Don't Miss
醫用AI模型｜新LLM模擬病人20年健康變化
By 信報財經新聞 on September 22, 2025
原文刊於信報財經新聞「CEO AI⎹ EJ Tech」
來自歐洲生物資訊研究所（EMBL）、德國癌症研究中心（DKFZ）、丹麥哥本哈根大學的聯合團隊，在最新一期《自然》期刊發表論文，介紹一款醫用大型語言模型（LLM）Delphi-2M，可以學習並預測人類疾病史，涵蓋超過1000種疾病之多。
Delphi-2M模型使用英國生物樣本庫的40萬名參與者數據訓練，再用同一資料庫的10萬個樣本，加上193萬名丹麥人口的外部數據作驗證。模型能依照病人過往健康紀錄，模擬未來20年的患病軌跡。
涵蓋逾千疾病 精準預測死亡
傳統醫學預測模型往往專注單一疾病，較少關注多病共存情況。於是，研究團隊以GPT-2架構為基礎，將文字序列轉換為健康事件序列，讓模型理解疾病的相互影響與時間依賴性。
研究結果顯示，以一分為理想值為例，模型平均預測疾病準確度（AUC）約為0.76，對死亡的預測更高達0.97。
團隊還引入夏普利加性解釋（SHAP），以數值揭示不同疾病之間的關聯，像是胰臟癌的死亡風險維持多年、敗血病的風險限於短期、精神疾病和生殖相關疾病有關連等。在群體層面，Delphi-2M亦有助預測整體醫療需求，例如多少人將罹患特定疾病。
AI新療法殺滅抗藥性細菌
另外，對抗多重抗藥性細菌方面，AI助研噬菌體療法（Phage Therapy）為一種新方向。另一組以華裔學者為主的美國史丹福大學團隊，在bioRxiv平台發表預印論文，聲稱成功利用基因組語言模型，生成完整、具活性的噬菌體基因組。
生成結果包括16條可裂解大腸桿菌的噬菌體，它們不僅生存競爭、裂解動力皆較天然序列優勝，在突破細菌抗性上也有更佳表現。
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
