Un nuovo modello di intelligenza artificiale chiamato Delphi-2M potrebbe rivoluzionare la medicina del domani, permettendo di prevedere la probabilità che una persona sviluppi oltre 1.000 malattie anche molti anni prima della comparsa dei sintomi. Lo dimostra il recente studio pubblicato su Nature da ricercatori dell’European Molecular Biology Laboratory (EMBL), del German Cancer Research Center (DKFZ) e dell’Università di Copenaghen.
Cosa è Delphi-2M e come funziona
Addestramento su grandi dataset: il modello è stato “allenato” usando dati medici anonimizzati provenienti da circa 400.000 partecipanti della UK Biobank, e poi testato su altri 1,9 milioni di casi presenti nel registro nazionale danese.
Architettura ispirata ai modelli di linguaggio: Delphi-2M adotta tecniche simili a quelle dei grandi modelli linguistici (Large Language Models, LLMs), ma adattate al contesto sanitario. Impara le sequenze cronologiche di eventi medici (diagnosi pregresse, intervalli temporali, fattori di stile di vita) per prevedere come la salute di una persona possa evolvere.
Previsioni su lungo termine: il sistema può stimare rischi anche su un orizzonte di circa 10-20 anni. Non significa che una patologia insorgerà con certezza, ma che il rischio è elevato rispetto a un profilo medio.
A cosa Delphi-2M è particolarmente affidabile… e dove ha limiti
Punti forti
Buone prestazioni per malattie croniche con decorso relativamente prevedibile: diabete, malattie cardiovascolari, vari tumori, sepsi.
Capacità di operare su popolazioni diverse: modello addestrato in UK, testato in Danimarca, e ha mantenuto un buon grado di accuratezza anche senza dati genetici, pur migliorabile con essi.
Limiti e sfide
Meno affidabile per patologie che non seguono schemi facilmente riconoscibili, come molti disturbi mentali, infezioni con decorso imprevedibile, complicazioni durante la gravidanza.
Questione della generalizzabilità: il modello è stato testato su popolazioni europee (UK e Danimarca), che hanno sistemi sanitari, stili di vita, dati demografici relativamente simili. È necessario verificarne l’efficacia in popolazioni più varie (etnia, condizioni socioeconomiche, ambientali).
Aspetti etici e di privacy: come in tutti i progetti simili, è fondamentale garantire anonimizzazione, trasparenza, consenso, evitare discriminazioni nell’uso delle previsioni.
Implicazioni: cosa potrebbe cambiare
Se sviluppato e adottato su larga scala, Delphi-2M e modelli affini potrebbero portare a:
Medicina preventiva personalizzata: identificare i fattori di rischio individuali molto prima e intervenire con cambiamenti di stile di vita, screening mirati, terapie precoce.
Migliore allocazione delle risorse sanitarie pubbliche: focalizzare gli sforzi dove il rischio è maggiore, prevenire malattie gravi riducendo costi futuri.
Empowerment dei pazienti: consapevolezza del proprio profilo di salute, possibili decisioni informate su stili di vita, dieta, attività fisica, visite preventive.
Sfide regolatorie: definire come le previsioni vengano usate in clinica, come comunicare il rischio ai pazienti, come proteggere da diagnosi erronee o allarmismi.
Stato attuale e passi successivi
Delphi-2M non è ancora pronto per l’uso clinico generalizzato. Serve ulteriore validazione, soprattutto in popolazioni diverse, affinamento del modello, integrazione di nuovi dati (genetici, proteomici, ambientali) per migliorare precisione e completezza.
I ricercatori stimano che possa diventare uno strumento utile nei prossimi anni, ma non sostituirà mai il giudizio clinico: piuttosto aiuterà il medico a orientarsi meglio.
Delphi-2M rappresenta un passo importante verso una medicina che non aspetta la malattia, ma la previene. Un futuro in cui l’anamnesi, lo stile di vita, i dati sanitari personali – uniti all’IA – ci permettono di anticipare cosa potrebbe succedere al nostro corpo e agire in anticipo. Tuttavia, come per ogni tecnologia pionieristica, resta cruciale bilanciare innovazione, responsabilità, equità e rispetto del paziente.
