斯坦福年夜學的一個研討小組經由過程應用人工智能算法來猜測病人的逝世亡，愿望可以或許改良重癥患者臨終關心機會。在測試中，這個體系被證實長短常精確的，準確猜測90%病例的逝世亡成果。然則，雖然該體系可以或許猜測病人什么時候能夠逝世亡，但它依然沒法告知大夫它是若何得出結論的。

　　猜測逝世亡長短常艱苦的。大夫必需斟酌一系列龐雜的身分，從病人的年紀和家族史到對藥物的反響，和疾病自己的性質。讓工作變得龐雜的是，大夫必需與本身的自信，成見或有意識地不肯意評價病人還有若干光景做奮斗。有時刻大夫能精確猜測，然則有些時刻病人能夠會推延數月（假如不是幾年的話），不管是過早照樣過晚地猜測逝世亡，都晦氣于臨終關心。

　　這給臨終關心的準確支配帶來了成績。平日情形下，當一個病人弗成能活到一年以上，醫治就會被轉移到一個臨終關心小組，他們試圖讓病人在最初幾天或幾個月盡量的闊別苦楚。為此，他們盡力治理病人的苦楚、惡心、食欲和迷惑，供給心思和精力上的支撐，同時尊敬病人及其家人的社會、文明和精力需求。

　　但假如一個病人過渡蒞臨終關心的時光太晚，他們極可能會錯過這個主要的護理階段。而假如過早，則會給醫療系統帶來不用要的壓力。

　　平日情形下，早期疾病會演化成一場醫療危機，病人終究會在重癥監護病房里。在那邊，情形任意成長，招致愈來愈多的干涉辦法，常常沒法為病人和他們的家人供給優越的辦事，”斯坦福年夜學醫學研討迷信家、新研討的合著者Ken Jung對Gizmodo說。臨終關心團隊的目的之一是與患者停止對話，如許患者就可以在危機產生前細心思慮并清晰表達本身的偏好。值得留意的是，即便病人在將來的一年里沒有病危逝世，這些行動也是適合的。臨終關心的目標就是讓患者從這些說話中受害。

　　Jung說，這類未知足的需求在幾十年前初次被發明，查詢拜訪顯示80%的美國人愿望在家中逝世去，但只要35%的人這么做。他說，如今情形有所改良，但我們“還有很長的路要走”。

　　而在中國，據數據顯示，每一年有約700萬人走向性命起點，但社會上供給的臨終關心辦事卻只能知足約15%的需求。

　　英國《經濟學人》信息部的申報也以為，中國的臨終關心辦事供應跟不上生齒老齡化的速度，依據《經濟學人》信息部的2015年“逝世亡本質指數”，中國在80個國度傍邊排名倒數第10。

　　機會適可而止是很主要的，這就是斯坦福年夜學Anand Avati和他的團隊開辟了一個基于AI體系的緣由。逝世亡猜測算法不是要代替大夫，而是供給一種對象來進步猜測的精確性。除改良臨終關心的機會以外，該體系還可以加重大夫在猜測患者終局方面的累贅，這是一個費時辛苦的進程。

　　“我們所要處理的成績是，只要一小部門可以從臨終關心中受害的患者現實上接收了它，部門緣由是因為被發明得太晚，部門緣由是臨終關心辦事中[人力資本]缺乏，沒法盡早發明。”阿瓦蒂告知Gizmodo，“我們試圖處理這個成績。”

　　該體系應用一種被稱為“深度進修”的人工智能，即神經收集從年夜量數據中進修。在這類情形下，該體系是由成人和兒童患者的電子安康記載（EHR）供給的數據，這些患者要末是斯坦福病院，要末是露西爾帕克德兒童病院。在剖析了200萬個記載以后，研討人員肯定了20萬個合適這個項目標患者。研討人員對疾病類型、疾病階段、出院水平（重癥監護病房和非重癥監護病房）等方面都是“弗成知論者”。一切這些患者都有相干的病例申報，包含診斷，所訂購的掃描次數，所履行的法式類型，住院時光的天數，應用的藥物，和其他身分。

　　深度進修算法研討了來自這些患者的160,000例病例申報，并給出了指令：“給定患者和日期，應用該患者的一年EHR數據，從該日期起的12個月內猜測患者的逝世亡。”該體系接收培訓，猜測將來3到12個月內的病人逝世亡。沒有斟酌到壽命少于3個月的患者，由于如許會使臨終關心的預備時光不敷。

　　控制了新的技巧，算法的義務是評價剩下的4萬名患者。它做得相當精彩，在3至12個月的時光規模內，勝利地猜測了10個病例中的9個病人逝世亡。年夜約95%的患者在這段時光內逝世亡的能夠性較低，壽命跨越了12個月。試點研討證實是勝利的，研討人員如今愿望他們的體系可以或許獲得更普遍的運用。

　　斯坦福年夜學醫學臨床副傳授，新研討的合著者斯蒂芬妮·哈曼（Stephanie M. Harman）告知Gizmodo說：“這是一個龐雜的分流對象，以改良臨終關心為手腕，以預斷為代表。” “其目標不是轉達一個逝世亡時光”，并彌補說，該體系處理了“辨認那些沒有獲得處理臨終關心需求的宿疾患者”的成績。

　　Jung彌補道：“我們廣泛以為，這類辦法關于在臨床情況中平安、有用和相符倫理的應用機械進修是相當主要的。除異常小眾的運用法式外，我們以為簡直老是更好，更癥結的是讓年夜限將至的人曉得。”

　　在試點研討時代，研討人員留意到該體系的一些缺陷，在進一步應用之前須要加以處理。

　　Jung說： 他說：“例如，現實證實，要找到一個適合的時光和所在，讓臨終關心的大夫可以或許實時與病院的任務人員停止交換，這長短常艱苦的。” “在試點研討中顯現的另外一個細節是，我們發明，我們假定的一些數據將不會涌現在該體系中——至多在應用的時刻是如許。”

　　Jung說，這項試點研討是為了重復研討這些成績，以肯定它能否能順遂運轉，并在預期的偏向上全體任務。

　　主要的是，固然該體系可以做出猜測，并提示醫療從業人員對臨終關心的需求，但體系不克不及告知大夫為何會涌現預斷，或許患者能夠須要的醫療類型。這類情形與DeepMind的AlphaGo體系相似，如今它可以或許在國際象棋和圍棋中擊敗世界冠軍。專家說，這個體系的做法是“外來的”和弗成預知的，讓掉敗的年夜師們完整迷惑。這就是AI開辟人員稱之為“黑盒子”成績 - 當一臺機械提出成績的謎底或處理計劃時，卻沒有一個明白的辦法來得知若何處理成績的。

　　值得光榮的是，斯坦福算法所做的決議可以被研討。

　　并且，這個體系還能變得更好， 今朝它只是從兩家病院的病人那邊取得數據，所所以無限的，有點偏頗。 瞻望將來，體系將經由過程加倍多元化的數據解析，并應用加倍完美的深度進修模子架構，更合適于這項義務。

　　所以好新聞是這個體系在猜測我們甚么時刻逝世亡愈來愈精確。沒錯，這是使人不安的，然則假如可以或許獲得更好的臨終關心，這不掉為一件功德。