“雞肋”的AI預測死亡系統，能否巧變“熊掌”？

“我不希望在最後離開的時候說不出話來，我希望可以在我還漂亮的時候跟他告别。”最新一期的《奇葩大會》裡，死亡體驗館館主丁銳分享了一個感人的故事——一個癌症晚期的女性，為了能夠優雅地和丈夫告别，和丈夫一起參與了死亡體驗活動，在送别“死去的”妻子時，丈夫泣不成聲。

對于一個癌症患者而言，“死亡”這個話題雖然十分沉重，但也需要預留白間去探讨和适應。而如果可以精準預測病患的“死亡”，是否能給予患者這個空間呢？

美國斯坦福大學開發了一款“預測死期”的AI系統。這款AI系統整理了近200萬名成人和兒童患者的電子健康檔案資料，以及相關的醫學診斷資訊，得到病情的大資料。再通過資料收集與系統自主學習機制，來預測病患具體的死亡時間。

 為了臨終關懷，也為了拯救生命

在中國，每年有約700萬人走向生命終點，但社會上提供的臨終關懷服務卻隻能滿足約15%的需求。該系統的出現，預示着醫生們能夠更加精确地安排病患的臨終關懷。除此之外，利用“預測死亡”我們還可以發掘一條新的道路。

對于大限将至的晚期病患，我們可以通過長期的資料跟蹤來判斷死亡機率。而對于一些特殊疾病的突發症狀，我們也可以通過機器學習，感覺到病患的一些生命體征變化進而發出危險預警。

FDA（美國食品藥品監督管理局）最近準許通過了首個可以預測死亡的AI産品，這個産品名叫Wave Clinical Platform，由醫療科技公司Excel Medical研發。

Wave是一個永遠線上的遠端監測平台，內建了醫院和包括患者的用藥情況、年齡、生理情況、既往病史、家族病史等實時資料。

這套系統可以感覺生命體征的細微變化，進而在發生緻命事件6小時前發出預警。也就是說，AI系統可以通過比較資料庫中的猝死病例，進而提前6個小時預測“猝死時間”，為醫護人員赢得搶救時間。

英國科學家也曾在《影像診斷學》雜志上發表文章說，人工智能可以預測心髒病人何時死亡。而這項技術能讓醫護人員發現需要更多幹預治療的患者，進而拯救更多的生命。

AI預測死亡——逃不出的籠子

對于AI預測死亡這一命題所遇到的問題，智能相對論（ID:aixdlun）分析師顔璇認為可以從這三個方面來考慮。

1.“預測死亡”即“判死刑”，病人能接受嗎

不可否認的是，預測死亡确實可以讓醫生更合理地去配置醫療資源。但“死亡”并非那麼容易被所有人接受。

Siddhartha Mukherjee在文章中講過自己親曆的一個故事，他曾經治療過一名食道癌患者，這個病人的治療十分順利，但還是存在着複發的可能性。于是醫生提出了臨終關懷的話題。但這位病人拒絕了。這位病人認為，他的身體狀況越來越好，精神狀态十分振作，為什麼偏要說這些掃興的話呢？

令人遺憾的是，這位病人的癌症還是複發了。在他臨終前，他始終處于昏迷狀态，無法回應在他病床旁的家人。

從這個故事中可見，并非每一個病人都能淡然地接受“死亡”這個話題。當病人與病魔和死神苦苦争鬥時，醫生們用一套所謂科學的、精密的AI系統預測了病人的死期，于病人而言，抗癌之旅本就艱辛，而在其頭頂懸上一把會準時掉落的死亡之刃未免也太過殘忍。

2.病情存在個體差異，複雜病例難以判斷

AI預測死亡主要依賴于醫療大資料和深度學習。研究團隊表示，這套AI系統收集了從發現病症到12個月内死亡的病人資料，然後通過深度神經網絡利用大資料計算每條資訊的權重和強度，生成一個給定患者在3到12個月内死亡的機率分數，通過分數預測病人在3-12個月内是否會死亡。

醫療資料種類繁雜，品質參差不齊，是一種極具個性化的資訊。疾病的病程具有一定的規律，但具體病情症狀卻要因人而異。個人體質、周圍環境等因素都會影響疾病的轉歸。除了個體的差異，疾病本身也難以被清楚地認知。比如，幾乎任何傳染病的初期症狀都與感冒類似。也就是說，疾病本身是帶有欺騙性的，在醫院中，醫生也常常需要借助輔助工具，在面對複雜病例時，醫生們甚至需要召開病情讨論會議，幾方會談才能确定治療方案。

再者，AI預測死亡的深度學習有一個令人費解的地方，也就是“黑盒子”問題——它能夠推算出一個病患的死亡機率分數，卻無法表達其背後的邏輯。

是以，通過機率分數來預測病人的死亡時間依舊存在着許多問題。單單針對某類疾病的死亡預測可能有效，但是預測大病種的死亡機率的可能性卻微乎其微。

3.醫療大資料共享難

AI+醫療大多以算法開始，但最終還是會回到資料。盡管資料是所有AI項目的問題，但醫療行業的資料，尤其是這類關于生死的資料更難擷取。

醫療資訊與其它領域的資訊不同，種類十分繁雜，标準也不統一。尤其許多病症會涉及到患者隐私，會有部分患者并不願意将自己的醫療資料用于AI研究。

就品質而言，醫療資料也有更高的要求，比如，所有的醫療資料需要醫生的人工辨別。

除了病人，從醫院方擷取資料也有阻力，在不能确定某項研究會有利于醫院救護的時候，醫院恐怕并不願意擔風險貢獻出所有的工作資料。而技術人員要如何和醫生形成合力，擷取高品質的大資料，是大部分人工智能醫療企業共同面臨的難題。

 “雞肋”如何巧變為“熊掌”

“AI預測死亡的準确率高達90%”更像是一個過度宣傳的噱頭，預測人類的死亡隻是更友善進行姑息治療，但其中還是會面臨一些倫理問題。比如，要不要将死亡日期通知給病人和其家人？一套機器是否有資格來宣判人類的死亡期限呢？

而如果換個預測對象呢？設想一下，作為一隻寵物狗的主人，當狗狗的身體機能漸漸衰老，主人是否想要知道這隻狗狗什麼時候會離世呢？由于語言的不通，人類會希望借助一些輔助工具更了解寵物，希望有更精确的醫療輔助系統來診斷寵物的病情，進而為寵物做更好的安排。面對寵物，AI預測死亡似乎更能被人類所接受。

AI預測死亡系統的發展過程應該是一個不斷提升價值的過程，一方面，應該建立更多對象的資料庫，依賴于深度學習來進行更多應用場景的選擇。首先，選擇一類對象（多半為寵物）作為訓練學習模型的教材，然後，通過積累的“經驗”來判斷這類對象在發病期間的死亡機率，最後，對對象進行幹預治療。

另一方面，将預測死亡變成預測病程。預測場景從垂直領域到橫向領域，建構一個智能預測系統，既包括病程的轉歸期，也包括病程前期的所有階段，最後做到為使用者個性化模組化。  

在AI醫療上，我們細分了越來越多的名目。而“預測死亡”看起來涉及到了人類生死大事，但也隻是觸及到了事情的表面，在戳破了“死亡預測”這個氣泡後，如何讓AI醫療預測成為一個真正惠民的項目，觸及到醫療痛點，恐怕才是大部分布局AI醫療的企業要思考的。