疾患予測AIモデル「Delphi-2M」｜GPTベースで未来の健康リスクを予測

昔世界史の授業の時に「デルフォイ（デルポイ, Delphi）の神託」というのが出てきました。デルフォイはギリシア中部の都市でアポロン神殿があり、ここで巫女の口をかりて伝えられる神託（神の預言）は、すべてのギリシア人にとって真実のものと尊ばれ、運命を左右する役割を演じていたとされています。

本研究では、人間の疾患の自然経過を学習する生成型トランスフォーマーモデル「Delphi-2M」が提案されています。Delphi-2Mのアーキテクチャは、GPT-2をベースにしており、連続的な時間軸で発生する疾患履歴データをモデル化するために拡張されており、英国バイオバンクの40万人以上の参加者のデータを用いて訓練されました。個々の過去の疾患履歴を条件として、1,000以上の疾患の発生率を予測し、その精度は既存の単一疾患モデルに匹敵しました。外部検証としてデンマークの人口登録データを用いて評価した結果、Delphi-2Mは、わずかに精度が低下するものの、デンマークのデータででも、一定の信頼性のある予測が可能であることが示されました。過去のデータから未来の健康状態を予測する能力を持つため、この神託になぞらえてDelphi-2Mと名付けられたと思われます。

しかし、Delphi-2Mにも限界があり、例えば、英国バイオバンクのデータには、病気の初回発症しか記録されていません。また健康なボランティアのバイアスや、参加者の選択バイアスなどのバイアスがあります。研究チームは、様々な国のデータセットで精度を検証し、更なる改良を目指しています。

（結論）Delphi-2Mは、多疾患進行のGPTベースモデルであり、GPT大規模言語モデルを拡張して、健康軌跡の時間的な性質を考慮しており、予防医療、臨床意思決定支援、医療計画など、幅広い応用が期待されます。

論文情報
Shmatko, A., Jung, A.W., Gaurav, K. et al. Learning the natural history of human disease with generative transformers. Nature (2025). https://doi.org/10.1038/s41586-025-09529-3