由吴恩达与斯坦福大学计算机科学系由教授AnandAvati、斯坦福大学生物医学信息学研究中心KennethJung、LanceDowning与NigamH．Shah，以及斯坦福大学医学院StephanieHarmon六位斯坦福大学科学家构成的研究小组正在研究如何利用人工智能技术预测人类的丧生时间，从而提高对其的姑息化疗程度，或者对患上相当严重疾病的患者获取专门的护理。研究报告表明，约80％的美国人期望能在自己家中童年生命的最后时光，但是如愿以偿的只有20％。

事实上，多达60％的丧生再次发生在医院的门诊病房，而病人在临终前的最后一段时间不会拒绝接受侵入性化疗。在过去10年间，可以获取姑息化疗的医院仍然在减少。在2008年，全美所有病床数多达50张的医院中，有53％的医院另设姑息化疗团队，2015年这一比例已上升至67％。

虽然可以获取姑息化疗的医院更加多，但是根据国家姑息化疗登记处（NationalPalliativeCareRegistry）的数据，在所有必须拒绝接受姑息化疗的病人（占到所有住院病人7％－8％）中，只有将近一半的人确实拒绝接受了这种化疗。这与医生在辨别患者的存活时长方面往往过分悲观有相当大的关系。此外，姑息化疗的涉及护理人员及资源也更为受限。

因此，为了尽量协助更加多合适此种恳求疗法的病患，斯坦福大学的研究小组期望利用人工智能技术找到剩下生命仅有为三到十二个月的对象。确认为这个时间段的依据是：如果病患将在三个月内丧生，那么，姑息化疗小组将没充足的时间来展开筹划。但如果病患将在十二个月后丧生，则明确丧生时间很难获得精确预测。

以往的作法是，由医生检查每一份病例表格，借以确认病患否有资格取得姑息化疗方式。但这整个过程十分耗时，而且医生的个人种族主义有可能对最后护理要求产生影响。回应，报告认为：“该预测结果将协助姑息化疗团队以求主动认识这些患者，并根据患者的EHR（即电子身体健康记录），利用深度自学技术获取客观的化疗建议。

而不是倚赖主治医师的点评，或花时间研究所有病人的病例。”明确而言，算法不会自动评估住院病人的EHR数据，协助姑息化疗思团队辨别哪些病人有可能必须姑息化疗。实质上就是用病人先前的HER数据训练出来的一个神经网络。报告中讲解了几类需要使病人的肾功能信息（肾功能是指预测疾病的有可能病程和结局）更为客观和智能化的方法，还包括用作姑息化疗的肾功能方法、重症病房ICU的肾功能方法、早期辨识的肾功能方法，并概述了大数据时代的肾功能方法。

Shah在拒绝接受CNBC专访时回应，虽然利用AI技术依然有可能造成某些本不应获得护理的病患无法顺利完成申请人，但实际效果还是高于人工分析。“目前，我们错失了大多数应当拒绝接受姑息化疗的患者，这是因为临床医生对于存活时间的估算过于过悲观……只有严重不足1％的病患需要在去世前拒绝接受六个月以上的姑息化疗。考虑到这一点，尽管人工智能辅助方法不可避免也不会错失半数符合条件的患者，但其效益却远高于现有状况。

”为了展开这项研究，研究小组用于了斯坦福医院及露西尔－帕卡德儿童医院中的200万份成人和儿童电子病历作为数据样本。当然，Avati也特别强调：“这套模型的预测结果仅有被用作在姑息化疗小组展开病例审查（及自动转诊）时引荐部分符合条件的病患。

人类医生依然负责管理整个审查流程的主导工作，而该项目所得出结论的结果只作为合乎姑息化疗条件的参照，而非对丧生时间的必要预测。”丧生预测作为一种晚期疾病辨别方式，需要帮助确认符合条件的候选病患。但必须特别强调的是，姑息化疗与生命终期护理并不是一其实。

Harman在专访当中回应：“在医院中展开骨髓移植（医治性化疗）的病患往往都被迫面临一些相当严重的副作用，比如化疗方案引发的剧烈疼痛等等。对于这样的病人，医生往往不会采行姑息化疗以减轻副作用，并协助病患已完成化疗过程。”与此同时，报告还找到，丧生时间是其中一项有效地的指向性指标。

举例来说，对于被AI预测为有九成可能性在三到十二个月内去世的病患，该团队随机挑选了其中50位展开人工复查。结果显示，这50位病患全部“合适转诊”。换言之，该AI方案的效果完全符合预期。

本文来源：尊龙凯时k88-www.tokyocamerawalk.com