對于一個癌癥患者而言，“死亡”這個話題雖然十分沉重，但也需要預(yù)留空間去探討和適應(yīng),。而如果可以精準預(yù)測病患的“死亡”，是否能給予患者這個空間呢,？

美國斯坦福大學(xué)開發(fā)了一款“預(yù)測死期”的AI系統(tǒng),。這款A(yù)I系統(tǒng)整理了近200萬名成人和兒童患者的電子健康檔案數(shù)據(jù)，以及相關(guān)的醫(yī)學(xué)診斷信息,，得到病情的大數(shù)據(jù),。再通過數(shù)據(jù)收集與系統(tǒng)自主學(xué)習(xí)機制，來預(yù)測病患具體的死亡時間,。

 為了臨終關(guān)懷,，也為了拯救生命

在中國，每年有約700萬人走向生命終點,，但社會上提供的臨終關(guān)懷服務(wù)卻只能滿足約15%的需求,。該系統(tǒng)的出現(xiàn)，預(yù)示著醫(yī)生們能夠更加精確地安排病患的臨終關(guān)懷,。除此之外,，利用“預(yù)測死亡”我們還可以發(fā)掘一條新的道路。

對于大限將至的晚期病患,，我們可以通過長期的數(shù)據(jù)跟蹤來判斷死亡概率,。而對于一些特殊疾病的突發(fā)癥狀，我們也可以通過機器學(xué)習(xí),，感知到病患的一些生命體征變化從而發(fā)出危險預(yù)警,。

FDA（美國食品藥品監(jiān)督管理局）最近批準通過了首個可以預(yù)測死亡的AI產(chǎn)品，這個產(chǎn)品名叫Wave Clinical Platform,，由醫(yī)療科技公司Excel Medical研發(fā),。

Wave是一個永遠在線的遠程監(jiān)測平臺，集成了醫(yī)院和包括患者的用藥情況,、年齡,、生理情況、既往病史,、家族病史等實時數(shù)據(jù),。

這套系統(tǒng)可以感知生命體征的細微變化，從而在發(fā)生致命事件6小時前發(fā)出預(yù)警,。也就是說,，AI系統(tǒng)可以通過比較數(shù)據(jù)庫中的猝死病例，從而提前6個小時預(yù)測“猝死時間”，為醫(yī)護人員贏得搶救時間,。

英國科學(xué)家也曾在《影像診斷學(xué)》雜志上發(fā)表文章說,，人工智能可以預(yù)測心臟病人何時死亡。而這項技術(shù)能讓醫(yī)護人員發(fā)現(xiàn)需要更多干預(yù)治療的患者,，從而拯救更多的生命,。

AI預(yù)測死亡——逃不出的籠子

對于AI預(yù)測死亡這一命題所遇到的問題，智能相對論（ID:aixdlun）分析師顏璇認為可以從這三個方面來考慮,。

1.“預(yù)測死亡”即“判死刑”,，病人能接受嗎

不可否認的是，預(yù)測死亡確實可以讓醫(yī)生更合理地去配置醫(yī)療資源,。但“死亡”并非那么容易被所有人接受,。

Siddhartha Mukherjee在文章中講過自己親歷的一個故事，他曾經(jīng)治療過一名食道癌患者,，這個病人的治療十分順利,，但還是存在著復(fù)發(fā)的可能性。于是醫(yī)生提出了臨終關(guān)懷的話題,。但這位病人拒絕了,。這位病人認為，他的身體狀況越來越好,，精神狀態(tài)十分振作,，為什么偏要說這些掃興的話呢？

令人遺憾的是,，這位病人的癌癥還是復(fù)發(fā)了,。在他臨終前，他始終處于昏迷狀態(tài),，無法回應(yīng)在他病床旁的家人,。

從這個故事中可見，并非每一個病人都能淡然地接受“死亡”這個話題,。當病人與病魔和死神苦苦爭斗時,，醫(yī)生們用一套所謂科學(xué)的、精密的AI系統(tǒng)預(yù)測了病人的死期,，于病人而言,，抗癌之旅本就艱辛，而在其頭頂懸上一把會準時掉落的死亡之刃未免也太過殘忍,。

2.病情存在個體差異，復(fù)雜病例難以判斷

AI預(yù)測死亡主要依賴于醫(yī)療大數(shù)據(jù)和深度學(xué)習(xí),。研究團隊表示,，這套AI系統(tǒng)收集了從發(fā)現(xiàn)病癥到12個月內(nèi)死亡的病人數(shù)據(jù)，然后通過深度神經(jīng)網(wǎng)絡(luò)利用大數(shù)據(jù)計算每條信息的權(quán)重和強度,，生成一個給定患者在3到12個月內(nèi)死亡的概率分數(shù),，通過分數(shù)預(yù)測病人在3-12個月內(nèi)是否會死亡,。

