斯坦福大學(xué)人工智能算法可準確預(yù)測人類90%結(jié)果

　　斯坦福大學(xué)的一個研究小組通過使用人工智能算法來預(yù)測病人的死亡，希望能夠改善重癥患者臨終關(guān)懷時機。在測試中，這個系統(tǒng)被證明是非常準確的，正確預(yù)測90%病例的死亡結(jié)果。但是，盡管該系統(tǒng)能夠預(yù)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(jié)論的。

　　預(yù)測死亡是非常困難的。醫(yī)生必須考慮一系列復(fù)雜的因素，從病人的年齡和家族史到對藥物的反應(yīng)，以及疾病本身的性質(zhì)。讓事情變得復(fù)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(yù)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(yù)測死亡，都不利于臨終關(guān)懷。

　　這給臨終關(guān)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(zhuǎn)移到一個臨終關(guān)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(guān)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(dǎo)致越來越多的干預(yù)措施，往往無法為病人和他們的家人提供良好的服務(wù)，”斯坦福大學(xué)醫(yī)學(xué)研究科學(xué)家、新研究的合著者Ken Jung對Gizmodo說。臨終關(guān)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(guān)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(diào)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(guān)懷服務(wù)卻只能滿足約15%的需求。

　　英國《經(jīng)濟學(xué)人》信息部的報告也認為，中國的臨終關(guān)懷服務(wù)供給跟不上人口老齡化的速度，根據(jù)《經(jīng)濟學(xué)人》信息部的2015年“死亡素質(zhì)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(xué)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(yù)測算法不是要取代醫(yī)生，而是提供一種工具來提高預(yù)測的準確性。除了改善臨終關(guān)懷的時機之外，該系統(tǒng)還可以減輕醫(yī)生在預(yù)測患者結(jié)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(guān)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(guān)懷服務(wù)中[人力資源]短缺，無法及早發(fā)現(xiàn)?！卑⑼叩俑嬖VGizmodo，“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(xué)習(xí)”的人工智能，即神經(jīng)網(wǎng)絡(luò)從大量數(shù)據(jù)中學(xué)習(xí)。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(guān)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(xué)習(xí)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(nèi)預(yù)測患者的死亡。”該系統(tǒng)接受培訓(xùn)，預(yù)測未來3到12個月內(nèi)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(guān)懷的準備時間不夠。

　　掌握了新的技術(shù)，算法的任務(wù)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(nèi)，成功地預(yù)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(nèi)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(yīng)用。

　　斯坦福大學(xué)醫(yī)學(xué)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(fù)雜的分流工具，以改善臨終關(guān)懷為手段，以預(yù)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(guān)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(xué)習(xí)是至關(guān)重要的。除了非常小眾的應(yīng)用程序外，我們認為幾乎總是更好，更關(guān)鍵的是讓大限將至的人知道?！?/p>

　　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(guān)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(shè)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(fù)研究這些問題，以確定它是否能順利運行，并在預(yù)期的方向上整體工作。

　　重要的是，雖然該系統(tǒng)可以做出預(yù)測，并提醒醫(yī)療從業(yè)人員對臨終關(guān)懷的需求，但系統(tǒng)不能告訴醫(yī)生為什么會出現(xiàn)預(yù)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(yù)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(xué)習(xí)模型架構(gòu)，更適合于這項任務(wù)。

　　所以好消息是這個系統(tǒng)在預(yù)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(guān)懷，這不失為一件好事。