인류는 오래전부터 “미래의 질병을 미리 알 수 있다면 얼마나 많은 생명을 구할 수 있을까?”라는 질문에 매달려왔다. 현대 의학의 발전은 질병 진단과 치료의 영역을 크게 확장했지만, 예방의학 차원에서는 여전히 큰 한계가 있었다. 대부분의 예측 도구들은 특정 질환 하나만을 대상으로 하거나, 단기적 위험을 분석하는 데 머물렀다.

예를 들어, 심혈관 질환 예측 도구는 혈압, 콜레스테롤 수치, 흡연 여부 등을 입력받아 5년 내 발병 확률을 알려준다. 하지만 동일한 사람이 동시에 당뇨병, 신장 질환, 뇌졸중 같은 다른 질환에 걸릴 가능성까지는 고려하지 못한다. 즉, 인간의 건강은 복잡한 상호작용과 다질환(multimorbidity)의 패턴 속에 전개되지만, 기존 시스템은 이를 포괄적으로 다루지 못했던 것이다.

고령화와 만성질환 증가로 의료 시스템의 부담이 커지는 오늘날, '장기간에 걸친 다질환 예측'은 단순한 연구 과제가 아니라 사회적 필수 과제로 부상했다. 바로 이 지점에서, 유럽 분자생물학연구소(EMBL)와 협력 연구진이 개발한 'Delphi-2M'이 새로운 해법으로 등장했다.

Delphi-2M의 가장 큰 특징은 '규모와 포괄성'이다. 이 모델은 영국 바이오뱅크(UK Biobank)의 40만 명 이상 참여자 데이터와 덴마크 국가 환자 등록부의 190만 명 데이터를 결합하여 학습되었다. 이 방대한 데이터를 통해, AI는 개별 질환의 발병 확률뿐만 아니라 '질병 간 상관관계와 연쇄적 위험'까지 탐지한다.

핵심은 다음과 같다:

* '다질환 예측': 단일 질환 중심 모델과 달리, Delphi-2M은 1,000개 이상의 질환을 동시에 예측한다.

* '장기 전망': 단기 위험이 아니라 수십 년 후의 발병 확률을 추정한다.

* '상호작용 포착': 고혈압·비만이 심혈관 질환뿐 아니라 뇌졸중, 신장 질환 위험까지 연쇄적으로 높이는 구조를 모델이 학습한다.

이런 방식 덕분에 Delphi-2M은 ‘개인 건강의 시뮬레이션 엔진’으로 기능할 수 있다. 개인이 지금의 생활습관을 유지할 경우 앞으로 10년, 20년, 30년 뒤 어떤 질환 위험이 높아지는지를 예측하고, 이를 바탕으로 맞춤형 관리 전략을 세울 수 있는 것이다.

Delphi-2M은 2025년 'Nature'에 발표되며 학계와 의료계에서 큰 반향을 일으켰다. 연구진은 이 모델을 통해 심혈관 질환, 당뇨, 패혈증 등 주요 질환을 예측하는 실험을 진행했는데, 정확도가 기존 단일 예측 모델과 비슷하거나 오히려 더 높게 나타났다.

특히 덴마크 국가 환자 등록부를 활용한 검증 과정에서, AI는 환자의 '질병 이력 패턴'을 학습해 장기적인 위험도를 평가하는 능력을 입증했다. 예컨대, 한 사람이 30대에 비만 진단을 받고 40대에 고혈압 약을 복용했다면, 단순히 각각의 위험을 합산하는 것이 아니라 '질병 간 상호작용'을 반영해 50대 이후 심혈관계 합병증 발병 확률을 정밀하게 계산하는 방식이다.

연구진은 이를 두고 “'질병 위험 예측을 단일 차원에서 다차원적 시뮬레이션으로 끌어올린 돌파구'”라고 평가했다. 이는 단순히 기술적 진보에 그치지 않고, 예방의학의 개념 자체를 새롭게 정의하는 성과였다.

Delphi-2M이 열어가는 길은 단순한 위험 예측을 넘어선다.

1. '개인 맞춤 건강 관리'

지금까지 의료 권고안은 ‘평균적 환자’를 기준으로 했다. 하지만 이제는 개별 환자의 유전자, 병력, 생활습관 데이터를 반영한 맞춤형 전략이 가능하다. 예컨대, 동일한 고혈압 환자라도 어떤 이는 당뇨 위험이 더 크고, 어떤 이는 신장 질환 위험이 더 클 수 있다.

2. '의료 자원 효율화'

고위험군을 조기에 발견하면 조기 개입이 가능해진다. 이는 응급실이나 중환자실에서 막대한 비용을 쓰는 대신, 1차 진료 단계에서 비용 효율적인 관리로 전환할 수 있음을 의미한다.

