Un nuovo modello di intelligenza artificiale (IA) pubblicato su Nature promette di rivoluzionare il modo in cui medici e pianificatori sanitari comprendono e gestiscono l’evoluzione della salute umana. Il sistema, denominato Delphi-2M, è stato sviluppato da un team internazionale guidato da Moritz Gerstung e rappresenta uno dei primi tentativi concreti di modellare, su larga scala, la progressione di oltre 1.000 malattie in relazione al decorso della vita di un individuo. Il cuore di Delphi-2M è una variante dei modelli transformer, la stessa architettura alla base dei moderni sistemi di linguaggio come ChatGPT. Invece di elaborare sequenze di parole, Delphi-2M analizza sequenze di eventi clinici: diagnosi, fattori di rischio (come obesità, fumo, consumo di alcol), parametri fisiologici e informazioni demografiche.
Il modello è stato addestrato su 400.000 persone della UK Biobank e validato esternamente con i dati di 1,9 milioni di individui in Danimarca, senza bisogno di ri-addestramento. I risultati sono stati notevoli: Delphi-2M è stato in grado di predire con buona accuratezza l’insorgenza di patologie cardiovascolari, tumori, disturbi metabolici, neurologici e molti altri quadri clinici. Secondo i ricercatori, l’AUC (area sotto la curva ROC, un indice di accuratezza predittiva) ha raggiunto valori medi di 0,76 nei test interni e 0,70 per predizioni a lungo termine fino a dieci anni, con performance paragonabili o superiori a modelli clinici specifici già in uso.
Simulazioni fino a 20 anni e dati sintetici per proteggere la privacy
Uno degli aspetti più rivoluzionari di Delphi-2M è la capacità generativa. Il modello non solo calcola il rischio di malattie future, ma può simulare interi percorsi di salute individuali fino a 20 anni, offrendo uno strumento utile per pianificare screening e prevenzione. Un’altra caratteristica chiave è la possibilità di generare dati sintetici, ovvero dataset artificiali che mantengono le caratteristiche statistiche di quelli reali ma senza compromettere la privacy dei pazienti. Test condotti esclusivamente su dati sintetici hanno mostrato che il modello mantiene un’accuratezza solo lievemente inferiore a quella ottenuta con dati reali.
Potenzialità e limiti: verso la medicina predittiva di popolazione
Le applicazioni sono ampie:
- Individuazione di soggetti ad alto rischio, anche prima che emergano segni clinici evidenti.
- Ottimizzazione dei programmi di screening, adattandoli non solo all’età ma alla storia clinica e ai fattori di rischio individuali.
- Pianificazione sanitaria, con previsioni a livello di popolazione sui carichi di malattia attesi nei prossimi decenni.
Tuttavia, i ricercatori avvertono dei limiti importanti:
- Bias nei dati: la UK Biobank, principale fonte di addestramento, contiene soprattutto individui bianchi, più sani e più istruiti della media, introducendo un effetto “volontario sano”.
- Incompletezza delle fonti: differenze tra registri ospedalieri, medici di base e dati auto-riferiti possono influenzare le predizioni.
- Interpretazione non causale: le correlazioni individuate non equivalgono a relazioni di causa-effetto e non possono essere utilizzate per decisioni cliniche dirette senza ulteriori validazioni.
Prospettive future
Il team sottolinea che Delphi-2M può essere ulteriormente potenziato integrando dati genomici, metabolomici, immagini diagnostiche e dati da dispositivi indossabili. Una tale estensione multimodale potrebbe rappresentare il passo decisivo verso la medicina personalizzata predittiva, in grado non solo di curare ma di anticipare l’insorgenza delle malattie. In un’epoca di invecchiamento demografico e aumento della multimorbidità, strumenti come Delphi-2M offrono un’opportunità senza precedenti per ripensare la sanità pubblica: da reattiva a predittiva, da standardizzata a personalizzata.
Delphi-2M dimostra come l’intelligenza artificiale, se applicata a grandi dataset sanitari, possa diventare un alleato per comprendere l’evoluzione della salute lungo tutto l’arco della vita. Un passo concreto verso la medicina del futuro, pur con le cautele necessarie nell’uso clinico diretto.
Vuoi ricevere le notifiche sulle nostre notizie più importanti?