AI医疗里程碑:新系统可提前数年预测1000多种疾病风险
一套全新的AI系统正式亮相,能够在症状出现前数年预测个体罹患超过1000种疾病的风险。该系统整合了基因组学、电子病历、可穿戴设备数据和生活方式指标,通过多模态深度学习模型进行综合分析。在大规模临床验证中,该系统对心血管疾病、2型糖尿病、多种癌症的预测准确率显著高于传统风险评估工具。这意味着「被动治疗」向「主动预防」的医疗范式转变正在加速——未来每个人可能拥有一份实时更新的疾病风险图谱。但专家也指出,大规模部署面临数据隐私、医疗公平性和过度诊断等挑战,如何在技术能力与伦理约束之间取得平衡将是关键。
一套革命性的AI疾病预测系统在2026年3月正式亮相,标志着预防医学领域的重大突破。该系统能够在症状出现前数年预测个体罹患超过1000种疾病的风险,将医疗范式从「有症状才就医」推向「无症状即预警」。这一成果由英国剑桥大学医学AI实验室主导,联合Google DeepMind健康团队和NHS(英国国家医疗服务体系)共同开发,研究成果发表在《Nature Medicine》上。
这套系统的核心技术是一种名为「多模态健康图谱」(Multi-Modal Health Graph)的深度学习架构。它能同时处理电子病历、基因组数据、可穿戴设备的连续生理信号、影像学资料以及生活方式数据,通过1.2万亿参数的Transformer模型进行跨模态推理。据Earth.com报道,研究团队使用了英国生物银行(UK Biobank)中超过50万人长达15年的纵向健康数据进行训练,并在独立的验证集上取得了平均AUC 0.91的预测准确率。
具体而言,该系统在心血管疾病的5年预测上达到了AUC 0.94,在2型糖尿病上为0.93,在多种癌症早期风险评估上为0.87。《MIT Technology Review》指出,这意味着每10个被系统标记为高风险的患者中,有9个确实在随后几年内发展出相关疾病。更重要的是,系统可以给出具体的风险因子归因分析,告诉医生和患者哪些因素贡献了最大风险。
世界卫生组织(WHO)总干事谭德塞在声明中表示:「这项技术有望从根本上改变全球公共卫生策略。如果我们能在疾病发生前数年进行干预,全球医疗支出可能减少数万亿美元。」WHO同时发布了《AI预测医学伦理指导框架》,强调在部署此类系统时必须确保数据隐私保护和算法公平性。
NHS已宣布将在2026年下半年启动为期两年的临床试验,覆盖英格兰地区约200万人。参与者将获得个性化的疾病风险评分和AI生成的预防建议。英国卫生大臣表示,如果试验成功,计划在2028年前向所有NHS注册居民推广这一服务。据《金融时报》估算,仅在英国,这一系统如果全面部署,每年可避免约12万例可预防疾病的发生,节省NHS约40亿英镑的医疗开支。
然而,该系统也引发了不少争议。哈佛大学医学伦理学教授Sarah Chen警告称,「过早告知患者未来患病风险可能导致严重的心理负担,甚至引发不必要的过度医疗。」此外,保险行业对此技术表现出浓厚兴趣,引发了关于基因歧视和健康数据商业化的担忧。欧洲议会已经开始讨论是否需要立法禁止保险公司使用AI预测数据来调整保费。
在技术层面,Google DeepMind的首席健康科学家Alan Karthikesalingam在Nature Medicine的配发评论中指出,该系统的突破在于成功融合了基因组学和实时生理数据。传统的多基因风险评分(PRS)只能解释约20%的疾病遗传风险,而新系统通过整合环境和行为数据,将解释力提升到了65%以上。他同时坦承,该系统在非欧洲裔人群中的表现仍有差距,研究团队正在与非洲和亚洲的医疗机构合作扩展训练数据的多样性。
业内人士普遍认为,这一突破将加速AI医疗产业的发展。Morgan Stanley在最新研报中将全球AI医疗市场的2030年预估规模从1870亿美元上调至2400亿美元。从预防到诊断再到治疗,AI正在重塑医疗健康的每一个环节。
从全球竞争格局来看,AI疾病预测领域正在形成三极竞争态势。美国方面,Google DeepMind和微软Research Health分别在癌症早筛和罕见病预测上取得重大进展,Johns Hopkins大学的临床试验已经覆盖30万患者。中国方面,百度健康和商汤科技联合推出的「AI体检」系统已在北京、上海等城市的50家三甲医院试运行,重点针对中国高发的胃癌、肝癌和食道癌。欧洲方面,除了本次发布的剑桥系统外,法国INRIA和德国马普研究所也在推进泛欧洲的多中心临床验证项目。
从技术路线来看,该系统还面临数据质量的根本性挑战。各国电子病历系统的标准化程度差异巨大——美国使用HL7 FHIR标准,欧洲各国标准不一,而大量发展中国家的医疗记录仍以纸质形式存在。可穿戴设备数据的准确性也参差不齐——消费级设备的传感器精度远低于医疗级别,不同品牌之间的数据格式和采样频率也不统一。如何在「脏数据」上保持模型的鲁棒性,是系统从实验室走向临床的最大技术障碍。
投资界对这一赛道的热情空前高涨。据PitchBook数据,2025年全球医疗AI领域的风险投资总额达到287亿美元,其中疾病预测和早筛方向占比从2023年的12%飙升至2025年的34%。红杉资本合伙人在最近的行业会议上表示:「AI疾病预测是继AI制药之后,医疗AI领域最有可能产生千亿市值公司的赛道。」正如《Nature Medicine》编辑评论所写:「如果说AI的其他应用是在提升效率,那么疾病预测AI则可能真正挽救生命。每提前一年发现癌症风险,患者的五年生存率就能提高20%以上。」