3. '제약·보험 산업의 혁신'

임상시험 참여자를 선별하거나, 리스크 기반 보험 상품을 설계하는 데 활용할 수 있다. 특히 맞춤형 신약 개발이 활발해지는 상황에서, AI 예측 모델은 임상 효율성을 크게 높일 수 있다.

결국 Delphi-2M은 의료를 치료 중심에서 '예방 중심·예측 중심'으로 이동시키는 촉매제가 될 수 있다.

Delphi-2M의 비전은 매혹적이지만, 실현 과정에는 난제가 존재한다.

* '데이터 프라이버시': 수백만 명의 민감한 의료 데이터가 활용되는 만큼, 개인정보 보호와 윤리적 기준 확립이 필수다.

* '일반화 문제': 모델은 주로 유럽 인구 데이터를 학습했기 때문에, 아시아·아프리카 인구에서도 같은 정확도를 보장하려면 추가 학습과 검증이 필요

하다.

* '설명 가능성': 의사가 환자에게 예측 결과를 설명할 수 있어야 실질적 임상 도입이 가능하다. “왜 이 사람이 향후 20년 내 당뇨에 걸릴 확률이 60%인가?”라는 질문에 모델이 근거를 제시할 수 있어야 한다.

* '제도적 수용성': 예측 결과를 건강보험 제도나 국가 보건정책에 반영하려면, 제도적 합의와 규제가 마련되어야 한다.

즉, Delphi-2M은 아직 “연구 단계에서 임상으로 넘어가는 다리” 위에 서 있는 기술이다.

Delphi-2M이 본격적으로 도입될 경우 사회 전반에 미칠 영향은 상당하다.

* '국가 보건 정책': 고령화가 빠른 한국, 일본, 유럽에서는 예방 중심 정책을 강화해 의료비를 줄일 수 있다.

* '보험 및 금융': 개인별 위험 데이터를 기반으로 새로운 보험 상품이 등장하고, 맞춤형 금융 모델이 확산될 수 있다.

* '의료 불평등': 한편으로는 선진국·부유층이 먼저 혜택을 누리면서 격차가 커질 위험도 있다. 따라서 국제적 협력과 데이터 공유 체계가 필요하다.

* '산업 경쟁력': AI 예측 의료 모델을 선도하는 국가는 헬스케어, 바이오, 데이터 산업에서 우위를 확보하게 된다. 한국 역시 조기 참여와 기술 확보가 중요하다.

Delphi-2M이 제시하는 비전은 명확하다. '“발병하기 전에 관리하는 의료”'로의 전환이다.

앞으로 10\~20년 동안 다양한 국가와 인구 데이터를 반영해 모델이 발전한다면, 개인은 자신의 건강 미래를 미리 확인하고 행동을 수정할 수 있을 것이다. 예를 들어, AI가 “향후 15년 내 심근경색 위험이 70%”라고 알려준다면, 개인은 지금부터 식습관을 개선하고 정기 검진을 강화할 수 있다.

궁극적으로 이는 의료를 넘어 사회 구조 전체를 바꿀 수 있다. 의료비 절감, 노동 생산성 유지, 고령화 사회의 지속 가능성까지 연결되기 때문이다. AI와 예방의학이 결합하면, 인류는 '질병의 사후 관리에서 사전 관리로의 패러다임 전환'을 이루게 될 것이다.

Nature, 2025, “AI model Delphi-2M predicts risk of over 1,000 diseases decades in advance”, EMBL & collaborators.

For centuries, humanity has asked: *“If we could know future diseases in advance, how many lives could we save?”* Modern medicine has greatly advanced in diagnosis and treatment, but in terms of preventive medicine, the limitations have remained significant. Most predictive tools focus on a single disease or only assess short-term risks.

For example, cardiovascular prediction tools calculate the likelihood of disease within five years based on blood pressure, cholesterol levels, and smoking habits. However, they do not take into account the possibility that the same person may simultaneously develop diabetes, kidney disease, or a stroke. Human health unfolds within complex interactions and patterns of multimorbidity, but existing systems have not been able to address this comprehensively.

With aging populations and rising chronic diseases burdening healthcare systems, 'long-term multi-disease prediction' has become not just a research issue but a social necessity. It is precisely here that 'Delphi-2M', developed by the European Molecular Biology Laboratory (EMBL) and its research collaborators, emerges as a groundbreaking solution.

The most distinctive feature of Delphi-2M is its 'scale and comprehensiveness'. The model was trained on more than 400,000 participant records from the UK Biobank combined with data from 1.9 million patients in the Danish National Patient Registry. Through this massive dataset, the AI does not merely predict the probability of individual diseases but also detects 'interactions and cascading risks between diseases'.

