AI “multi-malattia” che predice 1.000+ diagnosi

Cosa è successo?

Un paper su Nature presenta Delphi-2M, un modello generativo simile ai GPT applicato alle traiettorie cliniche, capace di prevedere rischio e timing di oltre 1.000 malattie a partire dalla storia sanitaria individuale. Il sistema è stato addestrato su circa 400.000 partecipanti della UK Biobank e validato su 1,9 milioni di individui danesi senza riaddestramento, dimostrando capacità di generalizzazione. L’innovazione non è solo tecnica ma concettuale: la prevenzione sanitaria viene ripensata come previsione probabilistica multi-esito, superando strumenti separati per singole patologie e screening standardizzati basati su età o fattori di rischio limitati.

Perché è importante?

Il modello riflette il passaggio da prevenzione uniforme a allocazione mirata delle risorse verso popolazioni ad alto rischio, particolarmente rilevante in sistemi segnati da multimorbidità e cronicità. Le implicazioni riguardano assicurazioni e risk management, dove risk score multi-malattia possono supportare programmi preventivi ma sollevano rischi di discriminazione e selezione avversa. Sul piano del welfare, capacità predittive più robuste possono orientare pianificazione di budget, workforce e capacità ospedaliera. Il valore di mercato, tuttavia, dipenderà dall’integrazione nei workflow clinici e dalla governance dei modelli.

E adesso?

I nodi chiave riguardano test clinici reali e impatto su costi e outcome, definizione di regole su trasparenza, bias e uso assicurativo dei risk score e integrazione con dataset più ricchi (genomici e proteomici) con implicazioni rilevanti per privacy, consenso e responsabilità clinica.