斯坦福大学的研究人员开发出一种人工智能,可以预测病人何时死亡,准确率高达90%。
虽然这个想法听起来很让人不安,但这项工作背后的团队说,它可以极大地改善病人及其家属的临终关怀。
更准确地指出,当一个终端或重病患者可能通过时,护理人员可以优先考虑他们的愿望,确保重要的谈话在为时未晚之前进行。
在最新的研究发表在arXiv的文章中,斯坦福的团队解释了一个病人想要如何度过余生的方式,以及它是如何发生的,这是一个巨大的差异。
根据研究人员的说法,大约80%的美国人希望在家里度过最后的日子,但是,多达60%的美国人最终死在了医院里。
为了缩小差距,斯坦福大学(Stanford University)的研究团队在斯坦福医院(Stanford Hospital)和露西·帕卡德儿童医院(Lucile Packard Children’s Hospital)的电子健康记录数据上训练了一个深度神经网络,该数据涵盖了大约200万名成人和儿童患者。
斯坦福大学人工智能实验室计算机科学专业的博士研究生阿瓦蒂(Anand Avati)告诉IEEE,“我们可以在医疗环境中使用常规收集的操作数据建立一个预测模型,而不是精心设计的实验研究。”
“可用的数据规模使我们能够建立一种全因死亡率预测模型,而不是疾病或人口统计。”
这个工具本身并不是用来指导护理过程的。
相反,它可以与人类医生的评估结合使用,在预先筛查患者的生命末期规划中做出积极的决定。
正如研究人员所解释的,要理解谁需要缓和医疗和何时需要,并不总是那么容易。
在论文中,作者在论文中说明,决定哪些患者能从临终关怀中获益的标准是很难明确的。
“我们的方法是利用深度学习来筛查住院患者,以确定那些最可能有缓和医疗需求的患者。”
“该算法解决了一个代理问题——预测一个病人在未来12个月内的死亡率——并利用这个预测来提出缓和医疗推荐的建议。
虽然这个过程可能会有帮助,但有一个挑战——基于算法的“黑盒子”性质,研究人员不知道它的预测是基于什么。
然而,在这种类型的应用程序中,他们说知道为什么它做出预测并不一定很重要。
研究人员肯尼斯·荣格(Kenneth Jung)告诉IEEE,“缓和医疗干预与为什么有人生病没有关系。”
如果这是一个不同的假设案例,“某人将要死去,我们需要选择治疗方案”,在这种情况下,我们确实希望了解治疗的原因。
“但在这种情况下,只要我们做对了,就没那么重要了。”
领取专属 10元无门槛券
私享最新 技术干货