使用人工智能來預測患者死亡的時間聽起來像反烏托邦科幻電視劇“黑鏡”中的一幕。但是斯坦福大學的研究人員認為，AI 的這個用途，可以給醫生和病人及早地開始必要的臨終交談提供一個良好的機會。

許多醫生經常就關于他們的病人何時會死亡提供過于樂觀的估計，延遲了進行臨終選擇的交流。這種可以理解的人類傾向可能導致病人在醫院里接受多余的、昂貴的且強烈的治療，而不是在相對舒適的環境中更加平和地結束生命。斯坦福大學研究小組正在測試的另一種方法是使用人工智能來幫助醫生篩選新入院的患者，這些患者可以從談論姑息關懷的選擇中受益。

過去的研究表明，如果可能，大約80%的美國人寧愿在家度過最后的日子。實際上，根據斯坦福大學在arXiv服務器上發表的文章“Improving Palliative Care with Deep Learning” 所引用的研究，多達60％的美國人接受積極的治療的同時最終死于急救醫院。

姑息治療專家通常是應病人主治醫生的要求而提供他們的服務，這通常包括為患有嚴重疾病的病人提供救濟，或者在生前遺囑中記錄臨終治療的選擇。但是斯坦福健康護理的內科醫生斯蒂芬妮·哈曼（Stanhanie Harman）是姑息治療服務部門的創始醫療主管，他認為通過姑息治療醫生鑒別并主動地接觸病人，可以調轉上述的常規順序。她與醫藥和生物醫療信息專業的研究人員均認為 AI 與醫療保健協作是一個好的研究方向。

哈曼把她的想法帶到了斯坦福大學醫學和生物醫學信息學副教授Nigam Shah。 Shah一直在研究人工智能在醫療保健領域的合作，他與斯坦福大學兼職教授，前百度人工智能集團負責人Andrew Ng進行了交流。他們一致認為，姑息治療的想法似乎是一個很好的項目，并加深了討論。

斯坦福大學的人工智能算法依靠深度學習，這種流行的機器學習技術使用神經網絡來過濾并且從大量數據中學習。研究人員對斯坦福大學醫院或露西爾帕卡德兒童醫院入院的約200萬成人和兒童患者的電子健康記錄進行了深度學習算法，以預測未來3至12個月內某名患者的死亡率。 （預測三個月內病人的死亡將使姑息治療所需的準備時間太少。）

斯坦福大學人工智能實驗室計算機科學博士候選人Anand Avati說：“我們可以使用常規收集的醫療保健環境中的操作數據建立一個預測模型，而不是精心設計的實驗研究。“可用的數據規模使我們能夠建立一個全因死亡率預測模型，而不是疾病或具體的人口統計。”

該試點研究使用一種算法來預測病人死亡率 - 這得到了一個機構審查委員會的批準 - 事實上并不像人們想象的那么可怕。從道德和醫療的角度來看，深度學習模式在幫助人類醫生篩查患者姑息治療方面的幫助通常具有重大的益處和極少缺點。

“我們認為讓醫生循環，把這個想法稱為”機器學習和醫生“是一條路，而不是盲目地根據算法進行醫療干預。。.。。.這使我們在道德和安全方面都變得更加堅定”斯坦福大學研究科學家肯尼斯·榮格（Kenneth Jung）說。

深度學習算法的一個潛在問題就是，即使是其創建者也經常不能解釋為什么深度學習模型會產生特定的結果。也就是說，深度學習可能很難解釋預測模型如何得出結論，比如某個病人可能會在一年內死亡。

慶幸的是，死亡率預測背后的原因并不見得非常必要。姑息治療團隊主要關心是否能夠準確鑒定會受益于姑息治療的病人，而不是需要準確地知道算法為什么會預測一名患者可能會在一年內死亡。榮格解釋如下：

這也就是為什么我們不必擔心利用這種模型帶來消極結果。姑息治療干預與病因并沒有緊密聯系。但是，也有特殊情況，如果病人即將死亡而需要進行治療選擇，那么這種情況下希望能夠找到病因。

但是，作為研究對象，了解深度學習模型如何做出預測是有幫助的。在這種情況下，斯坦福大學使用了一種常見的錯誤分析技術，稱為消融分析，研究深度學習模型的決策過程。他們的方法是通過調整個別參數來一點一點地調整模型，以確定這些參數對模型的決策有什么影響。

斯坦福大學的研究小組也強調，病人也不是非要臨近死亡才應該去了解姑息治療。榮格說，試驗性研究的早期階段表明，即便重癥病人可能不會在一年內就死亡，對于醫生來說，與重病患者進行臨終討論通常也是有益的。與研究人員找出病人接受姑息治療的最佳時間相比較而言，深度學習模型預測死亡率僅僅恰巧是一個有用的測試，簡單來說就是預測一個人會不會死亡。

斯坦福大學的研究小組旨在通過 AI 預篩選能夠幫助提升病人按照自己意愿接受臨終治療的比例，減少最終死亡在 ICU 病房（違背病人意愿）的病人數量。他們也希望能夠確保病人及其家屬有機會去討論在臨終前所希望發生的事情。