孔子曰：“未知生，焉知死”，在中國的傳統(tǒng)文化中，人們是很排斥談論死亡的。那是因為在古代，戰(zhàn)亂、貧瘠，加上落后的醫(yī)療條件，使得死亡離得很近、長壽很遠。而據(jù)世界衛(wèi)生組織統(tǒng)計，2015年全球人均壽命為71．4周歲，人均壽命最長的是日本，達到83．4周歲。70歲已經(jīng)不再“古稀”。

人們開始理性地談論死亡，甚至思考、分析它。近日，動脈網(wǎng)獲悉，Google研究人員開發(fā)了一種AI網(wǎng)絡，通過分析預測患者住院期間的疾病過程，能夠預測其在特定時點的死亡風險，準確率達到95％。多年來，各國科學家不斷嘗試利用數(shù)據(jù)、算法來預測死亡，準確率也不斷提高，動脈網(wǎng)對此進行了梳理。

生也有涯：四大因素決定生命長度

世界衛(wèi)生組織對生命影響因素進行了量化，認為遺傳和心理、環(huán)境、衛(wèi)生服務及個人行為與生活方式4中因素決定了個體的壽命，權重占比分別為15％、17％、8％和60％。這個結果頗讓人意外，一直以來，人們習慣于依賴遺傳因素和醫(yī)療水平做出個體壽命的判斷，而事實上個人行為與生活方式對壽命起著更為關鍵的作用。

圖片由動脈網(wǎng)根據(jù)世界衛(wèi)生組織數(shù)據(jù)整理

現(xiàn)在看來，老子在2000多年前所說的，“我命在我，不屬天地�！辈环�科學依據(jù)。而這無疑為準確的死亡預測增加了難度，AI、大數(shù)據(jù)等創(chuàng)新技術適時顯示出優(yōu)勢。

未知死，焉知生：AI死亡預測服務臨床實踐

Tikker是一款智能手表，因為聲稱能夠準確預測用戶的死亡時間，而獲得了“死亡手表”的綽號。Tikker由瑞典作家和發(fā)行商弗雷德里克·科爾汀在2013年發(fā)布，根據(jù)用戶的年齡、性別、以及病史等計算出用戶的預期壽命，然后再測算出用戶最終的死亡時間。

實際上，Tikker的算法相對簡單，預測準確度也很低，主要是向用戶提供一種娛樂功能�？茽柾”硎�，如果我們能夠更清楚地了解我們自己的壽命，那么我們在活著的時間，就一定能夠更好地選擇自己的生活。

圖片來自Tikker官網(wǎng)

Tikker的界面與普通手表不同，由三層構成，上兩層顯示用戶在世上還能存活的年份、月數(shù)、天數(shù)、小時數(shù)、分鐘數(shù)和秒數(shù)，最下一層顯示用戶關注這些事件時的真實時間。

2015年9月，美國媒體曾報道過一則新聞，稱波士頓市貝斯以色列女執(zhí)事醫(yī)療中心的研究人員開發(fā)出一種超級計算機系統(tǒng)，可預測患者死亡時間，準確率高達96％。

圖片來自貝斯以色列女執(zhí)事醫(yī)療中心官網(wǎng)

貝斯以色列女執(zhí)事醫(yī)療中心將病人的監(jiān)控器與其超級計算機系統(tǒng)相連，從而比人類醫(yī)生更好地診斷病情。這臺超級計算機加載了過去30年間超過25萬名患者的信息，形成專門的數(shù)據(jù)庫以幫助醫(yī)生更快做出診斷。

超級計算機系統(tǒng)每隔3分鐘收集一次病人數(shù)據(jù)，包括從氧氣含量到血壓的各種生命數(shù)據(jù)。通過分析數(shù)據(jù)，計算機可以發(fā)現(xiàn)病人是否處于危險中。這種快速疾病診斷系統(tǒng)可幫助快速治療，具有拯救生命、預測患者死亡時間的巨大潛力。

