斯坦福團隊用 AI 預測死亡，以便提供更好的臨終關懷

利用人工智慧（AI）來預測病人的死亡，這事兒聽起來像是科幻小說里的情節。但是，斯坦福大學的研究人員認為 AI 的這個用途，可以給醫生和病人及早地開始必要的臨終交談提供一個良好的機會。

很多醫生常常對於病人的死亡提供過度樂觀的預測，延遲了進行臨終選擇的交流。而這種可理解的傾向，可能會導致病人在醫院裡接受多餘的、昂貴的且強烈的治療，而不是在相對舒適的環境中更加平和地結束生命。

以往的研究表明，如果可能，80% 的美國人更願意在家裡度過生命最後的日子。而事實上，根據研究報道，超過 60% 的美國人臨終時，在急性護理醫院接受強烈的治療。

姑息治療專家通常是應病人主治醫生的要求而提供他們的服務，比如為重症病人提供安慰，或者在生前遺囑中記錄臨終治療的選擇。而斯坦福大學姑息治療服務的主任 Stephanie Harman 認為通過姑息治療醫生鑒別並主動地接觸病人，可以調轉上述的常規順序。她與醫藥和生物醫療信息專業的研究人員均認為 AI 與醫療保健協作是一個好的研究方向。

斯坦福研究團隊的 AI 演算法取決於深度學習，這是當前最流行的機器學習技術。根據 200 萬成年人和兒童病人的電子健康檔案，研究人員「訓練」出了一個深度學習演算法，用於預測僅剩 3-12 月的病人死亡率。

初步研究中，利用演算法預測死亡率，結果並沒有人們認為的那麼不靠譜。從倫理學和醫療保健的角度，深度學習是能夠幫助醫生篩選進行姑息治療的病人，以便他們可以由此受益並減少負面影響。

研究人員 Kenneth Jung 表示，「我們認為相較於輕率地基於演算法而做出醫療干預而言，讓機器學習和醫生共同的決策，才是應該採用的方式。由此，無論從倫理道德上還是安全上，都有堅實基礎。」

深度學習演算法的一個潛在問題就是，研發者也常常無法解釋為什麼深度學習模型能得出預測結果。也就是說，深度學習可能很難解釋預測模型如何得出結論，比如某個病人可能會在一年內死亡。

慶幸的是，死亡率預測背後的原因並不見得非常必要。姑息治療團隊主要關心是否能夠準確鑒定會受益於姑息治療的病人，而不需要準確地了解預測原因。Jung 表示，「這也就是為什麼我們不必擔心利用這種模型帶來消極結果。姑息治療干預與病因並沒有緊密聯繫。但是，也有特殊情況，如果病人即將死亡而需要進行治療選擇，那麼這種情況下希望能夠找到病因。」

但是，作為研究對象，了解深度學習模型如何做出預測是有幫助的。此時，研究團隊利用常見錯誤分析技術，研究深度學習模型的決策過程。具體方法就是通過改變個別參數來逐步調整模型，以便找出這些參數對模型預測結果的影響。

另外，研究人員強調病人也不是非要臨近死亡才應該去了解姑息治療。初級階段的研究表明，即便重症病人可能不會在一年內就死亡，與他們進行臨終交流對於醫生來說也是有幫助的。與研究人員找出病人接受姑息治療的最佳時間相比較而言，深度學習模型預測死亡率僅僅恰巧是一個有用的測試，簡單來說就是預測一個人會不會死亡。

研究人員希望通過 AI 預篩選能夠幫助提升病人按照自己意願接受臨終治療的比例，減少最終死亡在 ICU 病房（違背病人意願）的病人數量。他們也希望能夠確保病人及其家屬有機會去討論在臨終前所希望發生的事情。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！