作者：王世薇發(fā)布日期：2018-07-13
孔子曰：“未知生，焉知死”，在中國的傳統(tǒng)文化中，人們是很排斥談?wù)撍劳龅?。那是因?yàn)樵诠糯?，?zhàn)亂、貧瘠，加上落后的醫(yī)療條件，使得死亡離得很近、長壽很遠(yuǎn)。
而據(jù)世界衛(wèi)生組織統(tǒng)計(jì)，2015年全球人均壽命為71.4周歲，人均壽命最長的是日本，達(dá)到83.4周歲。70歲已經(jīng)不再“古稀”。
人們開始理性地談?wù)撍劳?，甚至思考、分析它。近日，?dòng)脈網(wǎng)獲悉，Google研究人員開發(fā)了一種AI網(wǎng)絡(luò)，通過分析預(yù)測患者住院期間的疾病過程，能夠預(yù)測其在特定時(shí)點(diǎn)的死亡風(fēng)險(xiǎn)，準(zhǔn)確率達(dá)到95%。
多年來，各國科學(xué)家不斷嘗試?yán)脭?shù)據(jù)、算法來預(yù)測死亡，準(zhǔn)確率也不斷提高，動(dòng)脈網(wǎng)對(duì)此進(jìn)行了梳理。
生也有涯：四大因素決定生命長度
世界衛(wèi)生組織對(duì)生命影響因素進(jìn)行了量化，認(rèn)為遺傳和心理、環(huán)境、衛(wèi)生服務(wù)及個(gè)人行為與生活方式4中因素決定了個(gè)體的壽命，權(quán)重占比分別為15%、17%、8%和60%。
這個(gè)結(jié)果頗讓人意外，一直以來，人們習(xí)慣于依賴遺傳因素和醫(yī)療水平做出個(gè)體壽命的判斷，而事實(shí)上個(gè)人行為與生活方式對(duì)壽命起著更為關(guān)鍵的作用。
圖片由動(dòng)脈網(wǎng)根據(jù)世界衛(wèi)生組織數(shù)據(jù)整理
現(xiàn)在看來，老子在2000多年前所說的，“我命在我，不屬天地。”不乏科學(xué)依據(jù)。而這無疑為準(zhǔn)確的死亡預(yù)測增加了難度，AI、大數(shù)據(jù)等創(chuàng)新技術(shù)適時(shí)顯示出優(yōu)勢。
未知死，焉知生：AI死亡預(yù)測服務(wù)臨床實(shí)踐
Tikker：首款“死亡手表”
Tikker是一款智能手表，因?yàn)槁暦Q能夠準(zhǔn)確預(yù)測用戶的死亡時(shí)間，而獲得了“死亡手表”的綽號(hào)。
Tikker由瑞典作家和發(fā)行商弗雷德里克·科爾汀在2013年發(fā)布，根據(jù)用戶的年齡、性別、以及病史等計(jì)算出用戶的預(yù)期壽命，然后再測算出用戶最終的死亡時(shí)間。
實(shí)際上，Tikker的算法相對(duì)簡單，預(yù)測準(zhǔn)確度也很低，主要是向用戶提供一種娛樂功能?？茽柾”硎?，如果我們能夠更清楚地了解我們自己的壽命，那么我們在活著的時(shí)間，就一定能夠更好地選擇自己的生活。
圖片來自Tikker官網(wǎng)
Tikker的界面與普通手表不同，由三層構(gòu)成，上兩層顯示用戶在世上還能存活的年份、月數(shù)、天數(shù)、小時(shí)數(shù)、分鐘數(shù)和秒數(shù)，最下一層顯示用戶關(guān)注這些事件時(shí)的真實(shí)時(shí)間。
超級(jí)計(jì)算機(jī)預(yù)測死亡，準(zhǔn)確率高達(dá)96%
2015年9月，美國媒體曾報(bào)道過一則新聞，稱波士頓市貝斯以色列女執(zhí)事醫(yī)療中心的研究人員開發(fā)出一種超級(jí)計(jì)算機(jī)系統(tǒng)，可預(yù)測患者死亡時(shí)間，準(zhǔn)確率高達(dá)96%。
