Grundlage sind anonymisierte Daten von 400.000 Patient:innen aus dem UK und 1,9 Millionen Menschen aus dem dänischen Patientenregister.
Das Modell orientiert sich an Algorithmen, die auch bei großen Sprachmodellen wie ChatGPT eingesetzt werden. Die Software zeigt dabei erstaunliche Treffsicherheit. „Unser KI-Modell lernt diese Muster und kann zukünftige Gesundheitsergebnisse prognostizieren“, sagt Tom Fitzgerald vom EMBL. Besonders zuverlässig arbeitet das System bei Erkrankungen mit klaren Mustern wie Diabetes, Herzinfarkten oder Sepsis. Weniger präzise sind die Prognosen bei Infektionskrankheiten oder sehr seltenen Diagnosen.
Aktuell ist das Modell noch nicht reif für den klinischen Alltag. Stattdessen soll es zunächst helfen, Krankheitsverläufe besser zu verstehen, den Einfluss von Lebensstilfaktoren zu untersuchen oder künstliche Patientendaten zu simulieren, wenn reale Informationen fehlen. Langfristig könnte die Technologie Gesundheitspersonal dabei unterstützen, Hochrisikopatient:innen früher zu identifizieren und Ressourcen effizienter einzuplanen.
