前瞻性模型旨在使用基于真实医疗记录训练的生成式人工智能来预测5700万患者的疾病风险。
在医疗保健领域国家级人工智能的一次可能具有决定性意义的测试中，英国已经利用其几乎全体国民的病历训练了一个生成式人工智能模型。这个名为前瞻性（Foresight）的模型是使用来自5700万患者的英国国家医疗服务体系（NHS）的去标识化数据开发的，旨在预测一千多种未来疾病诊断情况，包括住院、并发症以及像心肌梗死这样的重大病症。
该数据集源于2018年至2023年间的全科医生出诊、医院互动、疫苗接种和国家死亡登记，代表了超过100亿个医疗事件。其庞大的规模使“前瞻性”模型成为规模和凝聚力方面独一无二的试验；没有其他医疗体系——当然没有像英国国家医疗服务体系这么庞大和复杂的体系——尝试过以这种方式训练生成式人工智能。
该项目由伦敦大学学院（University College London）和伦敦国王学院（King’s College London）的研究人员与英格兰国民医疗服务体系（NHS England）、英国心脏基金会（BHF）数据科学中心以及英国健康数据研究中心（Health Data Research UK）合作牵头开展。该模型基于Meta公司的LLaMA 2架构构建，在英格兰国民医疗服务体系的安全数据环境中进行训练，使用亚马逊（Amazon）和Databricks提供的云基础设施。虽然许多人工智能模型是用精选或合成数据进行测试的，但“前瞻性”模型的独特之处在于它基于现实世界——基于一个国家整个医疗体系的临床数据进行训练。
《长寿技术（Longevity.Technology）》：这标志着数据驱动医学的一个真正意义重大的时刻——也是朝着人群规模的预防保健迈出的大胆一步。使用5700万人的去标识化健康记录来训练生成式人工智能，这既是一项后勤壮举，也是英国独有的一项宏伟计划，英国国家医疗服务体系（NHS）的集中化结构使之成为可能。“前瞻性”模型在范围和方法上都很有雄心：它是人群规模的人工智能，旨在预测数千种潜在病症的个体风险，并且做到具有前所未有的精细度和覆盖范围。这预示着未来预测模型会像气象诊断系统一样发挥作用——在症状出现之前很久就能识别出高危患者。
但仅有规模并非优点。由于没有退出机制、没有患者补偿措施且没有公布衡量标准，该项目在富有远见的科学与伦理越界之间走钢丝。公众对医疗人工智能的信任不仅取决于这些模型能做什么，还取决于它们做事的透明度和责任感如何。
研究人员目前正在评估该模型的预测能力——具体而言，就是它能否基于2018年至2022年的数据对2023年的结果进行回溯性地预测。如果成功，这种方法可能标志着医疗保健策略的转变：从回顾性分析转向前瞻性干预。然而，这也引发了有关同意、控制和效用之间关系的疑问——特别是当这种规模的数据集使个人没有选择退出机制，并且一旦数据被纳入模型就无法删除记录时。
伦敦大学学院健康信息学研究所的首席研究员克里斯·汤姆林森博士强调了大规模数据使用中包容性的价值。“人工智能模型的好坏取决于其训练所使用的数据。所以，如果我们想要一个能造福所有病症患者的模型，那么人工智能在训练期间就需要看到这些数据。
“利用全国性的数据能让我们呈现出英格兰人口如万花筒般的多样性，特别是对于少数群体和罕见病患者，他们通常被排除在研究之外[1]。”
对于专注于衰老生物学及其临床转化研究的人员来说，像“先见”（Foresight）这样的模型可能为风险分层和早期检测提供必要的框架。在传统诊断之前很久就识别出即将进入衰弱前期或者显示出认知或代谢衰退细微迹象的个体，能够实现及时、有针对性的干预，从而有助于保持身体机能并延长健康寿命。