貝斯以色列女執(zhí)事醫(yī)療中心將病人的監(jiān)控器與其超級(jí)計(jì)算機(jī)系統(tǒng)相連，從而比人類醫(yī)生更好地診斷病情。這臺(tái)超級(jí)計(jì)算機(jī)加載了過去30年間超過25萬名患者的信息，形成專門的數(shù)據(jù)庫以幫助醫(yī)生更快做出診斷。
超級(jí)計(jì)算機(jī)系統(tǒng)每隔3分鐘收集一次病人數(shù)據(jù)，包括從氧氣含量到血壓的各種生命數(shù)據(jù)。通過分析數(shù)據(jù)，計(jì)算機(jī)可以發(fā)現(xiàn)病人是否處于危險(xiǎn)中。這種快速疾病診斷系統(tǒng)可幫助快速治療，具有拯救生命、預(yù)測患者死亡時(shí)間的巨大潛力。
AI走進(jìn)ICU，死亡預(yù)測準(zhǔn)確率93%
洛杉磯兒童醫(yī)院設(shè)有名為“虛擬PICU”的醫(yī)院研究部門，Melissa Aczon和David Ledbetter是其中的數(shù)據(jù)科學(xué)家，他們與臨床醫(yī)生合作，提出了一種AI系統(tǒng)，后者可以讓醫(yī)生們更好地了解哪些孩子的病情可能會(huì)惡化。
Aczon和Ledbetter從醫(yī)院電子健康記錄中獲取超過12000名PICU患者的生命體征數(shù)據(jù)（這些通常每隔幾分鐘更新一次）、已有的實(shí)驗(yàn)室檢測結(jié)果、用藥信息和執(zhí)行的治療方案等。
隨后，他們利用循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）機(jī)器學(xué)習(xí)程序發(fā)現(xiàn)數(shù)據(jù)中的相關(guān)規(guī)律，并成功識(shí)別出了即將死亡的患者。
RNN方法擅長處理持續(xù)的數(shù)據(jù)序列，而不是從某一個(gè)時(shí)刻的數(shù)據(jù)點(diǎn)直接得出結(jié)論，能夠隨著時(shí)間的推移，根據(jù)病人最近12小時(shí)的臨床數(shù)據(jù)，做出最準(zhǔn)確的預(yù)測
目前，該程序尚處于實(shí)驗(yàn)階段，據(jù)統(tǒng)計(jì)，其預(yù)測死亡的準(zhǔn)確率達(dá)到93％，明顯比目前在醫(yī)院PICU中使用的簡單評(píng)級(jí)系統(tǒng)表現(xiàn)更好。Aczon和Ledbetter在Arxiv上發(fā)表了相關(guān)論文，公布了他們的研究成果。
深度學(xué)習(xí)圖像分析技術(shù)確定患者壽命，準(zhǔn)確率69%
阿德萊德大學(xué)的盧克·奧克登·雷納及其團(tuán)隊(duì)將機(jī)器學(xué)習(xí)方法應(yīng)用在CT掃描圖像上，以此預(yù)測患者死亡率。他們的研究成果已經(jīng)發(fā)表在《自然》旗下期刊《科學(xué)報(bào)告》上。
雷納的團(tuán)隊(duì)通過“現(xiàn)成的機(jī)器學(xué)習(xí)方法”，利用患者的主要器官和胸部組織CT圖像，分析卷積神經(jīng)網(wǎng)絡(luò)來預(yù)測哪些患者會(huì)在5年內(nèi)死亡，準(zhǔn)確度達(dá)到了69%，可以和臨床醫(yī)生的“人工”預(yù)測媲美。
