Forskare i Storbritannien testade ett AI-verktyg kallat Foresight som skapar digitala tvillingar av patienter för att förutse framtida hälso- och behandlingsresultat.
Idén med att skapa digitala tvillingar inom olika branscher gör det möjligt för ingenjörer att testa system i en simulering innan de används i den fysiska världen. AI-verktyg som Framförhållning gör nu detta möjligt för vårdpersonal.
Varje gång en patient besöker en vårdgivare läggs information till i den elektroniska patientjournalen (EHR). Vissa av dessa uppgifter är strukturerade (ålder, kön, etnicitet), men de flesta är ostrukturerade, som testresultat eller anteckningar som en läkare kan göra.
Foresight använder en GPT-baserad modell för att omvandla dessa data till en modell, eller digital tvilling, av patienten. Eftersom Foresight tränas på stora mängder data från andra patienters journalsystem kan det sedan förutse hälsoutfall, t.ex. vilka sjukdomar en patient sannolikt kommer att utveckla eller hur patienten kommer att reagera på en viss typ av behandling.
James Teo, professor vid King's College Hospital och medförfattare till studien, förklarade betydelsen av detta. Teo sa på X: "Till skillnad från LLM som helt enkelt förutspår nästa ord, förutspår Foresight möjliga framtider för patienter, vilket representerar möjliga multiversum för att förstå sjukdomar."
Man kan ta en patients journal och sedan simulera flera versioner av patienten för att förutsäga dennes hälsoutveckling. Traditionellt sett skulle en läkare behöva läsa en patients journal, besluta om ett behandlingsalternativ och sedan utvärdera resultaten efter en tid för att övervaka behandlingens effektivitet.
Med Foresight kan en läkare simulera flera potentiella behandlingar och modellen förutspår de kortsiktiga och långsiktiga resultaten av varje behandling. Detta är ett mycket mer kostnadseffektivt tillvägagångssätt och besparar patienten den "vi provar det här"-strategi som många läkare måste ta till.
Resultat
Studien, publicerad i The Lancet Digital Health, förklarade hur forskarna tränade tre olika modeller av Foresight med hjälp av sjukhusdataset från två brittiska sjukhus och ett offentligt tillgängligt dataset i USA, för totalt 811.336 patienter.
Foresight fick i uppgift att välja den sjukdom som en patient mest sannolikt skulle utveckla från en lista med 10 möjliga sjukdomar. Programmet förutspådde korrekt nästa sjukdom 68% och 76% av gångerna när de två brittiska dataseten användes och 88% av gångerna när amerikanska data användes.
När Foresight fick i uppgift att förutse nästa nya biomedicinska "koncept", som kan vara en sjukdom, ett symptom, ett återfall eller en medicinering, uppnådde Foresight en precision på 80%, 81% respektive 91% med hjälp av de brittiska och amerikanska dataseten.
Variationen i prestanda visar hur beroende AI-verktygen är av att ha data av god kvalitet.
Hur spännande denna tillämpning av AI än är, noterar forskarna flera utmaningar som måste övervinnas. Att hitta sätt att få modellen att korrekt väga nya behandlingar och interventioner, eller att korrekt utvärdera vikten av sannolikhet kontra brådska och påverkan är bara två exempel.
Forskarna arbetar med att ta fram Foresight 2, som de menar kommer att vara en mer exakt modell.
Med nya läkemedelsupptäckter och koncept som patientmodellering, simulering och prognostisering kommer AI att få en betydande inverkan på kvaliteten på den vård vi får.
