医療科学：医療を導くAIツール
Nature
人の健康状態が生涯にわたってどのように変化するかを予測できる新たな人工知能（AI：artificial intelligence）モデルを報告する論文が、Nature にオープンアクセスで掲載される。このツールは、医師や医療計画担当者が個々の医療ニーズをより深く理解し、準備するのに役立つかもしれない。
多くの人々は、生涯に複数の疾患を経験するが、心血管疾患およびがんなど異なる疾患が互いにどのように影響し合うかを予測することは困難であった。医療上の意思決定は、患者の病歴に基づき、時間の経過とともに健康状態がどのように変化するかを予測することにますます依存している。AIは、患者の記録からなる大規模なデータセットを分析することで、疾患進行のパターンを特定する強力なツールを提供する。しかし、特に集団規模において、これらのモデルの潜在能力は依然としてほとんど未開拓のままである。
Moritz Gerstungら（ドイツがん研究センター〔ドイツ〕）は、患者の記録（生活習慣要因や他の健康状態など）における特定の疾患発生時期の相対的なパターンを検出するAIモデル「Delphi-2M」を開発した。このモデルは、英国の40万人分の健康データで訓練され、デンマークの約200万人分のデータを用いて検証された。著者らは、Delphi-2Mが個人の病歴に基づき1,000種類以上の疾患発生確率を予測できることを確認した。その精度は、各ツールで予測対象となる疾患数がはるかに少ない既存ツールと同等かそれ以上であった。さらに、最大20年先までの将来の健康経路をシミュレーションし、プライバシーを保護しつつ他のAIモデルの訓練に有用な合成データを生成することも可能であった。
この手法は、疾患リスクの高い個人の特定、スクリーニングプログラムの指針策定、および医療サービスの長期的計画立案に貢献する可能性がある。将来のバージョンでは、より多様な健康情報を取り込み、個別化医療の向上にも貢献するとみられる。ただし、著者らは、本モデルが学習データに内在するバイアスを反映している点、および追加検証なしに直接的な医療判断に用いるべきではない点を指摘している。
- Article
- Open access
- Published: 17 September 2025
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
A new artificial intelligence (AI) model that can predict how a person’s health might change over their lifetime is reported in Nature. This tool could help doctors and health planners to better understand and prepare for personalized medical needs.
Many people experience more than one illness during their lives, but predicting how different diseases affect each other, such as cardiovascular disease and cancer, has been challenging. Healthcare decisions increasingly depend on predicting how a person’s health will evolve over time, on the basis of their medical history. AI offers powerful tools for identifying patterns in disease progression by analysing large datasets of patient records. However, the full potential of these models, especially at population scales, remains largely unexplored.
Moritz Gerstung and colleagues created an AI model called Delphi-2M to spot patterns in when particular diseases occur relative to other events in patient records, such as lifestyle factors and other health conditions. The model was trained on health data from 400,000 people in the UK and was tested using data from nearly 2 million people in Denmark. The authors found that Delphi-2M predicted the likelihood of over 1,000 diseases on the basis of a person’s medical history with an accuracy similar to or better than existing tools that are largely focused on predicting far fewer diseases per tool. It was also able to simulate possible future health pathways for up to 20 years and generate synthetic data that protect privacy while still being useful for training other AI models.
This approach could potentially help to identify people at higher risk of illness, guide screening programmes and support long-term planning for healthcare services. Future versions may include more types of health information and help improve personalized care. However, the authors note that the model reflects biases in the data it was trained on, and that its predictions should not be used to make direct medical decisions without further testing.
doi: 10.1038/s41586-025-09529-3
「Nature 関連誌注目のハイライト」は、ネイチャー広報部門が報道関係者向けに作成したリリースを翻訳したものです。より正確かつ詳細な情報が必要な場合には、必ず原著論文をご覧ください。
