斯坦福大學(xué)的一個(gè)研究小組通過(guò)使用人工智能算法來(lái)預(yù)測(cè)病人的死亡，希望能夠改善重癥患者臨終關(guān)懷時(shí)機(jī)。在測(cè)試中，這個(gè)系統(tǒng)被證明是非常準(zhǔn)確的，正確預(yù)測(cè)90%病例的死亡結(jié)果。但是，盡管該系統(tǒng)能夠預(yù)測(cè)病人何時(shí)可能死亡，但它仍然無(wú)法告訴醫(yī)生它是如何得出結(jié)論的。
預(yù)測(cè)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(duì)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(fù)，偏見(jiàn)或無(wú)意識(shí)地不愿意評(píng)估病人還有多少光景做斗爭(zhēng)。有時(shí)候醫(yī)生能準(zhǔn)確預(yù)測(cè)，但是有些時(shí)候病人可能會(huì)推遲數(shù)月(如果不是幾年的話)，無(wú)論是過(guò)早還是過(guò)晚地預(yù)測(cè)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(lái)了問(wèn)題。通常情況下，當(dāng)一個(gè)病人不可能活到一年以上，治療就會(huì)被轉(zhuǎn)移到一個(gè)臨終關(guān)懷小組，他們?cè)噲D讓病人在最后幾天或幾個(gè)月盡可能的遠(yuǎn)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(shí)尊重病人及其家人的社會(huì)、文化和精神需求。
但如果一個(gè)病人過(guò)渡到臨終關(guān)懷的時(shí)間太晚，他們很可能會(huì)錯(cuò)過(guò)這個(gè)重要的護(hù)理階段。而如果過(guò)早，則會(huì)給醫(yī)療體系帶來(lái)不必要的壓力。
斯坦福大學(xué)人工智能算法可準(zhǔn)確預(yù)測(cè)人類90%結(jié)果
通常情況下，晚期疾病會(huì)演變成一場(chǎng)醫(yī)療危機(jī)，病人最終會(huì)在重癥監(jiān)護(hù)病房里。在那里，情況恣意發(fā)展，導(dǎo)致越來(lái)越多的干預(yù)措施，往往無(wú)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(duì)Gizmodo說(shuō)。臨終關(guān)懷團(tuán)隊(duì)的目標(biāo)之一是與患者進(jìn)行對(duì)話，這樣患者就能在危機(jī)發(fā)生前仔細(xì)思考并清楚表達(dá)自己的偏好。值得注意的是，即使病人在未來(lái)的一年里沒(méi)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(shuō)，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(guó)人希望在家中死去，但只有35%的人這么做。他說(shuō)，現(xiàn)在情況有所改善，但我們“還有很長(zhǎng)的路要走”。
而在中國(guó)，據(jù)數(shù)據(jù)顯示，每年有約700萬(wàn)人走向生命終點(diǎn)，但社會(huì)上提供的臨終關(guān)懷服務(wù)卻只能滿足約15%的需求。
英國(guó)《經(jīng)濟(jì)學(xué)人》信息部的報(bào)告也認(rèn)為，中國(guó)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(jì)學(xué)人》信息部的2015年“死亡素質(zhì)指數(shù)”，中國(guó)在80個(gè)國(guó)家當(dāng)中排名倒數(shù)第10。
時(shí)機(jī)恰到好處是很重要的，這就是斯坦福大學(xué)Anand Avati和他的團(tuán)隊(duì)開發(fā)了一個(gè)基于AI系統(tǒng)的原因。死亡預(yù)測(cè)算法不是要取代醫(yī)生，而是提供一種工具來(lái)提高預(yù)測(cè)的準(zhǔn)確性。除了改善臨終關(guān)懷的時(shí)機(jī)之外，該系統(tǒng)還可以減輕醫(yī)生在預(yù)測(cè)患者結(jié)局方面的負(fù)擔(dān)，這是一個(gè)費(fèi)時(shí)費(fèi)力的過(guò)程。
斯坦福大學(xué)人工智能算法可準(zhǔn)確預(yù)測(cè)人類90%結(jié)果
“我們所要解決的問(wèn)題是，只有一小部分可以從臨終關(guān)懷中受益的患者實(shí)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(wú)法及早發(fā)現(xiàn)。”阿瓦蒂告訴Gizmodo，“我們?cè)噲D解決這個(gè)問(wèn)題。”
