利用多模态AI算法，医生可以精准预测疾病和管理健康

原创 GlobalMD 全球医生组织

《科学》封面推荐了一篇关于GraphCast的一种人工智能模型。利用过去40年来全球气候数据训练，与传统天气预测方法相比，不仅更快，而且更精准预测全球天气。医学专家也提出“疾病预测”概念，希望借助此成功案例，利用多模态AI模型预测疾病和管理健康，关注详情。

阅读文摘

《科学》杂志推介GraphCast新型深度学习AI模型，该AI模型在天气预报方面表现优异，特别是对流层的预测准确率为99.7%。这一AI技术应用，让我们对飓风和气旋等极端天气预警，更加准确且及时，挽救了许多生命。

借鉴在天气预测领域AI成功案例，医学家希望AI技术能提高疾病预测和健康管理的能力，旨在完善目前疾病疗效和主动健康结果。

然而，无论是对疾病发生，还是健康长寿，医学界仍缺乏预测结果的黄金标准，比如在癌症早期筛查方面(参见今天液体活检)，近90%的女性一生不会患乳腺癌，但美国癌症协会却建议所有45岁及以上的女性每年或每两年进行一次乳房X光检查。

这种基于年龄的大规模预防筛查仅能发现14%的癌症病例。此外，阿尔茨海默氏症协会也建议健康人群进行生物标志物液体(血液)检查，但这种单一预测指标常常导致假阳性，引发不必要的恐慌和过度医疗。

多模态AI技术为解决疾病预测精准性提供了绝佳机会。例如，在阿尔茨海默病风险评估中，单靠血液生物标志物肯定不够。通过整合基因组数据、电子健康档案;视网膜成像、可穿戴生物传感器数据等多层次、多模态数据，AI可以更准确地预测罹患痴呆症的风险。

初步研究和测试结果显示，利用AI-ML模型整合多模态疾病和健康数据，可以在患者确诊前7年，精准预测罹患阿尔茨海默病的机会。

在癌症预防方面，电子健康档案和基因组学(eMERGE)网络已经验证了多基因风险评分，正在进入临床应用阶段。这些AI辅助癌症预防评分不仅涵盖了乳腺癌、结肠癌、肺癌和前列腺癌，还包括许多慢性疾病。

AI-ML驱动的多基因风险评分标准，提供了更精确的风险分层，结合基因芯片或低通基因组测序数据，使疾病筛查更加高效、准确。

此外，AI 模型在识别胰腺癌风险方面也展现了巨大潜力，通过整合电子健康档案和医学影像检查数据，在症状出现前一年即可预测胰腺癌的发生。

未来的AI医学，将是以疾病预测、治疗效果评估和健康管理为核心，医生和患者可以通过多模态AI模型应用，更加精准地改善个体健康预测和长期健康结果，为罹患重大疾病提供更早的预防和主动干预措施。关注详情。