Forscher haben ein generatives KI-Modell entwickelt, das anhand umfangreicher Gesundheitsakten abschätzt, wie sich die menschliche Gesundheit im Laufe der Zeit verändern könnte. Es kann das Risiko und den Zeitpunkt von über 1.000 Krankheiten prognostizieren und gesundheitliche Folgen über ein Jahrzehnt im Voraus vorhersagen.
Dieses neue generative KI-Modell wurde mithilfe algorithmischer Konzepte, die denen von Large Language Models (LLMs) ähneln, maßgeschneidert entwickelt. Trainiert wurde es anhand anonymisierter Patientendaten von 400.000 Teilnehmern der UK Biobank . Die Forscher testeten das Modell außerdem erfolgreich anhand von Daten von 1,9 Millionen Patienten aus dem dänischen nationalen Patientenregister. Dieser Ansatz ist eine der bislang umfassendsten Demonstrationen, wie generative KI den Krankheitsverlauf beim Menschen in großem Maßstab modellieren kann, und wurde anhand von Daten aus zwei völlig getrennten Gesundheitssystemen getestet.
„Unser KI-Modell ist ein Proof of Concept und zeigt, dass KI viele unserer langfristigen Gesundheitsmuster erlernen und diese Informationen nutzen kann, um aussagekräftige Vorhersagen zu erstellen“, sagte Ewan Birney, Interim Executive Director des Europäischen Laboratoriums für Molekularbiologie ( EMBL ). „Indem wir den Krankheitsverlauf modellieren, können wir erforschen, wann bestimmte Risiken auftreten und wie wir frühzeitige Interventionen am besten planen. Das ist ein großer Schritt hin zu personalisierteren und präventiveren Ansätzen in der Gesundheitsversorgung.“
Diese in der Zeitschrift Nature veröffentlichte Arbeit war eine Zusammenarbeit zwischen EMBL , dem Deutschen Krebsforschungszentrum (DKFZ) und der Universität Kopenhagen .
KI für Gesundheitsprognosen
So wie große Sprachmodelle die Struktur von Sätzen erlernen können, lernt dieses KI-Modell die „Grammatik“ von Gesundheitsdaten, um Krankengeschichten als Abfolgen von Ereignissen zu modellieren, die sich im Laufe der Zeit entwickeln. Zu diesen Ereignissen gehören medizinische Diagnosen oder Lebensstilfaktoren wie Rauchen. Das Modell lernt, das Krankheitsrisiko anhand der Reihenfolge solcher Ereignisse und der Zeitspanne zwischen diesen Ereignissen vorherzusagen.
„Medizinische Ereignisse folgen oft vorhersehbaren Mustern“, sagte Tom Fitzgerald, Wissenschaftler am Europäischen Bioinformatik-Institut (EMBL-EBI ) des EMBL. „Unser KI-Modell lernt diese Muster und kann zukünftige Gesundheitsergebnisse vorhersagen. Es ermöglicht uns, basierend auf der Krankengeschichte einer Person und anderen Schlüsselfaktoren zu untersuchen, was passieren könnte. Entscheidend ist, dass es sich dabei nicht um eine Gewissheit handelt, sondern um eine Abschätzung der potenziellen Risiken.“
Das Modell funktioniert besonders gut bei Erkrankungen mit klaren und konsistenten Verlaufsmustern, wie bestimmten Krebsarten, Herzinfarkten und Septikämie, einer Art Blutvergiftung. Bei variableren Erkrankungen wie psychischen Störungen oder schwangerschaftsbedingten Komplikationen, die auf unvorhersehbaren Lebensereignissen beruhen, ist das Modell jedoch weniger zuverlässig.
Datenschutz und Ethik
Dieses KI-Modell wurde mit anonymisierten Gesundheitsdaten unter strengen ethischen Regeln trainiert. Die Teilnehmer der UK Biobank gaben ihre Einwilligung nach Aufklärung, und der Zugriff auf dänische Daten erfolgte gemäß den nationalen Vorschriften, die einen Verbleib der Daten in Dänemark vorschreiben. Die Forscher nutzten sichere, virtuelle Systeme, um die Daten zu analysieren, ohne sie über Grenzen hinweg zu übertragen. Diese Sicherheitsvorkehrungen tragen dazu bei, dass KI-Modelle unter Wahrung der Privatsphäre und Einhaltung ethischer Standards entwickelt und eingesetzt werden.
Finanzierung
Diese Arbeit wurde durch Beiträge der EMBL-Mitgliedsstaaten, Mittel des DKFZ und ein Stipendium der Novo Nordisk Foundation finanziert.
Zeitschrift
Nature
DOI
Credits
Karen ArnottEMBL EBI
Entdecke mehr von LabNews
Melde dich für ein Abonnement an, um die neuesten Beiträge per E-Mail zu erhalten.
