由吴恩达与斯坦福大学计算机科学系教授Anand Avati、斯坦福大学生物医学信息学研究中心Kenneth Jung、Lance Downing与Nigam H. Shah，以及斯坦福大学医学院Stephanie Harmon六位斯坦福大学科学家组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死亡时间，从而改善对其的姑息治疗程度，或者对患有严重疾病的患者提供专门的护理。
研究报告显示，大约80%的美国人希望能在自己家中度过生命的最后时光，但是如愿的只有20%。事实上，超过60%的死亡发生在医院的急诊病房，而病人在临终前的最后一段时间会接受侵入性治疗。
在过去10年间，可以提供姑息治疗的医院一直在增加。在2008年，全美所有病床数超过50张的医院中，有53%的医院设有姑息治疗团队，2015年这一比例已攀升至67%。虽然可以提供姑息治疗的医院越来越多，但是根据国家姑息治疗登记处（National Palliative Care Registry）的数据，在所有需要接受姑息治疗的病人（占所有住院病人7% - 8%）中，只有不到一半的人真正接受了这种治疗。
这与医生在判断患者的生存时长方面往往过于乐观有很大的关系。此外，姑息治疗的相关护理人员及资源也较为有限。因此，为了尽可能帮助更多适合此种安慰疗法的病患，斯坦福大学的研究小组希望利用人工智能技术发现剩余生命仅为三到十二个月的对象。
确定为这个时间段的依据是：如果病患将在三个月内死亡，那么，姑息治疗小组将没有足够的时间来进行筹备。但如果病患将在十二个月后死亡，则具体死亡时间很难得到准确预测。
以往的做法是，由医生检查每一份病例表，借此确定病患是否有资格获得姑息治疗方式。但这整个过程非常耗时，而且医生的个人偏见可能对最终护理决定产生影响。
对此，报告指出：“该预测结果将帮助姑息治疗团队得以主动接触这些患者，并根据患者的EHR（即电子健康记录），利用深度学习技术提供客观的治疗建议。而不是依赖主治医师的推介，或花时间研究所有病人的病例。”
具体而言，算法会自动评估住院病人的EHR数据，帮助姑息治疗怀团队判断哪些病人可能需要姑息治疗。实际上就是用病人先前的HER数据训练出来的一个神经网络。
报告中介绍了几类能够使病人的预后信息（预后是指预测疾病的可能病程和结局）更加客观和智能化的方法，包括用于姑息治疗的预后方法、加护病房ICU的预后方法、早期识别的预后方法，并详述了大数据时代的预后方法。
Shah在接受CNBC采访时表示，虽然利用AI技术仍然可能导致某些本应得到护理的病患无法顺利完成申请，但实际效果还是优于人工分析。
“目前，我们错过了大多数应该接受姑息治疗的患者，这是因为临床医生对于生存时间的估计太过乐观……只有不足1%的病患能够在逝世前接受六个月以上的姑息治疗。考虑到这一点，尽管人工智能辅助方法不可避免也会错过半数符合条件的患者，但其成效却远优于现有状况。”
为了进行这项研究，研究小组使用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也强调：“这套模型的预测结果仅被用于在姑息治疗小组进行病例审查（及自动转诊）时推荐部分符合条件的病患。人类医生仍然负责整个审查流程的主导工作，而该项目所得出的结果只作为符合姑息治疗条件的参考，而非对死亡时间的直接预测。”
死亡预测作为一种晚期疾病判断方式，能够协助确定符合条件的候选病患。但需要强调的是，姑息治疗与生命终期护理并不是一回事。
Harman在采访当中表示：“在医院中进行骨髓移植（治愈性治疗）的病患往往都不得不面对一些严重的副作用，比如治疗方案引起的剧烈疼痛等等。对于这样的病人，医生往往会采取姑息治疗以缓解副作用，并帮助病患完成治疗过程。”
与此同时，报告还发现，死亡时间是其中一项有效的指向性指标。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逝世的病患，该团队随机选取了其中50位进行人工复查。结果显示，这50位病患全部“适合转诊”。换言之，该AI方案的效果完全符合预期。