研究表明，該系統(tǒng)學(xué)會(huì)識(shí)別各種疾病的外觀，而這是人類專家需要進(jìn)行廣泛培訓(xùn)才能掌握的東西。盡管研究人員難以確定這個(gè)系統(tǒng)在圖像中“看到”了哪些用來預(yù)測的關(guān)鍵因素，但是該系統(tǒng)最擅長于預(yù)測的是嚴(yán)重慢性疾病患者的死亡率，比如肺氣腫和充血性心力衰竭患者。
目前，囿于文件尺寸和計(jì)算機(jī)顯存，雷納團(tuán)隊(duì)僅分析了一個(gè)小型的CT掃描圖像數(shù)據(jù)集。雷納表示，未來可能會(huì)借助阿德萊德大學(xué)的高性能計(jì)算集群，將分析擴(kuò)展到數(shù)以萬計(jì)的圖像上，并納入其他信息，例如患者的年齡和性別等。
“死亡算法”：優(yōu)化臨終關(guān)懷，預(yù)測準(zhǔn)確率90%
2016年底，斯坦福大學(xué)計(jì)算機(jī)科學(xué)系研究生Anand Avati和醫(yī)學(xué)院的一個(gè)團(tuán)隊(duì)選擇約20萬名患者作為學(xué)習(xí)樣本，以院內(nèi)醫(yī)療記錄作為主要參數(shù)，試圖開發(fā)一種算法，在考量包括癌癥、神經(jīng)系統(tǒng)疾病、心臟病和腎臟衰竭等多種疾病的基礎(chǔ)上，確定時(shí)日無多病患的壽命，被稱為“死亡算法”。
在臨床上，患者死亡前3-12個(gè)月是提供臨終關(guān)懷的黃金時(shí)期。Avati他們所作的就是識(shí)別出那些處于這一“死亡時(shí)間段”的患者，從而幫助醫(yī)生采用更合適、更人道的醫(yī)療干預(yù)措施。
他們搜集醫(yī)生已經(jīng)編碼的醫(yī)學(xué)信息，包括病人診斷說明、預(yù)定掃描次數(shù)、在醫(yī)院里度過的天數(shù)、所做的各種治療、醫(yī)療處方等，輸入到深度神經(jīng)網(wǎng)絡(luò)中，調(diào)整每條信息的權(quán)重和強(qiáng)度，最終生成一個(gè)給定患者在3到12個(gè)月內(nèi)死亡的概率分?jǐn)?shù)。
“死亡算法”首先從近16萬名患者身上采集信息進(jìn)行自我訓(xùn)練，完成數(shù)據(jù)學(xué)習(xí)后，Avati他們對(duì)剩下的4萬名患者進(jìn)行了測試。結(jié)果表明錯(cuò)誤率很低，算法認(rèn)為會(huì)在3到12個(gè)月內(nèi)死亡的患者中，90%都得到了應(yīng)驗(yàn)。算法認(rèn)為存活期超過一年的患者，95％存活超過12個(gè)月。
2017年11月，在IEEE國際生物信息學(xué)與生物醫(yī)學(xué)大會(huì)上，Avati對(duì)此項(xiàng)研究進(jìn)行了報(bào)告。
Google AI：利用電子病歷預(yù)測患者住院死亡率，準(zhǔn)確率95%
2018年6月，Google宣布研究人員開發(fā)了一種人工智能網(wǎng)絡(luò)，能夠利用整個(gè)病人電子病歷的原始數(shù)據(jù)，包括患者的病史、放射學(xué)結(jié)果及醫(yī)者筆記，預(yù)測其住院期間的疾病過程和死亡風(fēng)險(xiǎn)，比以前的方法更加準(zhǔn)確。
Google模型深度學(xué)習(xí)了超過114000名至少在加利福尼亞大學(xué)、舊金山大學(xué)或者芝加哥大學(xué)住院一天的成年患者的超過216000份匿名電子病歷，通過ICD-9代碼預(yù)測了患者死亡率、再入院和長期住院風(fēng)險(xiǎn)以，并做出出院診斷。
