「死亡演算法」：預測死亡時間準確率達90％！

導讀：在2017年11月的IEEE國際生物信息學與生物醫學大會上，斯坦福大學計算機科學系的一名研究生Anand Avati對「死亡演算法」的研究進行了報告：預測死亡時間準確率達90%！

2016年年底，斯坦福大學計算機科學系的一名研究生Anand Avati和醫學院的一個小團隊試圖開發一種演算法，以確定時日無多的病患的壽命。Avati告訴我：「醫院的臨終關懷小組面臨嚴峻的挑戰。我們怎麼能找到那些會在三到十二個月內死亡的病人？」這個時間間隔是臨終關懷的最佳的區間。

超過12個月的臨終關懷服務可能會造成不必要的資源浪費，也會造成供應緊張；相反，如果死亡在三個月內就會發生，可能並沒有足夠的準備時間。Avati知道，識別出那些處於「死亡時間段」的患者，可以幫助醫生對他們採用更合適、更人道的醫療干預措施。

如果演算法有效，臨終關懷團隊將更快地搜尋到那些最需要幫助的人。Avati和他的團隊確定了約20萬名患者作為學習樣本。該團隊的主要參數是醫院的醫療記錄，數據涵蓋多種疾病，包括癌症、神經系統疾病、心臟病和腎臟衰竭等。

假設一名男子在2017年1月死亡，如果你將時間回溯到「臨終關懷的最佳時間」，就來到了 2016年1月至10月間。Avati知道，為了在這個時間段鎖定病人，你需要在此之前就收集和分析他的醫療信息。那麼該怎樣通過這個人的信息，就能使醫生準確預知病人會在三到十二個月的時間內死亡呢？又需要什麼樣的數據才能教會演算法來進行這樣的預測呢？

斯坦福大學的Anand Avati

Avati利用了醫院醫生已經編碼的醫學信息：病人的診斷說明，預定的掃描次數，在醫院裡度過的天數，所做的各種手續，醫療處方等等。這些信息當然是有限的，沒有問卷調查，沒有對話，也不需要用鼻子嗅探化學物質，但它們是一些客觀的標準化參數。

這些信息被輸入到深度神經網路（一種軟體架構，因為它模仿大腦神經元的組織方式）中。演算法的任務是調整每條信息的權重和強度，以便生成一個給定患者在3到12個月內死亡的概率分數。

這套「死亡演算法」從近16萬名患者身上採集信息進行自我訓練。當它學習了所有數據之後，Avati的團隊對剩下的4萬名患者進行了測試。這一過程演算法的表現很出色，錯誤率很低，演算法認為會在3到12個月內死亡的患者中，90%都得到了應驗。

演算法認為存活期超過一年的患者，95％存活超過12個月。（這個演算法使用的數據可以在將來得到很大的改進，掃描結果，醫生的筆記或者病人的自我評估都可以加入到這個系統中，從而提高預測的精度。）

在2017年11月的IEEE國際生物信息學與生物醫學大會上，Avati對此項研究進行了報告。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！