科學家正在利用AI判斷患者生存時長，從而改善醫療服務質量

由吳恩達與斯坦福大學計算機科學系教授Anand Avati、斯坦福大學生物醫學信息學研究中心Kenneth Jung、Lance Downing與Nigam H. Shah，以及斯坦福大學醫學院Stephanie Harmon六位斯坦福大學科學家組成的研究小組正在研究如何利用人工智慧技術預測人類的死亡時間，從而改善對其的姑息治療程度，或者對患有嚴重疾病的患者提供專門的護理。

研究報告顯示，大約80%的美國人希望能在自己家中度過生命的最後時光，但是如願的只有20%。事實上，超過60%的死亡發生在醫院的急診病房，而病人在臨終前的最後一段時間會接受侵入性治療。

在過去10年間，可以提供姑息治療的醫院一直在增加。在2008年，全美所有病床數超過50張的醫院中，有53%的醫院設有姑息治療團隊，2015年這一比例已攀升至67%。雖然可以提供姑息治療的醫院越來越多，但是根據國家姑息治療登記處（National
Palliative Care Registry）的數據，在所有需要接受姑息治療的病人（占所有住院病人7% - 8%）中，只有不到一半的人真正接受了這種治療。

這與醫生在判斷患者的生存時長方面往往過於樂觀有很大的關係。此外，姑息治療的相關護理人員及資源也較為有限。因此，為了儘可能幫助更多適合此種安慰療法的病患，斯坦福大學的研究小組希望利用人工智慧技術發現剩餘生命僅為三到十二個月的對象。

確定為這個時間段的依據是：如果病患將在三個月內死亡，那麼，姑息治療小組將沒有足夠的時間來進行籌備。但如果病患將在十二個月後死亡，則具體死亡時間很難得到準確預測。

以往的做法是，由醫生檢查每一份病例表，藉此確定病患是否有資格獲得姑息治療方式。但這整個過程非常耗時，而且醫生的個人偏見可能對最終護理決定產生影響。

對此，報告指出：「該預測結果將幫助姑息治療團隊得以主動接觸這些患者，並根據患者的EHR（即電子健康記錄），利用深度學習技術提供客觀的治療建議。而不是依賴主治醫師的推介，或花時間研究所有病人的病例。」

具體而言，演算法會自動評估住院病人的EHR數據，幫助姑息治療懷團隊判斷哪些病人可能需要姑息治療。實際上就是用病人先前的HER數據訓練出來的一個神經網路。

報告中介紹了幾類能夠使病人的預後信息（預後是指預測疾病的可能病程和結局）更加客觀和智能化的方法，包括用於姑息治療的預後方法、加護病房ICU的預後方法、早期識別的預後方法，並詳述了大數據時代的預後方法。

Shah在接受CNBC採訪時表示，雖然利用AI技術仍然可能導致某些本應得到護理的病患無法順利完成申請，但實際效果還是優於人工分析。

「目前，我們錯過了大多數應該接受姑息治療的患者，這是因為臨床醫生對於生存時間的估計太過樂觀……只有不足1%的病患能夠在逝世前接受六個月以上的姑息治療。考慮到這一點，儘管人工智慧輔助方法不可避免也會錯過半數符合條件的患者，但其成效卻遠優於現有狀況。」

為了進行這項研究，研究小組使用了斯坦福醫院及露西爾-帕卡德兒童醫院中的200萬份成人和兒童電子病歷作為數據樣本。

當然，Avati也強調：「這套模型的預測結果僅被用於在姑息治療小組進行病例審查（及自動轉診）時推薦部分符合條件的病患。人類醫生仍然負責整個審查流程的主導工作，而該項目所得出的結果只作為符合姑息治療條件的參考，而非對死亡時間的直接預測。」

死亡預測作為一種晚期疾病判斷方式，能夠協助確定符合條件的候選病患。但需要強調的是，姑息治療與生命終期護理並不是一回事。

Harman在採訪當中表示：「在醫院中進行骨髓移植（治癒性治療）的病患往往都不得不面對一些嚴重的副作用，比如治療方案引起的劇烈疼痛等等。對於這樣的病人，醫生往往會採取姑息治療以緩解副作用，並幫助病患完成治療過程。」

與此同時，報告還發現，死亡時間是其中一項有效的指向性指標。舉例來說，對於被AI預測為有九成可能性在三到十二個月內逝世的病患，該團隊隨機選取了其中50位進行人工複查。結果顯示，這50位病患全部「適合轉診」。換言之，該AI方案的效果完全符合預期。

| 來源：CNBC；作者：Catherine Clifford；編譯整理：科技行者

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！