Tim peneliti dari Inggris, Denmark, Jerman, dan Swiss mengumumkan pengembangan model kecerdasan buatan (AI) terbaru bernama Delphi-2M. Teknologi ini diklaim mampu memproyeksikan risiko lebih dari 1.000 jenis penyakit dengan tingkat akurasi yang menjanjikan.
Delphi-2M dilatih menggunakan data UK Biobank, basis data biomedis Inggris dengan hampir satu juta peserta. Model tersebut kemudian diuji ulang pada 1,9 juta rekam medis warga Denmark tanpa perlu mengubah parameter awal.
Menurut Moritz Gerstung, pakar AI dari German Cancer Research Center, kecerdasan buatan ini belajar membaca urutan diagnosis layaknya memahami “tata bahasa” dalam sebuah teks. Dengan demikian, Delphi-2M dapat mendeteksi pola keterkaitan antarpenyakit dan menghasilkan prediksi yang bermakna bagi kesehatan.
Sebagai contoh, sistem ini mampu menyaring individu dengan risiko serangan jantung yang jauh lebih tinggi atau lebih rendah daripada perhitungan standar berbasis usia dan faktor umum lainnya. Meski begitu, tim peneliti menegaskan Delphi-2M masih dalam tahap pengembangan dan belum siap digunakan secara luas.
Dalam jurnal Nature berjudul Learning the Natural History of Human Disease with Generative Transformers, para peneliti menjelaskan bahwa model ini bekerja dengan merepresentasikan riwayat kesehatan seseorang melalui kode diagnosis ICD-10, usia saat diagnosis, jenis kelamin, indeks massa tubuh, kebiasaan merokok, hingga konsumsi alkohol.
Dengan pendekatan generatif, Delphi-2M bahkan bisa menyintesis proyeksi lintasan kesehatan hingga 20 tahun ke depan. Prediksi tersebut tidak hanya memberi gambaran risiko penyakit pada individu, tetapi juga dapat digunakan untuk memperkirakan beban kesehatan pada skala populasi, tanpa mengekspos data pribadi.
Namun, keterbatasan tetap ada. Basis data Inggris dan Denmark yang digunakan dinilai memiliki bias umur, etnis, serta sistem layanan kesehatan. Peter Bannister, peneliti teknologi kesehatan di Institution of Engineering and Technology Inggris, menilai tantangan ini harus diatasi agar teknologi bisa bermanfaat dalam pemantauan dan intervensi dini berbasis pengobatan preventif.
Tom Fitzgerald dari European Molecular Biology Laboratory menambahkan, jika dikembangkan lebih lanjut, sistem seperti Delphi-2M berpotensi membantu optimalisasi sumber daya dalam sistem kesehatan yang kian kompleks.
Profesor Gustavo Sudre dari King’s College London menyebut riset ini sebagai langkah penting menuju pemodelan prediktif yang skalabel, dapat ditafsirkan, dan bertanggung jawab secara etis.
Ke depan, fase penelitian berikutnya akan difokuskan pada uji lintas populasi, mitigasi bias, serta integrasi biomarker klinis agar prediksi semakin relevan dalam praktik medis. Jika berhasil, Delphi-2M dapat dimanfaatkan untuk mendukung skrining dini, mendorong perubahan gaya hidup, hingga memberi wawasan bagi pembuat kebijakan dalam merencanakan strategi kesehatan masyarakat.