斯坦福大学的一个研究小组通过使用人工智能算法来预测病人的死亡，希望能够改善重症患者临终关怀时机。在测试中，这个系统被证明是非常准确的，正确预测90％病例的死亡结果。但是，尽管该系统能够预测病人何时可能死亡，但它仍然无法告诉医生它是如何得出结论的。
预测死亡是非常困难的。医生必须考虑一系列复杂的因素，从病人的年龄和家族史到对药物的反应，以及疾病本身的性质。让事情变得复杂的是，医生必须与自己的自负，偏见或无意识地不愿意评估病人还有多少光景做斗争。有时候医生能准确预测，但是有些时候病人可能会推迟数月（如果不是几年的话），无论是过早还是过晚地预测死亡，都不利于临终关怀。
这给临终关怀的精确安排带来了问题。通常情况下，当一个病人不可能活到一年以上，治疗就会被转移到一个临终关怀小组，他们试图让病人在最后几天或几个月尽可能的远离痛苦。为此，他们努力管理病人的痛苦、恶心、食欲和困惑，提供心理和精神上的支持，同时尊重病人及其家人的社会、文化和精神需求。
但如果一个病人过渡到临终关怀的时间太晚，他们很可能会错过这个重要的护理阶段。而如果过早，则会给医疗体系带来不必要的压力。
通常情况下，晚期疾病会演变成一场医疗危机，病人最终会在重症监护病房里。在那里，情况恣意发展，导致越来越多的干预措施，往往无法为病人和他们的家人提供良好的服务，”斯坦福大学医学研究科学家、新研究的合著者Ken Jung对Gizmodo说。临终关怀团队的目标之一是与患者进行对话，这样患者就能在危机发生前仔细思考并清楚表达自己的偏好。值得注意的是，即使病人在未来的一年里没有病危去世，这些行为也是合适的。临终关怀的目的就是让患者从这些谈话中受益。
Jung说，这种未满足的需求在几十年前首次被发现，调查显示80％的美国人希望在家中死去，但只有35％的人这么做。他说，现在情况有所改善，但我们“还有很长的路要走”。
而在中国，据数据显示，每年有约700万人走向生命终点，但社会上提供的临终关怀服务却只能满足约15％的需求。
英国《经济学人》信息部的报告也认为，中国的临终关怀服务供给跟不上人口老龄化的速度，根据《经济学人》信息部的2015年“死亡素质指数”，中国在80个国家当中排名倒数第10。
时机恰到好处是很重要的，这就是斯坦福大学Anand Avati和他的团队开发了一个基于AI系统的原因。死亡预测算法不是要取代医生，而是提供一种工具来提高预测的准确性。除了改善临终关怀的时机之外，该系统还可以减轻医生在预测患者结局方面的负担，这是一个费时费力的过程。
“我们所要解决的问题是，只有一小部分可以从临终关怀中受益的患者实际上接受了它，部分原因是由于被发现得太晚，部分原因是临终关怀服务中［人力资源］短缺，无法及早发现。”阿瓦蒂告诉Gizmodo，“我们试图解决这个问题。”
该系统使用一种被称为“ 学习”的人工智能，即神经网络从大量数据中学习。在这种情况下，该系统是由成人和儿童患者的电子健康记录（EHR）提供的数据，这些患者要么是斯坦福医院，要么是露西尔帕克德儿童医院。在分析了200万个记录之后，研究人员确定了20万个适合这个项目的患者。研究人员对疾病类型、疾病阶段、入院程度（重症监护病房和非重症监护病房）等方面都是“不可知论者”。所有这些患者都有相关的病例报告，包括诊断，所订购的扫描次数，所执行的程序类型，住院时间的天数，使用的药物，以及其他因素。
学习算法研究了来自这些患者的160，000例病例报告，并给出了指令：“给定患者和日期，利用该患者的一年EHR数据，从该日期起的12个月内预测患者的死亡。”该系统接受培训，预测未来3到12个月内的病人死亡。没有考虑到寿命少于3个月的患者，因为这样会使临终关怀的准备时间不够。
掌握了新的技术，算法的任务是评估剩下的4万名患者。它做得相当出色，在3至12个月的时间范围内，成功地预测了10个病例中的9个病人死亡。大约95％的患者在这段时间内死亡的可能性较低，寿命超过了12个月。试点研究证明是成功的，研究人员现在希望他们的系统能够得到更广泛的应用。
斯坦福大学医学临床副教授，新研究的合着者斯蒂芬妮·哈曼（Stephanie M． Harman）告诉Gizmodo说：“这是一个复杂的分流工具，以改善临终关怀为手段，以预断为代表。” “其目的不是传达一个死亡时间”，并补充说，该系统解决了“识别那些没有得到解决临终关怀需求的重病患者”的问题。
Jung补充道：“我们普遍认为，这种方法对于在临床环境中安全、有效和符合伦理的使用机器学习是至关重要的。除了非常小众的应用程序外，我们认为几乎总是更好，更关键的是让大限将至的人知道。”
在试点研究期间，研究人员注意到该系统的一些缺点，在进一步使用之前需要加以解决。
Jung说： 他说：“例如，事实证明，要找到一个合适的时间和地点，让临终关怀的医生能够及时与医院的工作人员进行交流，这是非常困难的。” “在试点研究中浮现的另一个细节是，我们发现，我们假设的一些数据将不会出现在该系统中——至少在使用的时候是这样。”
Jung说，这项试点研究是为了反复研究这些问题，以确定它是否能顺利运行，并在预期的方向上整体工作。
重要的是，虽然该系统可以做出预测，并提醒医疗从业人员对临终关怀的需求，但系统不能告诉医生为什么会出现预断，或者患者可能需要的医疗类型。这种情况与DeepMind的AlphaGo系统类似，现在它能够在国际象棋和围棋中击败世界冠军。专家说，这个系统的做法是“外来的”和不可预知的，让失败的大师们完全困惑。这就是AI开发人员称之为“黑盒子”问题，当一台机器提出问题的答案或解决方案时，却没有一个明确的方法来得知如何解决问题的。
值得庆幸的是，斯坦福算法所做的决定可以被研究。
而且，这个系统还能变得更好， 目前它只是从两家医院的病人那里获得数据，所以是有限的，有点偏颇。 展望未来，系统将通过更加多元化的数据解析，并使用更加完善的 学习模型架构，更适合于这项任务。
所以好消息是这个系统在预测我们什么时候死亡越来越准确。没错，这是令人不安的，但是如果能够得到更好的临终关怀，这不失为一件好事。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
