“我不希望在最初分开的时分说不出话来，我希望可以在我还美丽的时分跟他辞别。”最新一期的《奇葩大会》里，死亡体验馆馆主丁锐分享了一个感人的故事——一个癌症早期的女性，为了可以优雅地和丈夫辞别，和丈夫一同参与了死亡体验活动，在送别“死去的”妻子时，丈夫喜笑颜开。
关于一个癌症患者而言，“死亡”这个话题虽然非常繁重，但也需求预留空间去讨论和顺应。而假如可以精准预测病患的“死亡”，能否能给予患者这个空间呢？
美国斯坦福大学开发了一款“预测死期”的AI零碎。这款AI零碎整理了近200万名成人和儿童患者的电子安康档案数据，以及相关的医学诊断信息，失掉病情的 大数据 。再经过数据搜集与零碎自主学习机制，来预测病患详细的死亡工夫。
为了临终关心，也为了解救生命
在中国，每年有约700万人走向生命起点，但社会上提供的临终关心效劳却只能满足约15%的需求。该零碎的呈现，预示着医生们可以愈加准确地布置病患的临终关心。除此之外，应用“预测死亡”我们还可以开掘一条新的路途。
关于大限将至的早期病患，我们可以经过临时的数据跟踪来判别死亡概率。 而关于一些特殊疾病的突发症状，我们也可以经过机器学习，感知到病患的一些生命体征变化从而收回风险预警。
FDA（美国食品药品监视管理局）最近同意经过了首个可以预测死亡的AI产品，这个产品名叫Wave Clinical Platform，由医疗科技公司Excel Medical研发。Wave是一个永远在线的近程监测平台，集成了医院和包括患者的用药状况、年龄、生理状况、既往病史、家族病史等实时数据。这套零碎可以感知生命体征的纤细变化，从而在发作致命事情6小时前收回预警。也就是说，AI零碎可以经过比拟数据库中的猝死病例，从而提早6个小时预测“猝死工夫”，为医护人员博得抢救工夫。
英国迷信家也曾在《影像诊断学》杂志上宣布文章说， 人工智能 可以预测心脏病人何时死亡。而这项技术能让医护人员发现需求更多干涉医治的患者，从而解救更多的生命。
AI预测死亡——逃不出的笼子
关于AI预测死亡这一命题所遇到的成绩，智能绝对论（ID:aixdlun）剖析师颜璇以为可以从这三个方面来思索。
1、“预测死亡”即“判死刑”，病人能承受吗
不可否认的是，预测死亡的确可以让医生更合理地去配置医疗资源。但“死亡”并非那么容易被一切人承受。
Siddhartha Mukherjee在文章中讲过本人亲历的一个故事，他已经医治过一名食道癌患者，这个病人的医治非常顺利，但还是存在着复发的能够性。于是医生提出了临终关心的话题。但这位病人回绝了。这位病人以为，他的身体情况越来越好，肉体形态非常抖擞，为什么偏要说这些败兴的话呢？
令人遗憾的是，这位病人的癌症还是复发了。在他临终前，他一直处于苏醒形态，无法回应在他病床旁的家人。
从这个故事中可见，并非每一个病人都能漠然地承受“死亡”这个话题。当病人与病魔和死神苦苦争斗时，医生们用一套所谓迷信的、精细的AI零碎预测了病人的死期， 于病人而言，抗癌之旅本就艰苦，而在其头顶悬上一把会准时掉落的死亡之刃不免也太过残暴。
2、病情存在集体差别，复杂病例难以判别
AI预测死亡次要依赖于 医疗大数据 和 深度学习 。研讨团队表示，这套AI零碎搜集了从发现病症到12个月内死亡的病人数据，然后经过深度神经网络应用大数据计算每条信息的权重和强度，生成一个给定患者在3到12个月内死亡的概率分数，经过分数预测病人在3-12个月内能否会死亡。