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(wàn)個(gè)記錄之后，研究人員確定了20萬(wàn)個(gè)適合這個(gè)項(xiàng)目的患者。研究人員對(duì)疾病類型、疾病階段、入院程度(重癥監(jiān)護(hù)病房和非重癥監(jiān)護(hù)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(bào)告，包括診斷，所訂購(gòu)的掃描次數(shù)，所執(zhí)行的程序類型，住院時(shí)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(lái)自這些患者的160，000例病例報(bào)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(gè)月內(nèi)預(yù)測(cè)患者的死亡。”該系統(tǒng)接受培訓(xùn)，預(yù)測(cè)未來(lái)3到12個(gè)月內(nèi)的病人死亡。沒(méi)有考慮到壽命少于3個(gè)月的患者，因?yàn)檫@樣會(huì)使臨終關(guān)懷的準(zhǔn)備時(shí)間不夠。
斯坦福大學(xué)人工智能算法可準(zhǔn)確預(yù)測(cè)人類90%結(jié)果
掌握了新的技術(shù)，算法的任務(wù)是評(píng)估剩下的4萬(wàn)名患者。它做得相當(dāng)出色，在3至12個(gè)月的時(shí)間范圍內(nèi)，成功地預(yù)測(cè)了10個(gè)病例中的9個(gè)病人死亡。大約95%的患者在這段時(shí)間內(nèi)死亡的可能性較低，壽命超過(guò)了12個(gè)月。試點(diǎn)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(shuō)：“這是一個(gè)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(dá)一個(gè)死亡時(shí)間”，并補(bǔ)充說(shuō)，該系統(tǒng)解決了“識(shí)別那些沒(méi)有得到解決臨終關(guān)懷需求的重病患者”的問(wèn)題。
Jung補(bǔ)充道：“我們普遍認(rèn)為，這種方法對(duì)于在臨床環(huán)境中安全、有效和符合倫理的使用機(jī)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(rèn)為幾乎總是更好，更關(guān)鍵的是讓大限將至的人知道。”
在試點(diǎn)研究期間，研究人員注意到該系統(tǒng)的一些缺點(diǎn)，在進(jìn)一步使用之前需要加以解決。
Jung說(shuō)： 他說(shuō)：“例如，事實(shí)證明，要找到一個(gè)合適的時(shí)間和地點(diǎn)，讓臨終關(guān)懷的醫(yī)生能夠及時(shí)與醫(yī)院的工作人員進(jìn)行交流，這是非常困難的。” “在試點(diǎn)研究中浮現(xiàn)的另一個(gè)細(xì)節(jié)是，我們發(fā)現(xiàn)，我們假設(shè)的一些數(shù)據(jù)將不會(huì)出現(xiàn)在該系統(tǒng)中——至少在使用的時(shí)候是這樣。”
Jung說(shuō)，這項(xiàng)試點(diǎn)研究是為了反復(fù)研究這些問(wèn)題，以確定它是否能順利運(yùn)行，并在預(yù)期的方向上整體工作。
斯坦福大學(xué)人工智能算法可準(zhǔn)確預(yù)測(cè)人類90%結(jié)果
重要的是，雖然該系統(tǒng)可以做出預(yù)測(cè)，并提醒醫(yī)療從業(yè)人員對(duì)臨終關(guān)懷的需求，但系統(tǒng)不能告訴醫(yī)生為什么會(huì)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(guó)際象棋和圍棋中擊敗世界冠軍。專家說(shuō)，這個(gè)系統(tǒng)的做法是“外來(lái)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(wèn)題，當(dāng)一臺(tái)機(jī)器提出問(wèn)題的答案或解決方案時(shí)，卻沒(méi)有一個(gè)明確的方法來(lái)得知如何解決問(wèn)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(gè)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(diǎn)偏頗。 展望未來(lái)，系統(tǒng)將通過(guò)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(xiàng)任務(wù)。
所以好消息是這個(gè)系統(tǒng)在預(yù)測(cè)我們什么時(shí)候死亡越來(lái)越準(zhǔn)確。沒(méi)錯(cuò)，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。
