斯坦福大學(xué)人工智能算法可準確預測人類(lèi)90%結果

　　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)預測病人的死亡，希望能夠改善重癥患者臨終關(guān)懷時(shí)機。在測試中，這個(gè)系統被證明是非常準確的，正確預測90%病例的死亡結果。但是，盡管該系統能夠預測病人何時(shí)可能死亡，但它仍然無(wú)法告訴醫生它是如何得出結論的。

　　預測死亡是非常困難的。醫生必須考慮一系列復雜的因素，從病人的年齡和家族史到對藥物的反應，以及疾病本身的性質(zhì)。讓事情變得復雜的是，醫生必須與自己的自負，偏見(jiàn)或無(wú)意識地不愿意評估病人還有多少光景做斗爭。有時(shí)候醫生能準確預測，但是有些時(shí)候病人可能會(huì )推遲數月(如果不是幾年的話(huà))，無(wú)論是過(guò)早還是過(guò)晚地預測死亡，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，當一個(gè)病人不可能活到一年以上，治療就會(huì )被轉移到一個(gè)臨終關(guān)懷小組，他們試圖讓病人在最后幾天或幾個(gè)月盡可能的遠離痛苦。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 )錯過(guò)這個(gè)重要的護理階段。而如果過(guò)早，則會(huì )給醫療體系帶來(lái)不必要的壓力。

　　通常情況下，晚期疾病會(huì )演變成一場(chǎng)醫療危機，病人最終會(huì )在重癥監護病房里。在那里，情況恣意發(fā)展，導致越來(lái)越多的干預措施，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)醫學(xué)研究科學(xué)家、新研究的合著(zhù)者Ken Jung對Gizmodo說(shuō)。臨終關(guān)懷團隊的目標之一是與患者進(jìn)行對話(huà)，這樣患者就能在危機發(fā)生前仔細思考并清楚表達自己的偏好。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(huà)中受益。

　　Jung說(shuō)，這種未滿(mǎn)足的需求在幾十年前首次被發(fā)現，調查顯示80%的美國人希望在家中死去，但只有35%的人這么做。他說(shuō)，現在情況有所改善，但我們“還有很長(cháng)的路要走”。

　　而在中國，據數據顯示，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(mǎn)足約15%的需求。

　　英國《經(jīng)濟學(xué)人》信息部的報告也認為，中國的臨終關(guān)懷服務(wù)供給跟不上人口老齡化的速度，根據《經(jīng)濟學(xué)人》信息部的2015年“死亡素質(zhì)指數”，中國在80個(gè)國家當中排名倒數第10。

　　時(shí)機恰到好處是很重要的，這就是斯坦福大學(xué)Anand Avati和他的團隊開(kāi)發(fā)了一個(gè)基于A(yíng)I系統的原因。死亡預測算法不是要取代醫生，而是提供一種工具來(lái)提高預測的準確性。除了改善臨終關(guān)懷的時(shí)機之外，該系統還可以減輕醫生在預測患者結局方面的負擔，這是一個(gè)費時(shí)費力的過(guò)程。

　　“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?！卑⑼叩俑嬖VGizmodo，“我們試圖解決這個(gè)問(wèn)題?！?/p>

　　該系統使用一種被稱(chēng)為“深度學(xué)習”的人工智能，即神經(jīng)網(wǎng)絡(luò )從大量數據中學(xué)習。在這種情況下，該系統是由成人和兒童患者的電子健康記錄(EHR)提供的數據，這些患者要么是斯坦福醫院，要么是露西爾帕克德兒童醫院。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)項目的患者。研究人員對疾病類(lèi)型、疾病階段、入院程度(重癥監護病房和非重癥監護病房)等方面都是“不可知論者”。所有這些患者都有相關(guān)的病例報告，包括診斷，所訂購的掃描次數，所執行的程序類(lèi)型，住院時(shí)間的天數，使用的藥物，以及其他因素。

　　深度學(xué)習算法研究了來(lái)自這些患者的160，000例病例報告，并給出了指令：“給定患者和日期，利用該患者的一年EHR數據，從該日期起的12個(gè)月內預測患者的死亡?！痹撓到y接受培訓，預測未來(lái)3到12個(gè)月內的病人死亡。沒(méi)有考慮到壽命少于3個(gè)月的患者，因為這樣會(huì )使臨終關(guān)懷的準備時(shí)間不夠。

　　掌握了新的技術(shù)，算法的任務(wù)是評估剩下的4萬(wàn)名患者。它做得相當出色，在3至12個(gè)月的時(shí)間范圍內，成功地預測了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，研究人員現在希望他們的系統能夠得到更廣泛的應用。

　　斯坦福大學(xué)醫學(xué)臨床副教授，新研究的合著(zhù)者斯蒂芬妮·哈曼(Stephanie M. Harman)告訴Gizmodo說(shuō)：“這是一個(gè)復雜的分流工具，以改善臨終關(guān)懷為手段，以預斷為代表?！?“其目的不是傳達一個(gè)死亡時(shí)間”，并補充說(shuō)，該系統解決了“識別那些沒(méi)有得到解決臨終關(guān)懷需求的重病患者”的問(wèn)題。

　　Jung補充道：“我們普遍認為，這種方法對于在臨床環(huán)境中安全、有效和符合倫理的使用機器學(xué)習是至關(guān)重要的。除了非常小眾的應用程序外，我們認為幾乎總是更好，更關(guān)鍵的是讓大限將至的人知道?！?/p>

　　在試點(diǎn)研究期間，研究人員注意到該系統的一些缺點(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)懷的醫生能夠及時(shí)與醫院的工作人員進(jìn)行交流，這是非常困難的?！?“在試點(diǎn)研究中浮現的另一個(gè)細節是，我們發(fā)現，我們假設的一些數據將不會(huì )出現在該系統中——至少在使用的時(shí)候是這樣?！?/p>

　　Jung說(shuō)，這項試點(diǎn)研究是為了反復研究這些問(wèn)題，以確定它是否能順利運行，并在預期的方向上整體工作。

　　重要的是，雖然該系統可以做出預測，并提醒醫療從業(yè)人員對臨終關(guān)懷的需求，但系統不能告訴醫生為什么會(huì )出現預斷，或者患者可能需要的醫療類(lèi)型。這種情況與DeepMind的AlphaGo系統類(lèi)似，現在它能夠在國際象棋和圍棋中擊敗世界冠軍。專(zhuān)家說(shuō)，這個(gè)系統的做法是“外來(lái)的”和不可預知的，讓失敗的大師們完全困惑。這就是AI開(kāi)發(fā)人員稱(chēng)之為“黑盒子”問(wèn)題，當一臺機器提出問(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)系統還能變得更好， 目前它只是從兩家醫院的病人那里獲得數據，所以是有限的，有點(diǎn)偏頗。 展望未來(lái)，系統將通過(guò)更加多元化的數據解析，并使用更加完善的深度學(xué)習模型架構，更適合于這項任務(wù)。

　　所以好消息是這個(gè)系統在預測我們什么時(shí)候死亡越來(lái)越準確。沒(méi)錯，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。