医疗数据品种冗杂，质量良莠不齐，是一种极具特性化的信息。疾病的病程具有一定的规律，但详细病情症状却要因人而异。团体体质、四周环境等要素都会影响疾病的转归。除了集体的差别，疾病自身也难以被清楚地认知。比方，简直任何传染病的初期症状都与感冒相似。也就是说，疾病自身是带有诈骗性的，在医院中，医生也经常需求借助辅佐工具，在面对复杂病例时，医生们甚至需求召开病情讨论会议，几方谈判才干确定医治方案。
再者，AI预测死亡的深度学习有一个令人隐晦的中央，也就是“黑盒子”成绩——它可以推算出一个病患的死亡概率分数，却无法表达其面前的逻辑。
所以，经过概率分数来预测病人的死亡工夫照旧存在着许多成绩。 单单针对某类疾病的死亡预测能够无效，但是预测大病种的死亡概率的能够性却微乎其微。
3、医疗大数据共享难
AI+医疗大多以算法开端，但最终还是会回到数据。虽然数据是一切AI项目的成绩，但医疗行业的数据，尤其是这类关于生死的数据更难获取。
医疗信息与其它范畴的信息不同，品种非常冗杂，规范也不一致。尤其许多病症会触及到患者隐私，会有局部患者并不情愿将本人的医疗数据用于AI研讨。
就质量而言，医疗数据也有更高的要求，比方，一切的医疗数据需求医生的人工标识。
除了病人，从医院方获取数据也有阻力，在不能确定某项研讨会有利于医院救护的时分，医院恐怕并不情愿担风险奉献出一切的任务数据。而技术人员要如何和医生构成合力，获取高质量的大数据，是大局部人工智能医疗企业共同面临的难题。
“鸡肋”如何巧变为“熊掌”
“AI预测死亡的精确率高达90%”更像是一个过度宣传的噱头，预测人类的死亡只是更方便停止姑息医治，但其中还是会面临一些伦理成绩。比方，要不要将死亡日期告诉给病人和其家人？一套机器能否有资历来宣判人类的死亡期限呢？
而假如换个预测对象呢？想象一下，作为一只宠物狗的主人，当狗狗的身体机能渐渐衰老，主人能否想要晓得这只狗狗什么时分会离世呢？由于言语的不通，人类会希望借助一些辅佐工具更理解宠物，希望有更准确的医疗辅佐零碎来诊断宠物的病情，从而为宠物做更好的布置。 面对宠物，AI预测死亡似乎更能被人类所承受。
AI预测死亡零碎的开展进程应该是一个不时提升价值的进程， 一方面，应该树立更多对象的数据库，依赖于深度学习来停止更多使用场景的选择。 首先，选择一类对象（多半为宠物）作为训练学习模型的教材，然后，经过积聚的“经历”来判别这类对象在发病时期的死亡概率，最初，对对象停止干涉医治。
另一方面，将预测死亡变成预测病程。 预测场景从垂直范畴到横向范畴，构建一个智能预测零碎，既包括病程的转归期，也包括病程后期的一切阶段，最初做到为用户特性化建模。
在AI医疗上，我们细分了越来越多的项目。而“预测死亡”看起来触及到了人类生死大事，但也只是触及到了事情的外表，在戳破了“死亡预测”这个气泡后，如何让AI医疗预测成为一个真正惠民的项目，触及到医疗痛点，恐怕才是大局部规划AI医疗的企业要考虑的。
5月25日，相约北京·千禧酒店，与安防大咖共话安防AI创新千人峰会，人脉、资源、投资人都在这里！亿欧呈献一场安防行业盛宴。
在安防、警务、刑侦、交通场景，AI无论在视频、图片、语音、文本等方向的打破，还是在资本和需求的推进下，都展现了创新改造者姿势。这次浪潮来得尤其猛烈，我们置信，AI正改动安防，AI正为安防带来创新。
点此理解概况： GIIS 2018·安防AI创新峰会
本文系投稿稿件，作者：智能绝对论；转载请注明作者姓名和“来源：亿欧”；文章内容系作者团体观念，不代表亿欧对观念赞同或支持。