Кожного разу, коли аптека видає ліки за рецептом або лабораторія виставляє рахунок за аналізи, у величезному реєстрі медичних претензій з’являється новий рядок. Ці записи, створені насамперед для фінансового відшкодування, а не для наукових досліджень, довгий час вважалися лише адміністративним шумом. Проте нова фундаментальна модель, навчена безпосередньо на послідовностях таких страхових випадків, тепер виявляє закономірності, що дозволяють прогнозувати початок захворювань та моделювати результати клінічних випробувань із вражаючою точністю. Система розглядає історію кожного пацієнта як часову послідовність стандартизованих кодів — діагнозів, процедур, призначень та типів візитів — подібно до того, як сучасні мовні моделі обробляють речення в тексті.
Аналізуючи статистичні взаємозв’язки між мільйонами таких життєвих траєкторій, модель ідентифікує приховані сигнали, що передують розвитку таких станів, як серцева недостатність, хронічна хвороба нирок або певні види раку. У деяких випадках ці прогнози випереджають клінічний діагноз на кілька років. Оскільки дані про страхові претензії вже є стандартизованими та збираються в масштабах усього населення, такий підхід дозволяє уникнути фрагментації та складних етичних бар’єрів щодо конфіденційності, які зазвичай супроводжують роботу з необробленими електронними медичними картами. Попередні результати вказують на те, що модель здатна симулювати наслідки різних стратегій лікування, пропонуючи форму емуляції випробувань без необхідності залучення реальних учасників або проведення рандомізації.
Ця інноваційна здатність має критичне значення, оскільки традиційні клінічні випробування залишаються повільними, надзвичайно дорогими та часто не відображають реальний стан пацієнтів, які мають кілька діагнозів одночасно або приймають складні комбінації препаратів. Обсерваційна емуляція на основі даних про виплати дозволяє швидше отримувати оцінки ефективності та охоплювати значно ширші групи людей. Проте дослідники застерігають: неспостережувані змінні фактори та специфічні особливості кодування, зумовлені правилами виставлення рахунків, усе ще обмежують абсолютну достовірність отриманих результатів, вимагаючи обережного підходу до інтерпретації та додаткової перевірки.
Практичне застосування цих технологій швидко переходить у площину повсякденного життя. Страхова компанія або державна система охорони здоров’я, використовуючи такі прогнози, могли б виявляти осіб, які потребують раннього скринінгу або участі в профілактичних програмах. Водночас ці ж самі бали ризику можуть впливати на рішення про страхове покриття або розмір страхових внесків ще до появи перших симптомів хвороби. Важливо розуміти, що дані про претензії відображають не лише біологічні процеси, а й рівень доступу до медицини, практику кодування та фінансові стимули. Моделі, побудовані на такій основі, ризикують посилити існуючу соціальну нерівність, оскільки групи населення з нестабільною історією страхування або низьким рівнем використання послуг можуть бути систематично недооцінені.
Для кращого розуміння можна порівняти медичну карту з особистим щоденником, а дані про претензії — з випискою з банківського рахунку. Щоденник описує почуття та переживання людини, тоді як банківський реєстр фіксує лише факти оплати та їхній час. Проте саме закономірності в цьому реєстрі — наприклад, повторні візити до вузьких спеціалістів, за якими слідують специфічні групи ліків, або серії екстрених звернень після планових процедур — можуть виявити небезпечні траєкторії, які не завжди помітні в описах самопочуття. Фундаментальна модель фактично аналізує цей фінансовий реєстр у масштабах всього населення, перетворюючи сухі адміністративні дані на потужні імовірнісні прогнози майбутнього стану здоров’я.
Фармацевтичні компанії вбачають у цьому можливість для прискореної перевірки гіпотез та ефективного післяреєстраційного нагляду за препаратами. Регуляторні органи, зі свого боку, постають перед складним вибором: у який момент докази, отримані шляхом моделювання, стають достатньо надійними для внесення змін до інструкцій або протоколів лікування. Пацієнти ж зазвичай навіть не підозрюють про таке використання їхніх даних і мають обмежений вплив на ситуацію, коли прогноз уже сформовано. Головне питання майбутнього полягає не в технічній можливості таких передбачень, а в тому, чи стануть вони інструментом для розширення доступу до вчасної допомоги, чи засобом для більш жорсткого управління ресурсами за рахунок особистої автономії людини.
