利用人工智能來預測死亡率將有可能優化現在的姑息治療方法。這個話題雖然有點沉重，但是人工智能確實有可能幫助醫療服務人員和醫生一起改善重癥病人的護理服務質量。

　　在生命即將走向終點的時候，接受合理的治療遠比我們想象的更重要。沒有足夠的治療或者沒有對癥下藥的話，患者將會變得非常痛苦。而且過度的治療會產生不必要的醫療費用，金額可達數十萬美元，即使患者有醫療保險，這對他們來說，仍是一筆不小的費用。對重癥患者來說，特別是65歲以上的患者，選擇合理的治療方案是至關重要的。因為使用特定的治療方案來治理特殊的病人，可以幫助節省不少的醫療成本。人工智能技術能夠幫助病人和醫生及時確診疾病并盡快為治療方案和成本預算做好準備。

　　NPJ數字醫療雜志最近的一項研究表明，人工智能技術很快就會幫助醫生及時改善患者的醫療服務。研究人員利用人工智能掃描電子健康記錄（EHR），并通過醫生留下的病人記錄發現潛在臨床問題和健康風險。人工智能系統比醫生更準確、更快速地預測患者的死亡率和最終診斷。那么它究竟是如何工作的呢？

　　利用深度學習來預測患者的病情

　　在NPJ的研究中，研究人員將近480億個數據點（包括醫生的患者記錄、患者人口統計學、程序、藥物、實驗室結果和生命體征）提供給深度學習模型。該模型分析了這些數據，并以90％的準確度預測一些醫療問題，如死亡率、住院時間、非計劃性再入院率和患者的最終診斷。與傳統的預測模型相比，深度學習模型更加準確，預測的范圍也更廣。

　　例如，一位處于乳腺癌晚期的女性來到一家城市醫院，她的肺部已經產生積液。兩名醫生查看了她的病例，并建議她做放射性掃描檢查。該醫院的傳統預測模型檢測了她的數據，預測她在醫院死亡的幾率為9．3％。而一種由谷歌創建的新型算法檢測了該女性的數據，大約有175639個數據點，并預測她的實際死亡幾率為19．9％。之后這名患者便在幾天內去世，也由此證明了算法模型比傳統的預測模型更準確。

　　與傳統方法相比，深度學習模型的準確率提高了10％。該系統能夠篩選以前無法獲得的數據，這有助于它提供更準確的死亡率。該模型并不只是檢測一些風險因素，而是檢測患者的整個電子健康記錄，包括隱藏在PDF中的注釋以及在舊圖表上潦草寫下的內容。深度學習模型有助于未來醫生挽救生命和提供更好的患者護理。

　　挽救生命和節約醫療成本

　　那么我們可以用這些信息做些什么呢？通過更準確地預測患者的死亡率，醫院和醫生可以及時調整治療計劃，優化患者護理服務，并在疾病惡化之前就能預測到。除此之外，醫護人員也不必花費更多的時間將患者數據輸入到標準易讀的系統中。

　　例如，Futurism的一份報告指出，Ultromics是一種在英國開發的AI診斷系統，可以比醫生更準確地診斷心臟病。它還指出，一家名為Optellum的初創公司正在研究一種AI系統，可以通過分析掃描中發現的細胞團來診斷肺癌。該系統有望每年診斷出4000個額外的肺癌病例，并且比醫生目前能夠確診的時間更早。

　　這些AI診斷系統不僅可以拯救生命，還可以幫助醫院節省醫療成本。在對Futurism報告的采訪中，Optellum的首席科學和技術官TimorKadir表示，人工智能系統可以將醫療保健行業產生的成本削減135億美元。英國健康研究戰略辦事處主席JohnBell補充說：“國家衛生服務部門的醫療服務費用約為29．7億美元。人工智能的出現，費用可能會直接減少一半。”

　　預測死亡率以獲得更好的護理

　　目前的研究表明，8％需要姑息治療的患者中，實際只有一半以下的患者接受了該治療方案。因為有時候，醫生會對患者做出不準確或者過于樂觀的預測。斯坦福大學醫學院的研究科學家KennethJung博士稱：“醫生可能因為過于關注管理患者的健康問題而沒想過要使用姑息治療方案，而且這個想法甚至都不會出現在他們的腦海中。”

　　這些不能確定是否需要姑息治療的患者最終可能會病情加重，甚至是死亡。如果患者的健康狀況突然下降，他們可能會在最后幾天才會接受合理的治療方案，希望將他們的生命延長幾周。然而，研究表明，大約80％的美國人更愿意在家中死亡，而不是在醫院里。可悲的是，該報告還指出，這些人中有60％死于醫院的急癥護理。

　　在這些情況下，AI可以幫助識別病情嚴重的病人，并可能通過姑息治療活下來。早期預測出這些患者的死亡率可以幫助他們更快地獲得所需的治療方案。而且它能夠允許患者在最后幾天留在家中，而不是在醫院。

　　雖然有些人可能會懷疑人工智能在醫療保健領域的未來，但人工智能系統的目的是在醫療保健行業中發揮支持作用。這些AI系統將成為強大的工具，幫助醫生和其他醫療保健專業人員提供更高質量的護理，還能及時提供姑息治療方案。