歐洲研究團隊成功開發出一款名為 Delphi-2M 的生成式 AI 工具，它不僅能預測超過 1,000 種疾病風險，還能模擬個人未來 10 到 20 年的健康狀況。這項技術的出現，為預防醫學與公共衛生領域帶來了前所未有的可能性。
這款 AI 系統由英國劍橋的歐洲分子生物學實驗室（EMBL）打造，其核心架構類似於大型語言模型，但具備處理醫療保健數據的獨特創新。Delphi-2M 的數據基礎涵蓋了英國生物銀行約 40 萬人，與丹麥國家患者登記處約 190 萬人的匿名資料，使其能夠以「健康軌跡」的形式，精準呈現長期的疾病風險走向。
全方位預測，超越傳統單一模型
Delphi-2M 的核心優勢在於其全方位的預測能力。EMBL 臨時執行董事 Ewan Birney 強調，相較於傳統僅能預測單一疾病（如心臟病）的模型，Delphi-2M 能夠「一次性地、長期地分析所有疾病」，其預測準確度可媲美傳統單一疾病模型，但能同時涵蓋多種病症，具有全域優勢。
這個模型透過分析病史、生活習慣、年齡與性別等綜合因素，預測癌症、糖尿病、心臟病等重大疾病的發生率。不過，其預測效果對於具有一致發展模式的疾病（如心血管疾病、糖尿病）最為出色，對於由外部原因或非常罕見的先天性疾病，其效果則相對較差。
AI 醫療的實際應用與挑戰
研究人員認為，Delphi-2M 的應用場景極為廣泛。在公共醫療領域，臨床醫生未來可藉此快速指出患者的主要健康風險，並給出可行的生活建議，大幅提升預防醫學的效率。
在醫療系統規劃層面，德國癌症研究中心的專家也指出，這類 AI 模型能幫助政府預測醫療需求，從而優化醫療資源的配置，使其更能對症下藥。
這項技術突破的核心，在於它展現了生成式 AI 在「整合健康軌跡」上的新能力，跳脫了傳統單病種演算法的限制。然而，Delphi-2M 的落地也伴隨著嚴峻的挑戰：
- 資料隱私：儘管模型使用匿名資料，但如何確保這些龐大的數據，在傳輸與使用過程中不被濫用，仍是首要考量。
- 醫療責任：當 AI 預測出錯時，責任應如何歸屬？是模型開發者、醫生還是使用者？這需要明確的法律與倫理框架。
- 臨床採納：如何讓醫生與醫療機構信任並採納這款新工具，使其從研究成果真正轉化為臨床實踐的標準？
這些挑戰提醒我們，在追求技術落地的速度時，必須同時兼顧隱私保護與倫理審查。唯有如此，Delphi-2M 這樣的 AI 工具才能真正發揮其潛力，為臨床與公共衛生帶來正面影響，而非成為新的爭議源頭。
【推薦閱讀】
◆ 【交出你的醫療紀錄】川普政府新計畫用 AI 預防糖尿病與肥胖，背後卻暗藏隱私危機？
◆ 【AI 讓醫生退化？】研究：使用 AI 的醫師，癌症偵測力下滑
◆ 【不能出錯的 AI】AI 醫療記錄技術崛起，新創 Freed 減輕醫生文書工作倦怠
＊本文開放合作夥伴轉載，參考資料：《The Financial Times》、《The Guardian》，圖片來源：Unsplash
（責任編輯：鄒家彥）