核心技术 - 墨尔本大学研究团队开发出一种名为数字孪生-生成式预训练变换器（DT-GPT）的人工智能工具 [1] - 该AI工具能够创建患者的"数字孪生体"并成功预测患者的个体健康状况 [1] - 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大型语言模型进行训练 [1] 模型应用与验证 - DT-GPT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 [1] - 模型可生成患者数字孪生体，结合医学文献知识对患者病史、化验结果、诊断和治疗方案进行综合分析 [1] - 检验结果显示，DT-GPT预测患者健康状况变化的准确性优于其他14种最先进的机器学习模型 [1] - 研究人员为35000多名重症监护病房患者创建数字孪生体，依据前一天的实验室化验结果准确预测了24小时内镁水平、血氧饱和度及呼吸频率的变化 [1] 行业影响与前景 - 该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 [2] - 该技术能够预测药物副作用，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 [2] - 这项技术为从被动医疗转向预测性和个性化医疗铺平道路，可能为临床试验领域带来颠覆性影响 [2] 研究成果发布 - 相关研究结果已发表于英国《自然合作期刊-数字医学》杂志 [3]