9月20日，一项突破性的健康预测技术登上《自然》杂志，引发全球医学界广泛关注。这项由欧洲分子生物学实验室（EMBL）、德国癌症研究中心及哥本哈根大学联合研发的生成式人工智能工具，能够基于个体病史与生活方式数据，模拟并预测超过一千种疾病的潜在风险，甚至可将预警时间提前十年以上。
该AI系统名为Delphi-2M，其核心技术理念借鉴了大语言模型的运作机制——不是简单地识别模式，而是学习医疗事件之间的复杂时序关系，从而“理解”一个人的健康演变路径。研究人员指出，这是生成式AI在人类疾病自然史建模领域迄今为止最全面、规模最大的应用之一。
Delphi-2M的核心能力在于整合多维度健康信息。它不仅分析过往诊断记录的时间节点，还纳入年龄、性别、吸烟、饮酒、体重等关键生活因素，构建出个性化的健康轨迹图谱。通过处理英国生物库40万名参与者与丹麦国家患者登记处190万匿名病例的数据，模型得以在真实世界中进行训练与验证。
EMBL-EBI科学家Tomas Fitzgerald解释道：“人体的健康变化并非随机发生，而是遵循一定的发展规律。我们的模型正是捕捉这些隐藏序列，并据此推演未来的可能走向。”这意味着，系统不仅能判断某人是否会患上糖尿病或肺癌，还能以动态概率形式展示风险随时间演变的趋势，如同气象预报中的降水概率一般直观。
研究团队强调，Delphi-2M的预测准确率已达到现有单病种模型的水平，但其优势在于广度和前瞻性。传统工具如Qrisk仅能评估特定疾病（如心脏病）的短期风险，而Delphi-2M则实现了跨病种、长周期的综合预判，甚至可生成未来二十年内的合成健康轨迹，为公共卫生规划和个人干预提供前所未有的参考依据。
EMBL临时执行主任Ewan Birney展望称：“未来医生或许会在问诊前就收到AI生成的风险摘要——‘您未来四大健康隐患是X、Y、Z，建议优先控制血压和戒烟’。虽然减重和戒烟仍是普遍建议，但某些高风险个体可能会获得更具针对性的预防方案。”
德国癌症研究中心的Moritz Gerstung教授评价称：“这不仅是技术进步，更是医疗范式的转变。我们正迈向一个能大规模实现个性化健康管理的新时代。”随着后续临床整合推进，这一工具或将重塑预防医学的实践方式，让“治未病”真正成为现实。
