Onderzoekers van het European Molecular Biology Laboratory (EMBL) hebben het generatieve AI‑model Delphi‑2M ontwikkeld, dat met gegevens uit grootschalige, geanonimiseerde gezondheidsdossiers voorspellingen doet voor meer dan 1.000 ziekten, en dat vaak tientallen jaren vooruit.
Het systeem is gebouwd op een transformer‑architectuur, vergelijkbaar met die van grote taalmodellen, met speciale aanpassingen voor medische data. Delphi‑2M werd getraind met ongeveer 400.000 deelnemers uit de UK Biobank. Voor externe validatie is het succesvol getest op 1,9 miljoen patiënten uit het Deense nationale patiëntenregister. Voor veel aandoeningen haalt het model een prestatie die vergelijkbaar is met gespecialiseerde risicotools, zoals QRisk voor hart- en vaatziekten. De resultaten van het onderzoek zijn deze week gepubliceerd in Nature.
Wat kan Delphi‑2M betekenen voor de zorg
- Delphi‑2M kan gezondheidsrisico's op bevolkingsniveau voorspellen. Beleidsmakers kunnen hiermee inschatten hoeveel mensen waarschijnlijk bepaalde chronische ziekten zullen krijgen, waardoor preventieve interventies beter en gerichter ingezet kunnen worden.
- Hoewel de resultaten veelbelovend zijn, geven de onderzoekers aan dat Delphi‑2M nog enkele jaren ontwikkeling nodig heeft voordat het routinematig gebruikt kan worden in individuele patiëntenzorg. Validatie, betrouwbaarheid, en integratie in klinische workflow zijn cruciaal. Kortom, het is op dit moment nog niet geschikt voor gebruik in de dagelijkse praktijk.
- Het model werkt bijzonder goed bij ziekten met voorspelbare progressie, zoals hart‑ en vaatziekten, diabetes en infecties. Voor aandoeningen met sterk wisselende oorzaken of zeer zeldzame aangeboren ziekten zijn voorspellingen minder betrouwbaar.
Technologische & ethische uitdagingen
Delphi‑2M gebruikt alleen medische dossiers en basislevensstijlvariabelen zoals geslacht, leeftijd, BMI, rookgewoonten etc. Biologische gegevens zoals genen of proteïneprofielen worden nog niet meegenomen, maar de onderzoekers zijn van plan die in een later stadium toe te voegen.
Een aandachtspunt is dat training en validatie‑datasets vaak demografisch beperkt zijn (zoals de UK Biobank die voornamelijk Britse deelnemers bevat) waardoor bias mogelijk is. Ook de interpretatie van voorspellingen moet transparant zijn, zodat patiënten én artsen begrijpen wat de risicovoorspelling betekent.
Delphi‑2M kan zich ontpoppen als een belangrijke stap in de ontwikkeling van voorspellende modellen in de gezondheidszorg. Het laat zien dat AI op basis van eenvoudige, reeds beschikbare dossiers al veel ziekten kan voorspellen met een kwaliteit die matcht met gespecialiseerde tools. Voor de toekomst ligt de uitdaging in het opschalen, extern valideren, integreren in de dagelijkse zorgpraktijk én zorgen voor ethisch verantwoorde inzet: privacy, eerlijkheid, en begrijpelijkheid. Als dat lukt, is er potentie voor zowel verbeterde patiëntuitkomsten als effectievere preventieprogramma’s.
AI voorspelmodellen
Delphi-2M is zeker niet het eerste voorbeeld waarbij AI ingezet wordt gezondheidsvoorspellingen te kunnen doen. Al in 2021 werkten onderzoekers van het Catharina Hart- en Vaatcentrum en de TU Eindhoven binnen het COMBAT-VT-project aan een AI-model dat voorspelt welke patiënten na een hartinfarct hartritmestoornissen ontwikkelen. Uniek aan dat project was dat er geen vaste dataset werd gebruikt. In plaats daarvan werd per patiënt gekeken welke gegevens, zoals ECG’s, radiologische beelden en dossierinformatie, beschikbaar waren.
Eerder deze week berichtten wij over een AI-model, ontwikkeld door onderzoekers van Moorfields Eye Hospital NHS Foundation Trust en University College London, dat voorspelt welke patiënten met keratoconus direct behandeling nodig hebben en welke patiënten veilig kunnen worden gevolgd.
