斯坦福大學的一個研究小組通過使用人工智能算法來預測病人的死亡，希望能夠改善重癥患者臨終關懷時機。在測試中，這個系統(tǒng)被證明是非常準確的，正確預測90％病例的死亡結果。但是，盡管該系統(tǒng)能夠預測病人何時可能死亡，但它仍然無法告訴醫(yī)生它是如何得出結論的。
預測死亡是非常困難的。醫(yī)生必須考慮一系列復雜的因素，從病人的年齡和家族史到對藥物的反應，以及疾病本身的性質。讓事情變得復雜的是，醫(yī)生必須與自己的自負，偏見或無意識地不愿意評估病人還有多少光景做斗爭。有時候醫(yī)生能準確預測，但是有些時候病人可能會推遲數(shù)月（如果不是幾年的話），無論是過早還是過晚地預測死亡，都不利于臨終關懷。
這給臨終關懷的精確安排帶來了問題。通常情況下，當一個病人不可能活到一年以上，治療就會被轉移到一個臨終關懷小組，他們試圖讓病人在最后幾天或幾個月盡可能的遠離痛苦。為此，他們努力管理病人的痛苦、惡心、食欲和困惑，提供心理和精神上的支持，同時尊重病人及其家人的社會、文化和精神需求。
但如果一個病人過渡到臨終關懷的時間太晚，他們很可能會錯過這個重要的護理階段。而如果過早，則會給醫(yī)療體系帶來不必要的壓力。
通常情況下，晚期疾病會演變成一場醫(yī)療危機，病人最終會在重癥監(jiān)護病房里。在那里，情況恣意發(fā)展，導致越來越多的干預措施，往往無法為病人和他們的家人提供良好的服務，”斯坦福大學醫(yī)學研究科學家、新研究的合著者Ken Jung對Gizmodo說。臨終關懷團隊的目標之一是與患者進行對話，這樣患者就能在危機發(fā)生前仔細思考并清楚表達自己的偏好。值得注意的是，即使病人在未來的一年里沒有病危去世，這些行為也是合適的。臨終關懷的目的就是讓患者從這些談話中受益。
Jung說，這種未滿足的需求在幾十年前首次被發(fā)現(xiàn)，調查顯示80％的美國人希望在家中死去，但只有35％的人這么做。他說，現(xiàn)在情況有所改善，但我們“還有很長的路要走”。
而在中國，據(jù)數(shù)據(jù)顯示，每年有約700萬人走向生命終點，但社會上提供的臨終關懷服務卻只能滿足約15％的需求。
英國《經濟學人》信息部的報告也認為，中國的臨終關懷服務供給跟不上人口老齡化的速度，根據(jù)《經濟學人》信息部的2015年“死亡素質指數(shù)”，中國在80個國家當中排名倒數(shù)第10。
時機恰到好處是很重要的，這就是斯坦福大學Anand Avati和他的團隊開發(fā)了一個基于AI系統(tǒng)的原因。死亡預測算法不是要取代醫(yī)生，而是提供一種工具來提高預測的準確性。除了改善臨終關懷的時機之外，該系統(tǒng)還可以減輕醫(yī)生在預測患者結局方面的負擔，這是一個費時費力的過程。
“我們所要解決的問題是，只有一小部分可以從臨終關懷中受益的患者實際上接受了它，部分原因是由于被發(fā)現(xiàn)得太晚，部分原因是臨終關懷服務中［人力資源］短缺，無法及早發(fā)現(xiàn)。”阿瓦蒂告訴Gizmodo，“我們試圖解決這個問題?！?/p>
該系統(tǒng)使用一種被稱為“深度學習”的人工智能，即神經網絡從大量數(shù)據(jù)中學習。在這種情況下，該系統(tǒng)是由成人和兒童患者的電子健康記錄（EHR）提供的數(shù)據(jù)，這些患者要么是斯坦福醫(yī)院，要么是露西爾帕克德兒童醫(yī)院。在分析了200萬個記錄之后，研究人員確定了20萬個適合這個項目的患者。研究人員對疾病類型、疾病階段、入院程度（重癥監(jiān)護病房和非重癥監(jiān)護病房）等方面都是“不可知論者”。所有這些患者都有相關的病例報告，包括診斷，所訂購的掃描次數(shù)，所執(zhí)行的程序類型，住院時間的天數(shù)，使用的藥物，以及其他因素。
