用過去1年的醫療記錄就能預測一個人未來1年中的死亡機率？這聽起來像是《黑鏡》中才有的可怕黑科技，但是這對于療養院和臨終關懷工作者，意義重大。
在美國，超過60%的死亡發生在重症監護病房，多數人在彌留之際仍接受侵入性的治療。進入重症監護病房的病人通常會提前記錄自己的臨終心願，“再和夫妻吃一頓晚餐”，“參加子女的婚禮”。而提前知道臨終日才能讓他們在仍然有行動能力的時候達成心願，更有尊嚴的過完最後的日子。
近期，吳恩達團隊用深度學習建立了一個項目，利用病人的電子病例，來檢測未來3-12個月有高死亡風險的病人。這些病人将被自動轉給臨終關懷組。這能夠讓臨終關懷組更早知情，并確定病人獲得自己最需要的臨終護理，也可以在仍有意義的情況下為病人提供需要的服務。
這篇論文也獲得了IEEE 生物資訊學和生物醫學組最佳學生論文獎。
在大資料文摘背景回複“臨終關懷”擷取這篇論文。
該模型使用了一個18層的深度神經網絡，輸入為病人的EHR資料（electronic health record，電子病曆），輸出的是未來3-12個月的死亡機率預測。
模型使用的訓練資料來自斯坦福醫院的電子病曆資料庫，其中包括200萬病人的資料。訓練中使用了過去12個月的電子病曆資料，包括診斷、手術、用藥和就診的詳細資訊。資料被轉化為一個有13,654個次元的特征向量。訓練模型的AUROC分數為0.93，交叉驗證中的平均正确率（Average Precision）為0.69。
此外，在預測的同時，一份解釋該預測的報告也會随之生成。
對機器學習的使用者來說，人們是否根據模型的預測來做決定，很大程度上取決于預測是否可解釋。在死亡率預測的報告中，吳恩達團隊也運用了成熟的消融技術（ablation techniques），重點标注了病人EHR資料中對高死亡率最具預測性的因素。該元素也大大增加了人們對這一技術的信任度。
文摘菌昨天剛剛刷完朋友圈裡被安利過一百遍的電影《尋夢環遊記》（COCO）。在電影裡，死後的世界像一個巨大的遊樂場，金碧輝煌、歌舞升平。死亡這個沉重的話題，在迪士尼的大團圓世界觀裡，顯得異常溫馨。
圖：電影COCO劇照
而現在，在機器學習技術面前，死亡更像是一組資料，一個機率。這似乎略顯冰冷，但理智地從社會和個人價值來看，這可能才是更平靜走向死亡的最好方式。我們也更願意如同迪士尼一樣相信，死亡僅僅是一段路程的終點，如同朋友遠渡重洋、果實釀成美酒。這讓人不禁覺得，死亡好像也沒有那麼可怕了。
而在知情和不知情之間，你會願意提前獲得預告，接受臨終關懷嗎？
原文釋出時間為：2017-11-28
本文作者：文摘菌