AI 能精準預測死亡時間，這事兒靠譜嗎？

“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別。”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別，和丈夫一起參與了死亡體驗活動，在送別“死去的”妻子時，丈夫泣不成聲。

對於一個癌症患者而言，“死亡”這個話題雖然十分沉重，但也需要預留空間去探討和適應。 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數據，以及相關的醫學診斷信息，得到病情的大數據。 再通過數據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只能滿足約15%的需求。 該系統的出現，預示著醫生們能夠更加精確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。

對於大限將至的晚期病患，我們可以通過長期的數據跟踪來判斷死亡概率。 而對於一些特殊疾病的突發症狀，我們也可以通過機器學習，感知到病患的一些生命體徵變化從而發出危險預警。

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

Wave是一個永遠在線的遠程監測平台，集成了醫院和包括患者的用藥情況、年齡、生理情況、既往病史、家族病史等實時數據。

這套系統可以感知生命體徵的細微變化，從而在發生致命事件6小時前發出預警。 也就是說，AI系統可以通過比較數據庫中的猝死病例，從而提前6個小時預測“猝死時間”，為醫護人員贏得搶救時間。

英國科學家也曾在《影像診斷學》雜誌上發表文章說，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干預治療的患者，從而拯救更多的生命。

AI預測死亡——逃不出的籠子

對於AI預測死亡這一命題所遇到的問題，智能相對論（ID:aixdlun）分析師顏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，預測死亡確實可以讓醫生更合理地去配置醫療資源。 但“死亡”並非那麼容易被所有人接受。

Siddhartha Mukherjee在文章中講過自己親歷的一個故事，他曾經治療過一名食道癌患者，這個病人的治療十分順利，但還是存在著復發的可能性。 於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，精神狀態十分振作，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，他始終處於昏迷狀態，無法回應在他病床旁的家人。

從這個故事中可見，並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爭鬥時，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， 於病人而言，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預測死亡主要依賴於醫療大數據和深度學習。 研究團隊表示，這套AI系統收集了從發現病症到12個月內死亡的病人數據，然後通過深度神經網絡利用大數據計算每條信息的權重和強度，生成一個給定患者在3到12個 月內死亡的概率分數，通過分數預測病人在3-12個月內是否會死亡。

醫療數據種類繁雜，質量參差不齊，是一種極具個性化的信息。 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，醫生也常常需要藉助輔助工具，在面對複雜病例時，醫生們甚至需要召開病情討論會議，幾方會談才能確定治療方案。

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概率分數，卻無法表達其背後的邏輯。

所以，通過概率分數來預測病人的死亡時間依舊存在著許多問題。 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概率的可能性卻微乎其微。

3. 醫療大數據共享難

AI+醫療大多以算法開始，但最終還是會回到數據。 儘管數據是所有AI項目的問題，但醫療行業的數據，尤其是這類關於生死的數據更難獲取。

醫療信息與其它領域的信息不同，種類十分繁雜，標準也不統一。 尤其許多病症會涉及到患者隱私，會有部分患者並不願意將自己的醫療數據用於AI研究。

就質量而言，醫療數據也有更高的要求，比如，所有的醫療數據需要醫生的人工標識。

除了病人，從醫院方獲取數據也有阻力，在不能確定某項研究會有利於醫院救護的時候，醫院恐怕並不願意擔風險貢獻出所有的工作數據。 而技術人員要如何和醫生形成合力，獲取高質量的大數據，是大部分人工智能醫療企業共同面臨的難題。

所以，這項技術真的沒有價值嗎？

“AI預測死亡的準確率高達90%”更像是一個過度宣傳的噱頭，預測人類的死亡只是更方便進行姑息治療，但其中還是會面臨一些倫理問題。 比如，要不要將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？ 由於語言的不通，人類會希望藉助一些輔助工具更了解寵物，希望有更精確的醫療輔助系統來診斷寵物的病情，從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數據庫，依賴於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”來判斷這類對像在發病期間的死亡概率，最後，對對象進行干預治療。

另一方面，將預測死亡變成預測病程。 預測場景從垂直領域到橫向領域，構建一個智能預測系統，既包括病程的轉歸期，也包括病程前期的所有階段，最後做到為用戶個性化建模。  

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，但也只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，恐怕才是大部分佈局AI醫療的企業要思考的。