深度學習算法研究了來自這些患者的160，000例病例報告，并給出了指令：“給定患者和日期，利用該患者的一年EHR數(shù)據(jù)，從該日期起的12個月內預測患者的死亡。”該系統(tǒng)接受培訓，預測未來3到12個月內的病人死亡。沒有考慮到壽命少于3個月的患者，因為這樣會使臨終關懷的準備時間不夠。
掌握了新的技術，算法的任務是評估剩下的4萬名患者。它做得相當出色，在3至12個月的時間范圍內，成功地預測了10個病例中的9個病人死亡。大約95％的患者在這段時間內死亡的可能性較低，壽命超過了12個月。試點研究證明是成功的，研究人員現(xiàn)在希望他們的系統(tǒng)能夠得到更廣泛的應用。
斯坦福大學醫(yī)學臨床副教授，新研究的合著者斯蒂芬妮·哈曼（Stephanie M． Harman）告訴Gizmodo說：“這是一個復雜的分流工具，以改善臨終關懷為手段，以預斷為代表。” “其目的不是傳達一個死亡時間”，并補充說，該系統(tǒng)解決了“識別那些沒有得到解決臨終關懷需求的重病患者”的問題。
Jung補充道：“我們普遍認為，這種方法對于在臨床環(huán)境中安全、有效和符合倫理的使用機器學習是至關重要的。除了非常小眾的應用程序外，我們認為幾乎總是更好，更關鍵的是讓大限將至的人知道。”
在試點研究期間，研究人員注意到該系統(tǒng)的一些缺點，在進一步使用之前需要加以解決。
Jung說： 他說：“例如，事實證明，要找到一個合適的時間和地點，讓臨終關懷的醫(yī)生能夠及時與醫(yī)院的工作人員進行交流，這是非常困難的?！?“在試點研究中浮現(xiàn)的另一個細節(jié)是，我們發(fā)現(xiàn)，我們假設的一些數(shù)據(jù)將不會出現(xiàn)在該系統(tǒng)中——至少在使用的時候是這樣?！?/p>
Jung說，這項試點研究是為了反復研究這些問題，以確定它是否能順利運行，并在預期的方向上整體工作。
重要的是，雖然該系統(tǒng)可以做出預測，并提醒醫(yī)療從業(yè)人員對臨終關懷的需求，但系統(tǒng)不能告訴醫(yī)生為什么會出現(xiàn)預斷，或者患者可能需要的醫(yī)療類型。這種情況與DeepMind的AlphaGo系統(tǒng)類似，現(xiàn)在它能夠在國際象棋和圍棋中擊敗世界冠軍。專家說，這個系統(tǒng)的做法是“外來的”和不可預知的，讓失敗的大師們完全困惑。這就是AI開發(fā)人員稱之為“黑盒子”問題，當一臺機器提出問題的答案或解決方案時，卻沒有一個明確的方法來得知如何解決問題的。
值得慶幸的是，斯坦福算法所做的決定可以被研究。
而且，這個系統(tǒng)還能變得更好， 目前它只是從兩家醫(yī)院的病人那里獲得數(shù)據(jù)，所以是有限的，有點偏頗。 展望未來，系統(tǒng)將通過更加多元化的數(shù)據(jù)解析，并使用更加完善的深度學習模型架構，更適合于這項任務。
所以好消息是這個系統(tǒng)在預測我們什么時候死亡越來越準確。沒錯，這是令人不安的，但是如果能夠得到更好的臨終關懷，這不失為一件好事。
（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
