科学家正在利用AI预测人类死亡时间,从而改善医疗服务质量

简介:

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。

科学家正在利用AI预测人类死亡时间,从而改善医疗服务质量

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。










原文出处:科技行者
转载请与作者联系,同时请务必标明文章原始出处和原文链接及本声明。
目录
相关文章
|
3天前
|
机器学习/深度学习 人工智能 自然语言处理
软件测试的未来:AI的崛起与质量保证的革新
在软件开发的世界中,测试一直是确保产品质量和用户满意度的关键步骤。随着人工智能技术的飞速发展,传统的软件测试方法正逐步被智能化工具所取代。本文将探讨AI如何重新定义软件测试流程、提升测试效率以及预测未来可能出现的挑战和机遇。
|
4天前
|
机器学习/深度学习 人工智能 搜索推荐
AI技术在现代医疗领域的革命性应用
随着人工智能技术的飞速发展,其在医疗领域的应用也日益广泛。本文将从AI技术在医疗诊断、治疗和健康管理等方面的应用入手,探讨其如何改变传统医疗模式,提高医疗服务质量和效率。同时,我们也将关注AI技术在医疗领域面临的挑战和未来发展趋势。
|
15天前
|
机器学习/深度学习 传感器 人工智能
AI技术在医疗领域的应用与挑战
【8月更文挑战第29天】人工智能(AI)技术在医疗领域的应用日益广泛,为患者提供更精准、高效的医疗服务。本文将探讨AI技术在医疗领域的应用及其面临的挑战,包括诊断辅助、药物研发、患者管理和远程监测等方面。我们将通过实际案例和数据来展示AI技术在医疗领域的优势,并讨论其未来发展的可能性和潜在问题。
|
1天前
|
机器学习/深度学习 人工智能 搜索推荐
AI技术在医疗领域的应用
【8月更文挑战第43天】本文将介绍人工智能(AI)在医疗领域的应用,包括疾病诊断、药物研发和健康管理等方面。我们将通过实例和代码示例,展示AI如何帮助医生提高诊断准确性,加速药物研发过程,以及提供个性化的健康管理方案。让我们一起探索AI技术如何改变医疗保健的未来。
|
2天前
|
机器学习/深度学习 人工智能 算法
AI技术在医疗领域的应用及未来展望
【9月更文挑战第10天】本文将探讨AI技术在医疗领域的应用及其未来的发展趋势。我们将从AI技术的基本概念和原理出发,分析其在医疗领域的具体应用场景,如疾病诊断、治疗方案制定、药物研发等,并预测其未来的发展方向。同时,我们也将讨论AI技术在医疗领域面临的挑战和问题,以及如何通过技术创新和政策引导来解决这些问题。
|
1天前
|
机器学习/深度学习 人工智能 搜索推荐
AI技术在医疗领域的创新应用
随着人工智能技术的飞速发展,其在医疗领域的应用也日益广泛。从辅助诊断、药物研发到健康管理,AI技术正为传统医疗带来革命性的变革。本文将探讨AI在医疗领域的创新应用,分析其优势及面临的挑战,并展望AI技术在未来医疗领域的发展前景。
6 1
|
10天前
|
数据采集 人工智能 算法
AI技术在医疗领域的应用与挑战
【9月更文挑战第2天】本文将探讨人工智能(AI)在医疗领域的应用及其面临的挑战。我们将通过分析AI技术在诊断、治疗和预防等方面的实际应用案例,揭示其潜力和局限性。同时,我们还将讨论数据隐私、伦理道德和技术准确性等关键问题,以期为未来的研究和实践提供启示。
34 6
|
10天前
|
机器学习/深度学习 人工智能 自然语言处理
AI驱动的自动化测试:提升软件质量的未来之路
【9月更文挑战第3天】AI驱动的自动化测试是提升软件质量的未来之路。它借助AI技术的力量,实现了测试用例的智能生成、测试策略的优化、故障预测与定位等功能的自动化和智能化。随着技术的不断进步和应用场景的不断拓展,AI驱动的自动化测试将在未来发挥更加重要的作用,为软件开发和运维提供更加高效、准确和可靠的解决方案。
|
10天前
|
数据采集 机器学习/深度学习 人工智能
探索AI在医疗诊断中的应用与挑战
【9月更文挑战第2天】随着人工智能技术的不断进步,其在医疗领域的应用也日益广泛。本文将探讨AI在医疗诊断中的具体应用,以及面临的挑战和未来发展趋势。我们将通过实际案例和代码示例来展示AI如何帮助医生提高诊断的准确性和效率。
|
16天前
|
机器学习/深度学习 人工智能 监控
AI技术在现代医疗领域的革新之路
【8月更文挑战第28天】 随着人工智能技术的飞速发展,其在医疗健康领域的应用日益广泛,从疾病诊断到治疗方案的制定,再到患者的健康管理,AI技术正逐步改变着传统医疗模式。本文将探讨AI在医疗领域的具体应用场景,分析其带来的积极影响以及面临的挑战,旨在启发读者思考AI技术如何更好地服务于人类健康事业。