洛杉磯兒童醫(yī)院設有名為“虛擬PICU”的醫(yī)院研究部門，Melissa Aczon和David Ledbetter是其中的數(shù)據(jù)科學家，他們與臨床醫(yī)生合作，提出了一種AI系統(tǒng)，后者可以讓醫(yī)生們更好地了解哪些孩子的病情可能會惡化。

圖片來自洛杉磯兒童醫(yī)院官網(wǎng)

Aczon和Ledbetter從醫(yī)院電子健康記錄中獲取超過12000名PICU患者的生命體征數(shù)據(jù)（這些通常每隔幾分鐘更新一次）、已有的實驗室檢測結果、用藥信息和執(zhí)行的治療方案等。隨后，他們利用循環(huán)神經(jīng)網(wǎng)絡（RNN）機器學習程序發(fā)現(xiàn)數(shù)據(jù)中的相關規(guī)律，并成功識別出了即將死亡的患者。RNN方法擅長處理持續(xù)的數(shù)據(jù)序列，而不是從某一個時刻的數(shù)據(jù)點直接得出結論，能夠隨著時間的推移，根據(jù)病人最近12小時的臨床數(shù)據(jù)，做出最準確的預測

目前，該程序尚處于實驗階段，據(jù)統(tǒng)計，其預測死亡的準確率達到93％，明顯比目前在醫(yī)院PICU中使用的簡單評級系統(tǒng)表現(xiàn)更好。Aczon和Ledbetter在Arxiv上發(fā)表了相關論文，公布了他們的研究成果。

阿德萊德大學的盧克·奧克登·雷納及其團隊將機器學習方法應用在CT掃描圖像上，以此預測患者死亡率。他們的研究成果已經(jīng)發(fā)表在《自然》旗下期刊《科學報告》上。雷納的團隊通過“現(xiàn)成的機器學習方法”，利用患者的主要器官和胸部組織CT圖像，分析卷積神經(jīng)網(wǎng)絡來預測哪些患者會在5年內(nèi)死亡，準確度達到了69％，可以和臨床醫(yī)生的“人工”預測媲美。

圖片來自阿德萊德大學官網(wǎng)

研究表明，該系統(tǒng)學會識別各種疾病的外觀，而這是人類專家需要進行廣泛培訓才能掌握的東西。盡管研究人員難以確定這個系統(tǒng)在圖像中“看到”了哪些用來預測的關鍵因素，但是該系統(tǒng)最擅長于預測的是嚴重慢性疾病患者的死亡率，比如肺氣腫和充血性心力衰竭患者。

目前，囿于文件尺寸和計算機顯存，雷納團隊僅分析了一個小型的CT掃描圖像數(shù)據(jù)集。雷納表示，未來可能會借助阿德萊德大學的高性能計算集群，將分析擴展到數(shù)以萬計的圖像上，并納入其他信息，例如患者的年齡和性別等。

2016年底，斯坦福大學計算機科學系研究生Anand Avati和醫(yī)學院的一個團隊選擇約20萬名患者作為學習樣本，以院內(nèi)醫(yī)療記錄作為主要參數(shù)，試圖開發(fā)一種算法，在考量包括癌癥、神經(jīng)系統(tǒng)疾病、心臟病和腎臟衰竭等多種疾病的基礎上，確定時日無多病患的壽命，被稱為“死亡算法”。

圖片來自斯坦福大學官網(wǎng)

在臨床上，患者死亡前3－12個月是提供臨終關懷的黃金時期。Avati他們所作的就是識別出那些處于這一“死亡時間段”的患者，從而幫助醫(yī)生采用更合適、更人道的醫(yī)療干預措施。他們搜集醫(yī)生已經(jīng)編碼的醫(yī)學信息，包括病人診斷說明、預定掃描次數(shù)、在醫(yī)院里度過的天數(shù)、所做的各種治療、醫(yī)療處方等，輸入到深度神經(jīng)網(wǎng)絡中，調(diào)整每條信息的權重和強度，最終生成一個給定患者在3到12個月內(nèi)死亡的概率分數(shù)。

