MIT-ov tim je predstavio FINGERS-7B, osnovni AI model koji integriše podatke o načinu života, kliničke zapise, genomiku i proteomiku kako bi ranije i preciznije identifikovao rizik od Alcajmera. Na podacima iz WW‑FINGERS mreže model je prema izveštaju tima bio četvorostruko tačniji u prekliničkoj dijagnostici i ostvario je ~130% poboljšanje u stratifikaciji respondera. Model je otvorenog koda i dostupan kroz sigurni AD Workbench, ali su potrebne nezavisne validacije i pažnja na privatnost podataka pre šire kliničke primene.
MIT Predstavio FINGERS-7B: Prvi AI Model Koji Cilja Prevenciju Alcajmera
MIT-led FINGERS-7B uses multi-omic data to predict Alzheimer’s risk earlier and improve responder stratification. (CREDIT: AI-generated image / The Brighter Side of News)
Alcajmerova bolest često počinje da se razvija mnogo pre nego što se pojave jasno vidljivi simptomi. Tim istraživača sa MIT-a objavio je FINGERS-7B — osnovni AI model dizajniran da identifikuje ljude u ranom, prekliničkom stadijumu rizika kombinovanjem podataka o načinu života, kliničkih zapisa, genomske i proteomske informacije.
Šta je FINGERS-7B i FINGERPRINT?
FINGERS-7B je model razvijen u okviru šire platforme nazvane FINGERPRINT, koja povezuje model sa specijalizovanim AI agentima za automatizovanu multi-omski analizu (lifestyle, klinički podaci, genomika, proteomika). Umesto da obrađuje svaki tip podataka zasebno, model uči obrasce koji se pojavljuju istovremeno preko više slojeva bioloških i ponašajnih signala.
Glavni rezultati i tvrdnje tima
Prema istraživačima, na podacima iz globalne WW‑FINGERS mreže (koja obuhvata oko 40 zemalja i 30.000 učesnika) FINGERS-7B je postigao četvorostruko veću tačnost u prekliničkoj dijagnostici u poređenju sa prethodnim metodama. Takođe su izvestili o poboljšanju stratifikacije respondera od oko 130%, što može pomoći da se preciznije odrede osobe koje bi imale najveću korist od određenih intervencija.
Arvid Gollwitzer and Adrian Noriega present Fingerprint at a conference in Copenhagen in March 2026. (CREDIT: MIT)
„Svako od nas nosi biološki otisak — jedinstvenu kombinaciju signala koja otkriva rizik od bolesti...“ — Adrian Noriega, MIT‑Novo Nordisk AI Fellow.
Praktične primene
Tim navodi da model može da generiše individualizovane analize: procenu rizika, predviđanje verovatnog toka kognitivnog pada i simulacije efekata različitih intervencija (promene u ishrani, stil života ili lekovi). Cilj je da se otvori veći vremenski prozor pre nego što se pojave jasni simptomi, što može povećati šanse da se promenama utiče na tok bolesti.
Otvorenost, infrastruktura i partnerstva
Projekt je objavljen kao otvoreni izvor — težine modela, kod za obuku i evaluacione procedure su javne. Model je takođe dostupan kroz AD Workbench, bezbedno cloud okruženje kojim upravlja Alzheimer’s Disease Data Initiative (ADDI), što olakšava istraživačima da testiraju model na sopstvenim kohortama bez potrebe za prenosom osetljivih podataka.
Među partnerima su institucije kao što su Broad Institute, Yale, Imperial College London, Brigham and Women’s Hospital, industrijski partneri Alamar Biosciences i Novo Nordisk, kao i ključni istraživači: Li‑Huei Tsai, Miia Kivipelto, Giovanni Traverso, Arvid Gollwitzer i Adrian Noriega.
Among all modifiable dementia risk factors, none carries more global weight, nor more preventable potential, than hypertension. (CREDIT: Fingerprint)
Vremenski okvir i finansiranje
Projekat je podržan inicijalnim grantom MIT‑ove Aging Brain Initiative od 100.000 dolara, a tim navodi da je model obučen i postavljen u AD Workbench za manje od 10 meseci — brz tempo s obzirom na zahtevnost spajanja medicinskih podataka i velikih AI sistema.
Ograničenja i naredni koraci
Iako su rani rezultati obećavajući, važno je naglasiti potrebu za nezavisnom validacijom na različitim populacijama i kohortama. Potencijalni rizici uključuju pristrasnosti u podacima, pitanja privatnosti i potrebu za jasnim kliničkim protokolima pre primene u medicinskoj praksi. Tim podstiče širu zajednicu da testira i unapredi model kroz otvoreni pristup.
Zašto je ovo važno za javnost
FINGERS-7B predstavlja primer kako integracija velikih, različitih tipova podataka uz pomoć AI može promeniti pristup prevenciji Alcajmera: umesto da se čekaju simptomi, cilj je identifikovati rizične osobe ranije i ciljano testirati preventivne mere.
Pomozite nam da budemo bolji.
