawa stanu zdrowia w XX wieku była głównym motorem rozwoju gospodarczego w krajach rozwiniętych. Z badania McKinsey Company wynika, że jedna trzecia wzrostu PKB na mieszkańca w ubiegłym stuleciu wynikała z poprawy zdrowia społeczeństwa. Trudno jednoznacznie określić siłę tej zależności przyczynowo-skutkowej, ale jasne jest, że zdrowie i dobrobyt gospodarczy idą ze sobą w parze.
Możliwe więc, że postęp w medycynie okaże się największym dobrodziejstwem płynącym z rozwoju sztucznej inteligencji dla społeczeństw i gospodarek. To właśnie w medycynie dzieje się na razie najwięcej, jeżeli chodzi o rewolucję technologiczną.