摘要：莎士比亚名言“To be or Not to be”，在此引申为“一个人希望患病或不患病(健康)。显然没人愿意得病，都希望健康。如何预测自己是否患病、特别是致命性疾病，如心血管疾病、神经退行性疾病、代谢性疾病、精神疾病或癌症等，这些疾病总计约占疾病发病率、死亡

原创GlobalMD全球医生组织

2025年04月30日 06:30美国

莎士比亚名言“To be or Not to be”，在此引申为“一个人希望患病或不患病(健康)。显然没人愿意得病，都希望健康。如何预测自己是否患病、特别是致命性疾病，如心血管疾病、神经退行性疾病、代谢性疾病、精神疾病或癌症等，这些疾病总计约占疾病发病率、死亡率和医保费用支出的90%。这是未来医学的重点方向——AI预测个人患病率。关注详情。

已知慢性进行性疾病占全球医疗负担的90%以上。如何利用AI技术精准识别高风险人群已经成为现代医学——未来健康长寿的关键挑战。

传统疾病风险预测工具往往基于单一时间点的数据，准确率有限，且难以捕捉疾病的动态发展过程。研究人员最新开发出一款突破性、且可自我解释的AI辅助工具箱，正在改变这一现状。

“风险路径”是利用时间序列深度学习技术，分析纵向数据中的动态变化模式，为疾病的精准预测带来多方面创新：

首先，它能处理真实环境中的常用健康数据和检测表格，实现了85%-99%的预测准确率，远超过传统预测方法。

其次，通过扩展Shapley值技术，“风险路径”解决了AI"黑盒"问题，使复杂的神经网络模型变得透明可解释；

第三，它能绘制"风险途径图"，直观展示个人的各种风险因素是如何随时间变化(年龄衰老)并相互作用，为主动干预提供了时间“窗口”；

最后，“风险途径”提供了理论优化框架，帮助用户在模型复杂性与性能间寻找平衡，实现高效精简的临床应用。

研究人员在三类大型长期队列研究中验证了该AI算法，成功预测了多种精神疾病、高血压和代谢综合征等八种常见慢病早期风险。数据显示，对大多数疾病，仅需要10个关键因素，即可以实现近似完整AI模型的预测能力，大大简化临床实施难度。例如，研究发现屏幕时间和执行功能在儿童接近青春期时，对与ADHD潜在风险的影响显著增加。

医学界人士评论认为，AI技术正在推动医学研究和疾病预测，从单一风险因素模型转向多步骤、动态风险路径的全局视角，为慢性疾病的早期预防和主动干预开辟了新途径。

随着AI技术与健康大数据的深度融合，这一AI预测工具有望为精准医疗和健康长寿管理带来变革性的影响。

来源：营养和医学