Une IA capable de prévoir des diagnostics des années à l'avance — plus d'un millier de maladies envisageables
Des chercheurs affirment avoir créé Delphi-2M, un modèle d'IA capable d'évaluer les risques médicaux des années dans l'avenir en se fondant sur l'historique médical d'un patient. Cette approche s'appuie sur la même technologie que les chatbots grand public, comme ChatGPT. L'étude est publiée dans Nature et s'appuie sur les données UK Biobank — une base de données biomédicale comprenant environ 500 000 participants. Les chercheurs avertissent cependant que ces résultats nécessitent des tests plus poussés et ne sont pas encore utilisables en clinique, car les ensembles de données peuvent être biaisés en termes d'âge, d'origine et de résultats médicaux actuels.
In This Article:
Delphi-2M lit l'histoire clinique comme une grammaire médicale
Delphi-2M « apprend les motifs dans les données de soins de santé, les diagnostics qui les précèdent, dans quelles combinaisons ils apparaissent et dans quelle succession ». Moritz Gerstung, expert en IA au Centre allemand de recherche sur le cancer, explique que comprendre une séquence de diagnostics ressemble à l'apprentissage de la grammaire d'un texte. L'outil repose sur une architecture dite « transformer », célèbre pour les tâches de traitement du langage, mais adaptée ici à des données médicales pour repérer les schémas temporels et tirer des prédictions pertinentes.
Validation et premiers résultats
Les auteurs ont vérifié Delphi-2M sur les données de près de deux millions de personnes du registre danois de santé publique. Les résultats suggèrent que le modèle peut identifier des personnes à risque bien plus élevé ou bien plus faible que ce que prédisent l'âge et d'autres facteurs. Le UK Biobank (500 000 participants) a été utilisé comme source d'apprentissage, renforçant l'échelle de l’évaluation. En pratique, QRISK3 est déjà utilisé par les médecins britanniques pour estimer le risque d’infarctus ou d’AVC; Delphi-2M promet d’étendre ce cadre à plus de maladies et sur des horizons temporels plus longs.
Limites et enjeux éthiques
Des chercheurs indépendants soulignent que les ensembles de données restent biaisés selon l'âge, l'origine ethnique et les résultats de soins. « Ce système est encore loin d'améliorer les soins cliniques », affirme Peter Bannister, membre de l'IET britannique. Les auteurs insistent sur la nécessité d'une IA « interprétable » — explicable — afin que médecins et patients puissent comprendre les prédictions. Tom Fitzgerald, co-auteur et membre de l’EMBL, rappelle que ces outils pourraient, à terme, aider à optimiser les ressources d'un système de santé déjà sous tension.
Vers l'avenir: prévention, ressources et responsabilité
À long terme, Delphi-2M pourrait guider la surveillance et déclencher des interventions plus précoces, ouvrant la voie à une médecine préventive. Dans un système de soins souvent soumis à des contraintes, ces outils pourraient aider à optimiser les ressources et améliorer l’efficacité. Les auteurs réaffirment l’importance de l’interprétabilité et de l’éthique, et soulignent que le modèle doit être utilisé de manière responsable. Gustavo Sudre (King’s College London), Ewan Birney et d’autres voient en Delphi-2M une étape clé vers une modélisation prédictive scalable, interprétable et éthiquement responsable.
