Gesundheit vorhersagen
Das Lesen der Krankenakten der Patienten ist die Grundlage des neuen Modells.Delphi‑2M‘, ein generatives Sprachmodell kürzlich veröffentlicht in 'Natur'. Ebenso wie die ' ArbeitChatboxen' Wie ChatGPT und Gemini – trainiert, Texte probabilistisch zu vervollständigen – wandelt Delphi klinische Daten zu Diagnosen, Alter, Geschlecht und Lebensgewohnheiten in Token um und lernt zeitliche Muster, um vorherzusagen, welche Krankheiten Sie bekommen könnten – und wann.
Delphi wurde mit der Datenbank der UK Biobank trainiert und soll ein ganzheitliches Modell für die gleichzeitige Vorhersage von mehr als tausend Krankheiten sein – mit einer mehr als bemerkenswerten durchschnittlichen Genauigkeit und überraschender Stabilität bei der externen Validierung mit dänischen Bevölkerungsdaten. Aber es sagt nicht nur voraus. Es kann auch synthetische Gesundheitsverläufe generieren. Das heißt, es simuliert, wie sich eine Person zwischen 60 und 80 Jahren entwickelt, und zeigt auf, welche Vordiagnosen am meisten zu jeder Vorhersage beitragen. Seine ultimative Anwendung wäre es, vor der Diagnose zu antizipieren und die Türen zu echter Primärprävention zu öffnen.
Doch die Grenze zwischen Versprechen und Übertreibung ist schmal. Wie der Kardiologe Eric Topol in seinem Kommentar betont: „‘Es ist Zeit für Primärprävention in der Medizin„In der Vergangenheit ist es der Medizin nicht gelungen, nicht übertragbare Krankheiten wirklich zu verhindern. Es stimmt, dass wir die Früherkennung von Krebs oder Demenz verbessert haben, aber diese Krankheiten gänzlich zu verhindern, ist noch lange kein wirklicher Meilenstein. Delphi-2M stellt laut Topol einen Paradigmenwechsel dar, da es Risiken individualisieren kann, um das tatsächliche Risiko zu individualisieren. Er räumt jedoch auch ein, dass diese Art von Modellen ernsthafte Beschränkungen aufweist: Verzerrung der Datenauswahl, Rauschen bei der Kodierung und Annotation, Fehlen wichtiger aktueller Ebenen wie der Genomik und ein völliger Mangel an prospektiver Validierung in realen klinischen Umgebungen, wie es heute bei ganzheitlichen Vorhersagemodellen der Fall ist. Die Implementierung eines solchen Systems in die klinische Praxis kann zu unvorhergesehenen Nebenwirkungen führen.Natur' Sie sagen es deutlich: Das Vorhersagepotenzial kann weder die klinische noch die ethische Interpretation des Patientenkontexts ersetzen.
Wir müssen auch darüber nachdenken, wie dies alles geregelt wird. Welche Steuerung werden diese Modelle haben? Welche Rechte werden Patienten hinsichtlich ihrer Vorhersagen haben? Wie verhindern wir, dass Ungleichheiten beim Zugang zur Prävention fortbestehen?
Delphi-2M ist ein bedeutender Schritt nach vorn. Aber es sollte nur ein erster Schritt sein. Um echte Primärprävention zu erreichen, ist viel mehr als Vorhersagen erforderlich. Die Art und Weise, wie in die Prävention eingegriffen werden kann, muss durchdacht und auf faire und sichere Weise gehandhabt werden. Dabei muss Technologie Hand in Hand mit Regulierung, Medizin und Patientenautonomie gehen. Krankheiten vorherzusagen kann uns helfen, die Zukunft zu sehen, aber zu verstehen, wie wir handeln sollen, ist eine andere Geschichte.
