Ein innovatives KI-Modell könnte die Gesundheitsplanung revolutionieren.
In Kürze
- Delphi-2M analysiert Gesundheitsdaten zur Risikovorhersage
- Über 1.000 Diagnosen können individuell vorhergesagt werden
- Regulatorische Hürden könnten Umsetzung verzögern
Forschende Entwickeln Spannendes Neues KI-Modell: Delphi-2M
Forschende vom EMBL-EBI in Cambridge und dem Deutschen Krebsforschungszentrum haben ein spannendes neues KI-Modell namens Delphi-2M entwickelt. Dieses Modell hat das Potenzial, individuelle Krankheitsrisiken für über 1.000 Diagnosen vorherzusagen – und das anhand von Gesundheitsakten. Die zugrunde liegende Architektur ähnelt der von Sprachmodellen, ist jedoch speziell auf Gesundheitsdaten abgestimmt. Anstatt Wörter zu verarbeiten, analysiert die KI Ereignisse im Leben einer Person entlang einer Zeitachse.
Training und Tests von Delphi-2M
Delphi-2M wurde mit Daten von mehr als 400.000 Teilnehmern der UK Biobank trainiert. In Tests an fast 2 Millionen Menschen aus dänischen Registern hat sich gezeigt, dass das Modell Muster effizient erkennt und vor allem über kurze Zeiträume zuverlässige Vorhersagen treffen kann. Besonders stark ist das Modell bei Krankheiten, die klare Muster aufweisen, wie Herz-Kreislauf-Erkrankungen oder Diabetes.
Anwendungsmöglichkeiten und Zukunftsperspektiven
Die Anwendungsmöglichkeiten sind vielversprechend: In der Gesundheitsplanung könnte Delphi-2M künftig eine wichtige Rolle spielen. Allerdings wird es noch einige Zeit dauern, bis das Modell im Alltag der Menschen ankommt. Das Forschungsteam schätzt, dass es fünf bis zehn Jahre dauern könnte, bis alle regulatorischen Hürden überwunden sind. Aktuell ist Delphi-2M als unterstützendes Werkzeug gedacht und soll ärztliche Diagnosen nicht ersetzen.
Einschränkungen bei der Verwendung von Delphi-2M
Es gibt jedoch auch einige Einschränkungen. Bei seltenen und stark umweltabhängigen Erkrankungen kann die Vorhersage ungenau sein. Zudem könnte die Zusammensetzung der Trainingsdatenbank – die überwiegend gesündere und besser gebildete Menschen umfasst – dazu führen, dass bestimmte Erkrankungen unter- oder überrepräsentiert sind. Das ist ein wichtiger Punkt, den man bei der Interpretation der Ergebnisse im Hinterkopf behalten sollte.
Quellen
- Quelle: EMBL-EBI und Deutsches Krebsforschungszentrum (DKFZ)
- Der ursprüngliche Artikel wurde hier veröffentlicht
- Dieser Artikel wurde im Podcast KI-Briefing-Daily behandelt. Die Folge kannst du hier anhören.
