AI真的能预测死亡时间吗？

对于一些重病患者而言，“死亡”这个话题虽然十分沉重，但也需要预留空间去探讨和适应。如果可以精准预测患者的“死亡”，是否能给予他们这个预留空间呢？

美国斯坦福大学开发了一个预测死亡时间的AI系统。这个AI系统整理了近200万名成人和儿童患者的电子健康档案数据，以及相关的医学诊断信息，从而得到病情的大数据。再通过数据收集与系统自主学习机制，这个AI系统可以预测患者具体的死亡时间。

为什么要用AI来预测死亡？

在中国，每年有约700万人走向生命终点，这个AI系统的出现，预示着医生能够更加精确地安排患者的临终关怀。除此之外，利用它我们还可以发掘一条新的道路。

对于大限将至的晚期患者，这个AI系统可以通过长期的数据跟踪来判断死亡概率。而对于一些特殊疾病的突发症状，它也可以通过机器学习，感知患者的一些生命体征的变化从而发出危险预警。

FDA于2018年批准通过了一个可以预测死亡的AI产品，这个产品名叫Wave Clinical Platform，由医疗科技公司Excel Medical研发。

Wave Clinical Platform是一个永远在线的远程监测平台，集合了患者的用药情况、年龄、生理情况、既往病史、家族病史等实时数据。

这个系统可以感知生命体征的细微变化，从而在发生致命事件6小时前发出预警。也就是说，这个系统可以通过比较数据库中的猝死病例，从而提前6个小时预测“猝死时间”，为医护人员赢得抢救时间。

英国科学家也曾在《影像诊断学》杂志上发表文章说，AI可以预测心脏病人何时死亡。AI能让医护人员发现那些需要干预治疗的患者，从而让医护人员能够拯救更多的生命。

AI预测死亡这一命题能成立吗？

对于AI预测死亡这一命题所遇到的问题，我们可以从以下3个方面来考虑。

1. “预测死亡”即“判死刑”，患者能接受吗？

不可否认的是，预测死亡确实可以让医生更合理地配置医疗资源。但“死亡”并非那么容易被所有人接受。

《众病之王：癌症传》的作者Siddhartha Mukherjee博士在文章中讲过自己亲历的一个故事，他曾经治疗过一名食道癌患者，这个患者的治疗十分顺利，但还是存在很大的复发可能性。于是医生提出了临终关怀，但这位患者拒绝了。这位患者认为，他的身体状况越来越好，精神状态也很好，为什么医生偏要说这些扫兴的话呢？

令人遗憾的是，这位患者的癌症还是复发了。在他临终前，他始终处于昏迷状态，无法回应在他病床旁的家人。

从这个故事中可见，并非每一个患者都能淡然地接受“死亡”。当患者与病魔、死神苦苦争斗时，医生用一套所谓科学的、精密的AI系统预测了患者的死期，于患者而言，抗癌之旅本就艰辛，而在其头顶悬上一把会准时掉落的“死亡之刃”未免也太过残忍。

2．病情存在个体差异，复杂病例难以判断

AI预测死亡主要依赖于医疗大数据和深度学习。研究团队表示，AI预测死亡系统收集了发现病症后12个月内死亡的患者的数据，然后通过神经网络利用大数据计算每条信息的权重和强度，生成一个患者在3～12个月内死亡的概率分数，再通过分数预测患者在3～12个月内是否会死亡。

医疗数据种类繁杂，质量参差不齐，是一种极具个性化的信息。疾病的病程具有一定的规律，但具体病情症状却因人而异。个人体质、周围环境等因素都会影响疾病的转归。除了个体的差异，疾病本身也难以被清楚地认知。例如，几乎任何传染病的初期症状都与感冒类似。也就是说，疾病本身是带有欺骗性的。在面对复杂的病例时，医生也常常需要借助辅助工具，或召开病情讨论会议，几方会谈后才能确定治疗方案。

另外，AI预测死亡的深度学习有一个令人费解的地方，也就是“黑盒子”问题——它能够推算出一个患者的死亡概率分数，却无法表达其背后的逻辑。

所以，通过概率分数来预测患者的死亡时间依旧存在许多问题。单单针对某类疾病的死亡预测可能有效，但是预测大病种的死亡概率的可能性却微乎其微。

3．医疗大数据共享难

AI+医疗大多以算法开始，但最终还是会回到数据。数据获取难度大是所有AI项目的问题，医疗行业的数据，尤其是这类关于生死的数据更难获取。

医疗信息与其他领域的信息不同，种类十分繁杂，标准也不统一。尤其许多医疗数据会涉及患者的隐私，有部分患者并不愿意将自己的医疗数据用于AI研究。

就质量而言，医疗数据也有更高的要求，比如，所有的医疗数据都需要医生的人工标识。

除了患者方面的原因，从医院方获取数据也有阻力。在不能确定某项研究是有利于医院救护的时候，医院恐怕并不愿意担风险而贡献出所有的工作数据。技术人员如何和医生形成合力，获取高质量的大数据，是大部分AI医疗企业共同面临的难题。

“鸡肋”如何巧变为“熊掌”？

“AI预测死亡的准确率高达90%”更像是一个噱头，预测人类的死亡只是更方便地进行姑息治疗，但其中还是会面临一些伦理问题。例如，要不要将死亡日期告知患者和其家人？机器是否有资格来宣判人类的死亡期限呢？

如果换一个预测对象呢？设想一下，作为一只宠物狗的主人，当狗狗的身体机能渐渐衰退，主人是否想知道这只狗什么时候会离世呢？由于语言不通，人类希望借助一些辅助工具来了解宠物，希望有更精确的医疗辅助系统来诊断宠物的病情，从而为宠物做更好的安排。面对宠物，AI预测死亡似乎更能被人类接受。

AI预测死亡系统的发展过程应该是一个不断提升价值的过程。一方面，这个系统应该建立更多对象的数据库，依赖深度学习来进行更多应用场景的选择。首先，选择一类对象（多半为宠物）作为训练学习模型的教材；然后，通过积累的“经验”来判断这类对象在发病期间的死亡概率；最后，对对象进行干预治疗。

另一方面，预测应由预测死亡变成预测病程。预测场景从垂直领域到横向领域，构建一个智能预测系统，既包括病程的转归期，也包括病程前期的所有阶段，最后做到为用户个性化建模。

在AI医疗上，我们细分了越来越多的名目。虽然“预测死亡”看起来涉及人类生死大事，但目前人们只是触及事情的表面。在戳破了“死亡预测”这个气泡后，如何让AI医疗预测成为一个真正惠民的项目，触及医疗痛点，恐怕才是大部分布局AI医疗的企业需要思考的。