醫(yī)療數(shù)據(jù)種類繁雜，質(zhì)量參差不齊,，是一種極具個性化的信息,。疾病的病程具有一定的規(guī)律，但具體病情癥狀卻要因人而異,。個人體質(zhì),、周圍環(huán)境等因素都會影響疾病的轉(zhuǎn)歸。除了個體的差異,，疾病本身也難以被清楚地認知,。比如，幾乎任何傳染病的初期癥狀都與感冒類似,。也就是說,，疾病本身是帶有欺騙性的，在醫(yī)院中,，醫(yī)生也常常需要借助輔助工具,，在面對復(fù)雜病例時，醫(yī)生們甚至需要召開病情討論會議,，幾方會談才能確定治療方案,。

再者，AI預(yù)測死亡的深度學(xué)習(xí)有一個令人費解的地方,，也就是“黑盒子”問題——它能夠推算出一個病患的死亡概率分數(shù),，卻無法表達其背后的邏輯。

所以,，通過概率分數(shù)來預(yù)測病人的死亡時間依舊存在著許多問題,。單單針對某類疾病的死亡預(yù)測可能有效，但是預(yù)測大病種的死亡概率的可能性卻微乎其微,。

3.醫(yī)療大數(shù)據(jù)共享難

AI+醫(yī)療大多以算法開始,，但最終還是會回到數(shù)據(jù)。盡管數(shù)據(jù)是所有AI項目的問題,，但醫(yī)療行業(yè)的數(shù)據(jù),，尤其是這類關(guān)于生死的數(shù)據(jù)更難獲取。

醫(yī)療信息與其它領(lǐng)域的信息不同,，種類十分繁雜,，標準也不統(tǒng)一。尤其許多病癥會涉及到患者隱私,，會有部分患者并不愿意將自己的醫(yī)療數(shù)據(jù)用于AI研究,。

就質(zhì)量而言，醫(yī)療數(shù)據(jù)也有更高的要求，比如,，所有的醫(yī)療數(shù)據(jù)需要醫(yī)生的人工標識,。

除了病人，從醫(yī)院方獲取數(shù)據(jù)也有阻力,，在不能確定某項研究會有利于醫(yī)院救護的時候,，醫(yī)院恐怕并不愿意擔風險貢獻出所有的工作數(shù)據(jù)。而技術(shù)人員要如何和醫(yī)生形成合力,，獲取高質(zhì)量的大數(shù)據(jù),，是大部分人工智能醫(yī)療企業(yè)共同面臨的難題。

 “雞肋”如何巧變?yōu)椤靶苷啤?/span>

“AI預(yù)測死亡的準確率高達90%”更像是一個過度宣傳的噱頭,，預(yù)測人類的死亡只是更方便進行姑息治療,，但其中還是會面臨一些倫理問題。比如,，要不要將死亡日期通知給病人和其家人,？一套機器是否有資格來宣判人類的死亡期限呢？

而如果換個預(yù)測對象呢,？設(shè)想一下,，作為一只寵物狗的主人，當狗狗的身體機能漸漸衰老,，主人是否想要知道這只狗狗什么時候會離世呢,？由于語言的不通，人類會希望借助一些輔助工具更了解寵物,，希望有更精確的醫(yī)療輔助系統(tǒng)來診斷寵物的病情,，從而為寵物做更好的安排。面對寵物,，AI預(yù)測死亡似乎更能被人類所接受,。

AI預(yù)測死亡系統(tǒng)的發(fā)展過程應(yīng)該是一個不斷提升價值的過程，一方面,，應(yīng)該建立更多對象的數(shù)據(jù)庫,，依賴于深度學(xué)習(xí)來進行更多應(yīng)用場景的選擇。首先,，選擇一類對象（多半為寵物）作為訓(xùn)練學(xué)習(xí)模型的教材,，然后，通過積累的“經(jīng)驗”來判斷這類對象在發(fā)病期間的死亡概率,，最后,，對對象進行干預(yù)治療。

另一方面,，將預(yù)測死亡變成預(yù)測病程,。預(yù)測場景從垂直領(lǐng)域到橫向領(lǐng)域,，構(gòu)建一個智能預(yù)測系統(tǒng)，既包括病程的轉(zhuǎn)歸期,，也包括病程前期的所有階段，最后做到為用戶個性化建模,。  

在AI醫(yī)療上,，我們細分了越來越多的名目。而“預(yù)測死亡”看起來涉及到了人類生死大事,，但也只是觸及到了事情的表面,，在戳破了“死亡預(yù)測”這個氣泡后，如何讓AI醫(yī)療預(yù)測成為一個真正惠民的項目,，觸及到醫(yī)療痛點,，恐怕才是大部分布局AI醫(yī)療的企業(yè)要思考的。

【完】