使用人工智能來(lái)預(yù)測(cè)患者死亡的時(shí)間聽(tīng)起來(lái)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(rèn)為，AI 的這個(gè)用途，可以給醫(yī)生和病人及早地開(kāi)始必要的臨終交談提供一個(gè)良好的機(jī)會(huì)。

許多醫(yī)生經(jīng)常就關(guān)于他們的病人何時(shí)會(huì)死亡提供過(guò)于樂(lè)觀的估計(jì)，延遲了進(jìn)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(qiáng)烈的治療，而不是在相對(duì)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(cè)試的另一種方法是使用人工智能來(lái)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(guò)去的研究表明，如果可能，大約80%的美國(guó)人寧愿在家度過(guò)最后的日子。實(shí)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(dá)60％的美國(guó)人接受積極的治療的同時(shí)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(yán)重疾病的病人提供救濟(jì)，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(hù)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(rèn)為通過(guò)姑息治療醫(yī)生鑒別并主動(dòng)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(rèn)為 AI 與醫(yī)療保健協(xié)作是一個(gè)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(tuán)負(fù)責(zé)人Andrew Ng進(jìn)行了交流。他們一致認(rèn)為，姑息治療的想法似乎是一個(gè)很好的項(xiàng)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(jī)器學(xué)習(xí)技術(shù)使用神經(jīng)網(wǎng)絡(luò)來(lái)過(guò)濾并且從大量數(shù)據(jù)中學(xué)習(xí)。研究人員對(duì)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(wàn)成人和兒童患者的電子健康記錄進(jìn)行了深度學(xué)習(xí)算法，以預(yù)測(cè)未來(lái)3至12個(gè)月內(nèi)某名患者的死亡率。 （預(yù)測(cè)三個(gè)月內(nèi)病人的死亡將使姑息治療所需的準(zhǔn)備時(shí)間太少。）

斯坦福大學(xué)人工智能實(shí)驗(yàn)室計(jì)算機(jī)科學(xué)博士候選人Anand Avati說(shuō)：“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(gè)預(yù)測(cè)模型，而不是精心設(shè)計(jì)的實(shí)驗(yàn)研究?！翱捎玫臄?shù)據(jù)規(guī)模使我們能夠建立一個(gè)全因死亡率預(yù)測(cè)模型，而不是疾病或具體的人口統(tǒng)計(jì)?！?/p>

該試點(diǎn)研究使用一種算法來(lái)預(yù)測(cè)病人死亡率 - 這得到了一個(gè)機(jī)構(gòu)審查委員會(huì)的批準(zhǔn) - 事實(shí)上并不像人們想象的那么可怕。從道德和醫(yī)療的角度來(lái)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(diǎn)。

“我們認(rèn)為讓醫(yī)生循環(huán)，把這個(gè)想法稱為”機(jī)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(jìn)行醫(yī)療干預(yù)。。.。。.這使我們?cè)诘赖潞桶踩矫娑甲兊酶訄?jiān)定”斯坦福大學(xué)研究科學(xué)家肯尼斯·榮格（Kenneth Jung）說(shuō)。

深度學(xué)習(xí)算法的一個(gè)潛在問(wèn)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(huì)產(chǎn)生特定的結(jié)果。也就是說(shuō)，深度學(xué)習(xí)可能很難解釋預(yù)測(cè)模型如何得出結(jié)論，比如某個(gè)病人可能會(huì)在一年內(nèi)死亡。

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

這也就是為什么我們不必?fù)?dān)心利用這種模型帶來(lái)消極結(jié)果。姑息治療干預(yù)與病因并沒(méi)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(jìn)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(duì)象，了解深度學(xué)習(xí)模型如何做出預(yù)測(cè)是有幫助的。在這種情況下，斯坦福大學(xué)使用了一種常見(jiàn)的錯(cuò)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(guò)程。他們的方法是通過(guò)調(diào)整個(gè)別參數(shù)來(lái)一點(diǎn)一點(diǎn)地調(diào)整模型，以確定這些參數(shù)對(duì)模型的決策有什么影響。

斯坦福大學(xué)的研究小組也強(qiáng)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(shuō)，試驗(yàn)性研究的早期階段表明，即便重癥病人可能不會(huì)在一年內(nèi)就死亡，對(duì)于醫(yī)生來(lái)說(shuō)，與重病患者進(jìn)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(shí)間相比較而言，深度學(xué)習(xí)模型預(yù)測(cè)死亡率僅僅恰巧是一個(gè)有用的測(cè)試，簡(jiǎn)單來(lái)說(shuō)就是預(yù)測(cè)一個(gè)人會(huì)不會(huì)死亡。

斯坦福大學(xué)的研究小組旨在通過(guò) 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(jī)會(huì)去討論在臨終前所希望發(fā)生的事情。