使用人工智能來預(yù)測患者死亡的時間聽起來像反烏托邦科幻電視劇“黑鏡”中的一幕。但是斯坦福大學(xué)的研究人員認為，AI 的這個用途，可以給醫(yī)生和病人及早地開始必要的臨終交談提供一個良好的機會。

許多醫(yī)生經(jīng)常就關(guān)于他們的病人何時會死亡提供過于樂觀的估計，延遲了進行臨終選擇的交流。這種可以理解的人類傾向可能導(dǎo)致病人在醫(yī)院里接受多余的、昂貴的且強烈的治療，而不是在相對舒適的環(huán)境中更加平和地結(jié)束生命。斯坦福大學(xué)研究小組正在測試的另一種方法是使用人工智能來幫助醫(yī)生篩選新入院的患者，這些患者可以從談?wù)摴孟㈥P(guān)懷的選擇中受益。

過去的研究表明，如果可能，大約80%的美國人寧愿在家度過最后的日子。實際上，根據(jù)斯坦福大學(xué)在arXiv服務(wù)器上發(fā)表的文章“Improving Palliative Care with Deep Learning” 所引用的研究，多達60％的美國人接受積極的治療的同時最終死于急救醫(yī)院。

姑息治療專家通常是應(yīng)病人主治醫(yī)生的要求而提供他們的服務(wù)，這通常包括為患有嚴重疾病的病人提供救濟，或者在生前遺囑中記錄臨終治療的選擇。但是斯坦福健康護理的內(nèi)科醫(yī)生斯蒂芬妮·哈曼（Stanhanie Harman）是姑息治療服務(wù)部門的創(chuàng)始醫(yī)療主管，他認為通過姑息治療醫(yī)生鑒別并主動地接觸病人，可以調(diào)轉(zhuǎn)上述的常規(guī)順序。她與醫(yī)藥和生物醫(yī)療信息專業(yè)的研究人員均認為 AI 與醫(yī)療保健協(xié)作是一個好的研究方向。

哈曼把她的想法帶到了斯坦福大學(xué)醫(yī)學(xué)和生物醫(yī)學(xué)信息學(xué)副教授Nigam Shah。 Shah一直在研究人工智能在醫(yī)療保健領(lǐng)域的合作，他與斯坦福大學(xué)兼職教授，前百度人工智能集團負責人Andrew Ng進行了交流。他們一致認為，姑息治療的想法似乎是一個很好的項目，并加深了討論。

斯坦福大學(xué)的人工智能算法依靠深度學(xué)習(xí)，這種流行的機器學(xué)習(xí)技術(shù)使用神經(jīng)網(wǎng)絡(luò)來過濾并且從大量數(shù)據(jù)中學(xué)習(xí)。研究人員對斯坦福大學(xué)醫(yī)院或露西爾帕卡德兒童醫(yī)院入院的約200萬成人和兒童患者的電子健康記錄進行了深度學(xué)習(xí)算法，以預(yù)測未來3至12個月內(nèi)某名患者的死亡率。 （預(yù)測三個月內(nèi)病人的死亡將使姑息治療所需的準備時間太少。）

斯坦福大學(xué)人工智能實驗室計算機科學(xué)博士候選人Anand Avati說：“我們可以使用常規(guī)收集的醫(yī)療保健環(huán)境中的操作數(shù)據(jù)建立一個預(yù)測模型，而不是精心設(shè)計的實驗研究?！翱捎玫臄?shù)據(jù)規(guī)模使我們能夠建立一個全因死亡率預(yù)測模型，而不是疾病或具體的人口統(tǒng)計。”

該試點研究使用一種算法來預(yù)測病人死亡率 - 這得到了一個機構(gòu)審查委員會的批準 - 事實上并不像人們想象的那么可怕。從道德和醫(yī)療的角度來看，深度學(xué)習(xí)模式在幫助人類醫(yī)生篩查患者姑息治療方面的幫助通常具有重大的益處和極少缺點。

“我們認為讓醫(yī)生循環(huán)，把這個想法稱為”機器學(xué)習(xí)和醫(yī)生“是一條路，而不是盲目地根據(jù)算法進行醫(yī)療干預(yù)。。.。。.這使我們在道德和安全方面都變得更加堅定”斯坦福大學(xué)研究科學(xué)家肯尼斯·榮格（Kenneth Jung）說。

深度學(xué)習(xí)算法的一個潛在問題就是，即使是其創(chuàng)建者也經(jīng)常不能解釋為什么深度學(xué)習(xí)模型會產(chǎn)生特定的結(jié)果。也就是說，深度學(xué)習(xí)可能很難解釋預(yù)測模型如何得出結(jié)論，比如某個病人可能會在一年內(nèi)死亡。

慶幸的是，死亡率預(yù)測背后的原因并不見得非常必要。姑息治療團隊主要關(guān)心是否能夠準確鑒定會受益于姑息治療的病人，而不是需要準確地知道算法為什么會預(yù)測一名患者可能會在一年內(nèi)死亡。榮格解釋如下：

這也就是為什么我們不必擔心利用這種模型帶來消極結(jié)果。姑息治療干預(yù)與病因并沒有緊密聯(lián)系。但是，也有特殊情況，如果病人即將死亡而需要進行治療選擇，那么這種情況下希望能夠找到病因。

但是，作為研究對象，了解深度學(xué)習(xí)模型如何做出預(yù)測是有幫助的。在這種情況下，斯坦福大學(xué)使用了一種常見的錯誤分析技術(shù)，稱為消融分析，研究深度學(xué)習(xí)模型的決策過程。他們的方法是通過調(diào)整個別參數(shù)來一點一點地調(diào)整模型，以確定這些參數(shù)對模型的決策有什么影響。

斯坦福大學(xué)的研究小組也強調(diào)，病人也不是非要臨近死亡才應(yīng)該去了解姑息治療。榮格說，試驗性研究的早期階段表明，即便重癥病人可能不會在一年內(nèi)就死亡，對于醫(yī)生來說，與重病患者進行臨終討論通常也是有益的。與研究人員找出病人接受姑息治療的最佳時間相比較而言，深度學(xué)習(xí)模型預(yù)測死亡率僅僅恰巧是一個有用的測試，簡單來說就是預(yù)測一個人會不會死亡。

斯坦福大學(xué)的研究小組旨在通過 AI 預(yù)篩選能夠幫助提升病人按照自己意愿接受臨終治療的比例，減少最終死亡在 ICU 病房（違背病人意愿）的病人數(shù)量。他們也希望能夠確保病人及其家屬有機會去討論在臨終前所希望發(fā)生的事情。