【资料图】

研究团队使用3组涵盖数千份患者电子健康记录的数据集，对现有的大型语言模型进行了训练。这款名为“数字孪生-生成式预训练变换器”（DT-GPT）的AI模型对阿尔茨海默病、非小细胞肺癌患者，以及重症监护病房患者的医疗数据进行了分析。

该模型可生成患者的“数字孪生体”，并结合医学文献知识，对患者的病史、实验室化验结果、诊断和治疗方案等进行综合分析。检验结果显示，DT-GPT能够准确预测患者的健康状况变化，且准确性优于其他14种最先进的机器学习模型。例如，研究人员为3.5万多名重症监护病房的患者创建了“数字孪生体”，并依据前一天的实验室化验结果，准确地预测了他们在24小时内的镁水平、血氧饱和度及呼吸频率的变化。

研究人员表示，这一大模型工具“可使医生提前判断患者健康状况是否会恶化，从而尽早干预”，并能预测药物副作用，帮助医生根据每位患者的独特特征定制治疗方案，改善治疗效果。这项技术为从被动医疗转向预测性和个性化医疗铺平了道路，可能为临床试验领域带来颠覆性影响。

相关研究结果已发表于英国《自然合作期刊-数字医学》杂志。