Un modèle d’IA générative développé par l’EMBL, le DKFZ et l’Université de Copenhague, capable de prédire la trajectoire de santé d’une personne sur deux décennies, a été mis en avant. Ce modèle utilise des histoires médicales anonymisées pour estimer le risque de plus de 1 000 maladies, ayant été entraîné sur 400 000 participants du UK Biobank et testé sur 1,9 million de patients au Danemark. L’approche technique emprunte des méthodes d’apprentissage des modèles de langage, où les diagnostics médicaux et les facteurs de style de vie sont considérés comme des ‘tokens’ dans une grammaire de la santé. Ce modèle peut simuler des trajectoires de santé à long terme, mais sa fiabilité décroît avec le temps, semblable aux prévisions météorologiques. Bien que cela ouvre des possibilités pour cibler la prévention plutôt que le traitement, des biais dans les données peuvent conduire à des prévisions inégalement distribuées. La modélisation développe des probabilités plutôt que des certitudes, et offre des estimations des risques de maladies dans des cohortes spécifiques. Les résultats sont particulièrement solides pour les maladies à progression constante, tandis que les troubles mentaux et les complications liées à la grossesse sont plus difficiles à prédire. Les chercheurs soulignent que ce modèle est un concept de preuve et qu’il nécessite une validation dans des populations diverses avant d’être utilisé cliniquement. L’IA générative pourrait un jour aider à personnaliser les soins de santé et à anticiper les besoins sanitaires à grande échelle. Cependant, des défis, tels que la confidentialité et l’intégration dans la prise de décision clinique, subsistent. En traitant les antécédents de santé comme des récits structurés, ces modèles pourraient transformer notre compréhension de la progression des maladies et devenir des outils préventifs dans les infrastructures de santé. Source : https://longevity.technology/news/ai-model-predicts-health-decades-ahead/
Prédictions de santé à long terme grâce à un modèle d’IA générative