The core elements are:

* 'Multi-disease prediction': Unlike single-disease models, Delphi-2M predicts more than 1,000 diseases simultaneously.

* 'Long-term forecasting': Instead of short-term risks, it estimates probabilities decades into the future.

* 'Interaction detection': If obesity and hypertension occur together, the model does not just add their risks but also captures how they jointly raise the likelihood of cardiovascular complications, stroke, or kidney disease.

Because of this design, Delphi-2M functions as a '“personal health simulation engine.”' It can forecast how an individual’s risk for numerous diseases will evolve over 10, 20, or 30 years if current lifestyle patterns remain unchanged—providing a foundation for personalized management strategies.

Delphi-2M attracted global attention in 2025 when it was published in 'Nature'. In trials predicting major conditions such as cardiovascular disease, diabetes, and sepsis, the model demonstrated accuracy equal to or better than conventional single-disease prediction tools.

Particularly, in validation using the Danish National Patient Registry, the AI showed its ability to evaluate long-term risks by learning 'patterns of patient medical histories'. For instance, if someone was diagnosed with obesity in their 30s and began hypertension medication in their 40s, the model could calculate not just each disease’s individual risk but also the compounded probability of cardiovascular complications in their 50s.

The research team described this as a '“breakthrough from single-dimensional prediction to multidimensional simulation.”' This achievement was not merely a technical advance but also a redefinition of the very concept of preventive medicine.

What Delphi-2M opens up goes far beyond simple risk forecasting.

1. 'Personalized Health Management'

Medical guidelines so far have been based on the “average patient.” Now, strategies can be tailored to each individual’s genes, medical history, and lifestyle. For example, two patients with hypertension may face entirely different risks—one more prone to diabetes, the other to kidney disease.

2. 'Efficient Allocation of Healthcare Resources'

Identifying high-risk groups early enables early interventions. This means that instead of spending enormous costs in emergency rooms or intensive care units, resources can shift toward cost-effective management at the primary care level.

3. 'Innovation in Pharmaceuticals and Insurance'

The model can be applied to select participants for clinical trials or design risk-based insurance products. With personalized drug development on the rise, predictive AI can significantly improve trial efficiency.

Ultimately, Delphi-2M has the potential to move healthcare from treatment-centered to 'prevention- and prediction-centered systems'.

Although Delphi-2M’s vision is compelling, its practical realization still faces several obstacles.

* 'Data Privacy': Since millions of sensitive medical records are used, strict safeguards for personal data and ethical standards are essential.

* 'Generalization Issues': The model is trained primarily on European populations; ensuring the same accuracy for Asian, African, or other groups will require additional training and validation.

* 'Explainability': For real-world clinical adoption, doctors must be able to explain results to patients. Questions like *“Why is this person’s 20-year diabetes risk 60%?”* require clear, interpretable answers from the model.

* 'Institutional Adoption': To incorporate predictions into national insurance or healthcare systems, broad consensus and regulatory frameworks are needed.

Thus, Delphi-2M remains a technology standing '“on the bridge from research to clinical practice.”'

If Delphi-2M is widely implemented, its societal effects will be profound.

* 'National Health Policy': In aging societies such as Korea, Japan, and Europe, shifting to prevention-based policy could significantly cut medical costs.

* 'Insurance and Finance': Risk-based personal data could create new types of insurance products and financial models tailored to individuals.

* 'Healthcare Inequality': While developed nations and wealthy populations may reap the most benefits, underserved regions risk falling further behind. International cooperation and data-sharing frameworks will be vital.

* 'Industrial Competitiveness': Countries that lead in AI-driven predictive healthcare will gain advantages across healthcare, biotech, and data industries. For Korea in particular, early participation and technological capacity will be decisive.

The vision Delphi-2M presents is clear: a transition to '“medicine that manages health before the onset of disease.”'

Over the next 10–20 years, as models are trained with diverse international datasets and as ethical and institutional frameworks solidify, individuals will be able to anticipate their health futures and adjust their behavior accordingly. For instance, if AI predicts a 70% likelihood of heart attack within 15 years, an individual can change their diet and schedule regular checkups immediately.

Ultimately, this could transform not just healthcare but entire social structures—cutting healthcare costs, maintaining labor productivity, and ensuring sustainability in aging societies. By merging AI with preventive medicine, humanity could achieve a 'paradigm shift from managing diseases after they occur to managing them before they arise.'

Nature, 2025, “AI model Delphi-2M predicts risk of over 1,000 diseases decades in advance”, EMBL & collaborators.