Kun je echt de volgende twintig jaar van je gezondheid voorspellen?
Tot voor kort was dat een sciencefictionvraag. Nu is het ineens realiteit.

In een baanbrekende publicatie in Nature introduceerden onderzoekers Delphi-2M. Dit is een nieuw AI-model dat het gezondheidstraject van mensen niet alleen beter kan voorspellen dan bestaande methoden, maar dat ook ver vooruitkijkt. Waar traditionele modellen één ziekte berekenen, kan Delphi-2M het risico op meer dan 1.000 verschillende aandoeningen voorspellen én inschatten wanneer ze zich waarschijnlijk zullen voordoen.

Waarom dit een grote stap vooruit is

De meeste risicomodellen die we vandaag kennen zijn gefragmenteerd: één berekent je kans op hart- en vaatziekten, een ander op diabetes of kanker. Ze werken in afzonderlijke “silo’s” en houden geen rekening met de onderlinge samenhang tussen aandoeningen.

Delphi-2M doet dat anders. Het werd getraind op gezondheidsdata van meer dan 400.000 mensen en analyseerde daarbij ruim 1,2 miljard klinische gebeurtenissen, zoals diagnoses, behandelingen, labwaarden, medicatie, leefstijlfactoren. In plaats van losse snapshots te nemen, leest Delphi-2M deze gegevens als een verhaal in de tijd: welke ziekte kwam eerst, wat volgde daarna, en hoe beïnvloeden die elkaar?

Zo kan het model bijvoorbeeld zien dat een depressie op je 40e je kans op cardiovasculaire ziekte op je 50e verhoogt, of dat prediabetes in combinatie met hoge bloeddruk een veel groter risico vormt op nierfalen dan elk afzonderlijk.

Nauwkeuriger én verder vooruit kijken

Wat Delphi-2M onderscheidt, is niet alleen de breedte, maar ook de diepte en precisie van zijn voorspellingen. Het model gebruikt een transformer-architectuur. Dit betekent dezelfde klasse van AI die ook taalmodellen zoals GPT aandrijft, maar dan getraind op gezondheidsdata. Hierdoor herkent het complexe patronen en interacties die traditionele modellen missen.

In tests presteerde Delphi-2M significant beter dan conventionele risicocalculators. Het voorspelde niet alleen nauwkeuriger welke ziekten zich waarschijnlijk ontwikkelen, maar ook wanneer dat het geval zal zijn. In sommige gevallen kon het tot 20 jaar vooruit een gezondheidstraject schetsen, inclusief volgorde en tijdlijn van verschillende aandoeningen. Waanzinnig als je erover nadenkt.

Wat dit betekent voor preventie

De klinische implicaties hiervan zijn enorm. Als we weten wanneer risico’s het hoogst zijn, kunnen we preventieve zorg strategischer inzetten:

• Screeningmomenten kunnen veel preciezer worden gepland, afgestemd op iemands unieke risicoprofiel.
• Interventies zoals leefstijlverandering, GLP-1-medicatie of hormoontherapie kunnen worden getimed op het moment dat ze de grootste impact hebben.
• Therapieën kunnen proactief worden ingezet om ziekteprogressie te vertragen of zelfs te voorkomen.

In plaats van vage adviezen als “eet gezond” of “kom in beweging”, maken deze modellen preventie concreet: wat je moet doen, wanneer je het moet doen en waarom het juist op dat moment verschil maakt.

Technologie als fundament van onze aanpak

Bij LNGVTY geloven we dat preventieve geneeskunde pas echt krachtig is als de nieuwste wetenschap direct wordt vertaald naar de praktijk. Technologieën zoals Delphi-2M laten zien waar de toekomst naartoe gaat: van reactief naar voorspellend, van algemene richtlijnen naar persoonlijke strategieën.

Wij gebruiken dit soort inzichten vandaag al voor onze cliënten. Door AI-modellen, biomarkeranalyses en datagedreven risicoprofielen te combineren met medische begeleiding en leefstijlinterventies, kunnen we niet alleen optimaliseren wat er nu speelt, maar ook gericht sturen op de komende 10, 20 of zelfs 30 jaar.

De nieuwste technologie. De meest geavanceerde wetenschap. Voor resultaten die niet alleen vandaag tellen, maar de rest van je leven.