“死亡算法”首先從近16萬名患者身上采集信息進行自我訓練，完成數(shù)據(jù)學習后，Avati他們對剩下的4萬名患者進行了測試。結果表明錯誤率很低，算法認為會在3到12個月內(nèi)死亡的患者中，90％都得到了應驗。算法認為存活期超過一年的患者，95％存活超過12個月。

2017年11月，在IEEE國際生物信息學與生物醫(yī)學大會上，Avati對此項研究進行了報告。

2018年6月，Google宣布研究人員開發(fā)了一種人工智能網(wǎng)絡，能夠利用整個病人電子病歷的原始數(shù)據(jù)，包括患者的病史、放射學結果及醫(yī)者筆記，預測其住院期間的疾病過程和死亡風險，比以前的方法更加準確。

圖片來自fiercebiotech

Google模型深度學習了超過114000名至少在加利福尼亞大學、舊金山大學或者芝加哥大學住院一天的成年患者的超過216000份匿名電子病歷，通過ICD－9代碼預測了患者死亡率、再入院和長期住院風險以，并做出出院診斷。其中，Google模型預測患者住院死亡風險的準確率為95％，虛假報警率遠低于傳統(tǒng)的回歸模型。

這個模型的特點是開發(fā)了一種通用數(shù)據(jù)處理流水線，將原始數(shù)據(jù)作為輸入，無需調(diào)整電子病歷數(shù)據(jù)，并將其映射到傳統(tǒng)模型的變量上，從而能夠將來自醫(yī)生和護士的自由文本臨床記錄以及其他結構較不完整的數(shù)據(jù)納入考量，數(shù)據(jù)規(guī)模達460億級，但工作量只及傳統(tǒng)方法的20％。

向死而生：AI死亡預測引爭議

生老病死，每個人都在遵循不同的軌跡，卻朝著同樣的方向度過一生，每一步都是未知。但當機器的智慧將人的壽命從未知數(shù)變成已知條件時，很多人反對。反對者的論點圍繞著“知情權”展開。

一是患者的知情權。誠然，患者對自己的身體狀況擁有知情權。但反對者認為，當患者的生命時長所剩無幾時，“不知情權”高于“知情權”。他們可能需要善意的謊言去保持樂觀的心態(tài)，而后者可能會反過來延長生命。此外，AI死亡預測準確率畢竟無法達到100％，反對者擔心虛假的死亡信號會“嚇垮”已經(jīng)在茍延殘喘的患者。

二是機器的知情權。反對者認為這種知情權侵犯了患者的隱私權。在AI領域，數(shù)據(jù)權利是一個繞不開的話題。目前，AI死亡預測都是在患者不知情的情況下進行，這是否對患者構成了數(shù)據(jù)侵權，答案似乎是肯定的。

然而，預測未來、預知生死，是人類數(shù)千年沒有放棄過的嘗試。這種存在，不無其合理性。

一方面，未雨綢繆。ECRI研究所是一家為醫(yī)療保健行業(yè)評估醫(yī)療程序、設備和藥物的非營利機構，其研究人員表示，很多醫(yī)院都希望開發(fā)早期預警系統(tǒng)，來預測膿毒癥、心臟驟停和呼吸停止等威脅生命事件的發(fā)生。

另一方面，減少資源浪費。例如，有研究表明，近8成美國人寧愿在家中度過生命的最后日子，而不是醫(yī)療器械的包圍下。在斯坦福大學的案例中，研究人員將死亡前3個月－12個月作為“死亡時間段”，超過12個月的臨終關務可能會造成不必要的資源浪費，形成供應緊張。準確的死亡預測能夠幫助醫(yī)者更精準地投放醫(yī)療服務。

我們相信，人類有向死而生的決心，盡管有不完美之處，日趨準確的AI死亡預測是患者和醫(yī)者的福音。隨著AI算法的演進，死亡預測實際上已經(jīng)走進了臨床醫(yī)療場景，未來更有可能在其中扮演不可或缺的角色。對此，動脈網(wǎng)將持續(xù)關注。