La IA tiene un potencial significativo para revolucionar la atención médica al predecir la progresión de la enfermedad utilizando amplios registros médicos, permitiendo así una atención personalizada. Comprender la multimorbilidad (grupos de afecciones crónicas y agudas influenciadas por el estilo de vida, la genética y los factores socioeconómicos) es crucial para una atención médica y medidas preventivas personalizadas. A pesar de los algoritmos de predicción existentes para enfermedades específicas, existe una brecha en los modelos integrales que pueden predecir una amplia gama de condiciones. Los avances recientes, como los modelos transformadores inspirados en los LLM, prometen superar estos desafíos modelando dependencias temporales complejas en los datos de salud. Sin embargo, todo el potencial de estos modelos en la predicción de morbilidad múltiple sigue en gran medida inexplorado.
Investigadores de diversas instituciones han desarrollado Delphi-2M, un modelo avanzado de IA basado en la arquitectura GPT, para predecir la progresión de enfermedades en grandes poblaciones. Basado en datos de 400.000 participantes del Biobanco del Reino Unido, Delphi-2M predice más de 1.000 enfermedades y muertes mediante el análisis de registros médicos anteriores, datos demográficos y factores de estilo de vida. Genera trayectorias de salud futuras detalladas para las personas y proporciona información sobre los grupos de enfermedades y sus impactos dependientes del tiempo. Validado con 1,9 millones de registros daneses sin cambios de parámetros, Delphi-2M modela con precisión la salud de la población y revela cómo los eventos pasados dan forma a los resultados de salud futuros, lo que lo convierte en una herramienta sólida para la predicción personalizada de la atención médica.
Delphi-2M, un modelo de IA, predice con precisión la incidencia de más de 1.000 enfermedades, alineándose estrechamente con las tendencias observadas por edad y sexo. Modela eficazmente diversos patrones de enfermedades en una cohorte de validación, como los picos de varicela infantil y los aumentos relacionados con la edad en otras afecciones. Las predicciones de Delphi-2M, actualizadas continuamente con nuevos datos, muestran una variabilidad interindividual significativa para enfermedades como la septicemia. Con un AUC promedio de 0,8, su desempeño rivaliza con modelos de riesgo establecidos como Framingham para enfermedades cardiovasculares. La calibración y validación longitudinal de Delphi-2M con datos del Biobanco del Reino Unido confirman su confiabilidad en la predicción de trayectorias de enfermedades a corto y largo plazo, ofreciendo predicciones integrales de múltiples enfermedades.
Los modelos generativos como Delphi-2M pueden predecir trayectorias futuras de enfermedades basándose en historiales médicos pasados. Al evaluar 100.000 trayectorias muestreadas del Biobanco del Reino Unido, Delphi-2M reflejó con precisión las tasas e incidencias de enfermedades observadas hasta los 70 años. Con una precisión promedio del 17% en el primer año, que disminuye al 14% en 20 años, Delphi-2M supera la edad básica. -modelos sexuales. Distingue los grupos de alto y bajo riesgo, prediciendo eficazmente la carga de morbilidad a lo largo de dos décadas. Además, las trayectorias sintéticas generadas por Delphi-2M, que no duplican los datos de entrenamiento, tienen usos prácticos, como entrenar nuevos modelos, preservando así la privacidad de los datos y ampliando las aplicaciones potenciales.
Delphi, un modelo GPT-2 modificado, está diseñado para predecir trayectorias de salud mediante el análisis de secuencias de diagnósticos de alto nivel ICD-10 complementados con datos de estilo de vida como sexo, IMC, tabaquismo y consumo de alcohol. Se emplearon datos de capacitación del Biobanco del Reino Unido y validación externa utilizando registros sanitarios daneses. Delphi reemplaza la codificación posicional discreta de GPT-2 con una codificación continua basada en la edad e introduce un cabezal adicional para predecir el tiempo entre eventos. Esto permite a Delphi modelar con precisión el momento y la secuencia de eventos de salud, superando los modelos GPT estándar en la predicción del inicio y la progresión de la enfermedad.
Delphi-2M, un modelo basado en GPT-2, predice la progresión de múltiples enfermedades aprendiendo patrones a partir de datos de salud de más de 1.000 enfermedades en 400.000 participantes del Biobanco del Reino Unido. Destaca en la predicción de trayectorias de enfermedades y en la estimación de cargas acumuladas de enfermedades durante largos períodos. Probado con datos de salud daneses, demostró ser adaptable sin necesidad de capacitación adicional. Si bien es eficaz, hereda sesgos de sus datos de entrenamiento y debe utilizarse con cautela. La arquitectura flexible de Delphi-2M permite la integración futura de datos de salud adicionales, como genómica y dispositivos portátiles, lo que la convierte en una herramienta prometedora para la planificación de la atención médica, la medicina personalizada y la comprensión de interacciones complejas entre enfermedades.
Revisar la Papel y Código. Todo el crédito por esta investigación va a los investigadores de este proyecto. Además, no olvides seguirnos en Gorjeo.
Únete a nuestro Canal de telegramas y LinkedIn Grarriba.
Si te gusta nuestro trabajo, te encantará nuestro Boletin informativo..
No olvides unirte a nuestro SubReddit de más de 45.000 ml
🚀 Cree, edite y aumente datos tabulares con el primer sistema de IA compuesto, Gretel Navigator, ¡ahora disponible de forma generalizada! [Advertisement]
A Sana Hassan, pasante de consultoría en Marktechpost y estudiante de doble titulación en IIT Madras, le apasiona aplicar la tecnología y la inteligencia artificial para abordar los desafíos del mundo real. Con un gran interés en resolver problemas prácticos, aporta una nueva perspectiva a la intersección de la IA y las soluciones de la vida real.