其中，Google模型預(yù)測患者住院死亡風(fēng)險(xiǎn)的準(zhǔn)確率為95％，虛假報(bào)警率遠(yuǎn)低于傳統(tǒng)的回歸模型。
這個(gè)模型的特點(diǎn)是開發(fā)了一種通用數(shù)據(jù)處理流水線，將原始數(shù)據(jù)作為輸入，無需調(diào)整電子病歷數(shù)據(jù)，并將其映射到傳統(tǒng)模型的變量上，從而能夠?qū)碜葬t(yī)生和護(hù)士的自由文本臨床記錄以及其他結(jié)構(gòu)較不完整的數(shù)據(jù)納入考量，數(shù)據(jù)規(guī)模達(dá)460億級(jí)，但工作量只及傳統(tǒng)方法的20%。
向死而生：AI死亡預(yù)測引爭議
生老病死，每個(gè)人都在遵循不同的軌跡，卻朝著同樣的方向度過一生，每一步都是未知。但當(dāng)機(jī)器的智慧將人的壽命從未知數(shù)變成已知條件時(shí)，很多人反對(duì)。反對(duì)者的論點(diǎn)圍繞著“知情權(quán)”展開。
一是患者的知情權(quán)。誠然，患者對(duì)自己的身體狀況擁有知情權(quán)。但反對(duì)者認(rèn)為，當(dāng)患者的生命時(shí)長所剩無幾時(shí)，“不知情權(quán)”高于“知情權(quán)”。他們可能需要善意的謊言去保持樂觀的心態(tài)，而后者可能會(huì)反過來延長生命。
此外，AI死亡預(yù)測準(zhǔn)確率畢竟無法達(dá)到100%，反對(duì)者擔(dān)心虛假的死亡信號(hào)會(huì)“嚇垮”已經(jīng)在茍延殘喘的患者。
二是機(jī)器的知情權(quán)。反對(duì)者認(rèn)為這種知情權(quán)侵犯了患者的隱私權(quán)。在AI領(lǐng)域，數(shù)據(jù)權(quán)利是一個(gè)繞不開的話題。目前，AI死亡預(yù)測都是在患者不知情的情況下進(jìn)行，這是否對(duì)患者構(gòu)成了數(shù)據(jù)侵權(quán)，答案似乎是肯定的。
然而，預(yù)測未來、預(yù)知生死，是人類數(shù)千年沒有放棄過的嘗試。這種存在，不無其合理性。
一方面，未雨綢繆。ECRI研究所是一家為醫(yī)療保健行業(yè)評(píng)估醫(yī)療程序、設(shè)備和藥物的非營利機(jī)構(gòu)，其研究人員表示，很多醫(yī)院都希望開發(fā)早期預(yù)警系統(tǒng)，來預(yù)測膿毒癥、心臟驟停和呼吸停止等威脅生命事件的發(fā)生。
另一方面，減少資源浪費(fèi)。例如，有研究表明，近8成美國人寧愿在家中度過生命的最后日子，而不是醫(yī)療器械的包圍下。
在斯坦福大學(xué)的案例中，研究人員將死亡前3個(gè)月-12個(gè)月作為“死亡時(shí)間段”，超過12個(gè)月的臨終關(guān)務(wù)可能會(huì)造成不必要的資源浪費(fèi)，形成供應(yīng)緊張。準(zhǔn)確的死亡預(yù)測能夠幫助醫(yī)者更精準(zhǔn)地投放醫(yī)療服務(wù)。
我們相信，人類有向死而生的決心，盡管有不完美之處，日趨準(zhǔn)確的AI死亡預(yù)測是患者和醫(yī)者的福音。隨著AI算法的演進(jìn)，死亡預(yù)測實(shí)際上已經(jīng)走進(jìn)了臨床醫(yī)療場景，未來更有可能在其中扮演不可或缺的角色。對(duì)此，動(dòng)脈網(wǎng)將持續(xù)關(guān)注。
來源：動(dòng)脈網(wǎng)
