斯坦福大学利用人工智能预测死亡 提供更好的临终关怀

使用人工智能来预测患者死亡的时间听起来像反乌托邦科幻电视剧“黑镜”中的一幕。但是斯坦福大学的研究人员认为，AI 的这个用途，可以给医生和病人及早地开始必要的临终交谈提供一个良好的机会。

许多医生经常就关于他们的病人何时会死亡提供过于乐观的估计，延迟了进行临终选择的交流。这种可以理解的人类倾向可能导致病人在医院里接受多余的、昂贵的且强烈的治疗，而不是在相对舒适的环境中更加平和地结束生命。斯坦福大学研究小组正在测试的另一种方法是使用人工智能来帮助医生筛选新入院的患者，这些患者可以从谈论姑息关怀的选择中受益。

过去的研究表明，如果可能，大约80%的美国人宁愿在家度过最后的日子。实际上，根据斯坦福大学在arXiv服务器上发表的文章“Improving Palliative Care with Deep Learning” 所引用的研究，多达60％的美国人接受积极的治疗的同时最终死于急救医院。

姑息治疗专家通常是应病人主治医生的要求而提供他们的服务，这通常包括为患有严重疾病的病人提供救济，或者在生前遗嘱中记录临终治疗的选择。但是斯坦福健康护理的内科医生斯蒂芬妮·哈曼（Stanhanie Harman）是姑息治疗服务部门的创始医疗主管，他认为通过姑息治疗医生鉴别并主动地接触病人，可以调转上述的常规顺序。她与医药和生物医疗信息专业的研究人员均认为 AI 与医疗保健协作是一个好的研究方向。

哈曼把她的想法带到了斯坦福大学医学和生物医学信息学副教授Nigam Shah。 Shah一直在研究人工智能在医疗保健领域的合作，他与斯坦福大学兼职教授，前百度人工智能集团负责人Andrew Ng进行了交流。他们一致认为，姑息治疗的想法似乎是一个很好的项目，并加深了讨论。

斯坦福大学的人工智能算法依靠深度学习，这种流行的机器学习技术使用神经网络来过滤并且从大量数据中学习。研究人员对斯坦福大学医院或露西尔帕卡德儿童医院入院的约200万成人和儿童患者的电子健康记录进行了深度学习算法，以预测未来3至12个月内某名患者的死亡率。 （预测三个月内病人的死亡将使姑息治疗所需的准备时间太少。）

斯坦福大学人工智能实验室计算机科学博士候选人Anand Avati说：“我们可以使用常规收集的医疗保健环境中的操作数据建立一个预测模型，而不是精心设计的实验研究。“可用的数据规模使我们能够建立一个全因死亡率预测模型，而不是疾病或具体的人口统计。”

该试点研究使用一种算法来预测病人死亡率 - 这得到了一个机构审查委员会的批准 - 事实上并不像人们想象的那么可怕。从道德和医疗的角度来看，深度学习模式在帮助人类医生筛查患者姑息治疗方面的帮助通常具有重大的益处和极少缺点。

“我们认为让医生循环，把这个想法称为”机器学习和医生“是一条路，而不是盲目地根据算法进行医疗干预。。.。。.这使我们在道德和安全方面都变得更加坚定”斯坦福大学研究科学家肯尼斯·荣格（Kenneth Jung）说。

深度学习算法的一个潜在问题就是，即使是其创建者也经常不能解释为什么深度学习模型会产生特定的结果。也就是说，深度学习可能很难解释预测模型如何得出结论，比如某个病人可能会在一年内死亡。

庆幸的是，死亡率预测背后的原因并不见得非常必要。姑息治疗团队主要关心是否能够准确鉴定会受益于姑息治疗的病人，而不是需要准确地知道算法为什么会预测一名患者可能会在一年内死亡。荣格解释如下：

这也就是为什么我们不必担心利用这种模型带来消极结果。姑息治疗干预与病因并没有紧密联系。但是，也有特殊情况，如果病人即将死亡而需要进行治疗选择，那么这种情况下希望能够找到病因。

但是，作为研究对象，了解深度学习模型如何做出预测是有帮助的。在这种情况下，斯坦福大学使用了一种常见的错误分析技术，称为消融分析，研究深度学习模型的决策过程。他们的方法是通过调整个别参数来一点一点地调整模型，以确定这些参数对模型的决策有什么影响。

斯坦福大学的研究小组也强调，病人也不是非要临近死亡才应该去了解姑息治疗。荣格说，试验性研究的早期阶段表明，即便重症病人可能不会在一年内就死亡，对于医生来说，与重病患者进行临终讨论通常也是有益的。与研究人员找出病人接受姑息治疗的最佳时间相比较而言，深度学习模型预测死亡率仅仅恰巧是一个有用的测试，简单来说就是预测一个人会不会死亡。

斯坦福大学的研究小组旨在通过 AI 预筛选能够帮助提升病人按照自己意愿接受临终治疗的比例，减少最终死亡在 ICU 病房（违背病人意愿）的病人数量。他们也希望能够确保病人及其家属有机会去讨论在临终前所希望发生的事情。