导航菜单

“鸡肋”的AI预测死亡系统,能否巧变“熊掌”?

硅谷特工昨天我要分享

“当我最终离开时,我不想说不出话来。当我还是美丽的时候,我想和他说再见。”在《奇葩大会》中,死亡体验图书馆的所有者丁睿分享了一个感人的故事,讲述了一位患有晚期癌症的妇女,她与丈夫一起参加了死亡体验活动,以便优雅告别她的丈夫。当她告别“死去的”妻子时,她的丈夫哭了。

对于癌症患者来说,“死亡”是一个非常沉重的话题,但它也需要预留空间来探索和适应。如果我们能准确预测患者的“死亡”,我们可以给患者这个空间吗?

美国斯坦福大学开发了一个人工智能系统来预测截止日期。人工智能系统整理近200万成人和儿童的电子健康记录,以及相关的医疗诊断信息,以获得有关疾病状况的大量数据。然后通过数据收集和系统自主学习机制预测死亡的具体时间。

为了临终关怀和拯救生命

在中国,每年约有700万人终其一生,但社会提供的临终关怀服务只能满足约15%的需求。该系统的出现表明医生可以更准确地安排患者的临终关怀。此外,我们可以通过使用“预测死亡”找到一种新方法。

对于晚期患者,我们可以通过长期数据跟踪来判断死亡概率。对于某些特殊疾病的突发症状,我们也可以利用机器学习来感知患者某些生命体征的变化,从而给出危险警告。

FDA最近批准了由医疗技术公司Excel Medical开发的第一款预测死亡的AI产品Wave Clinical Platform。

Wave是一个永远在线的远程监控平台,集成了医院和实时数据,包括患者用药,年龄,身体状况,既往病史和家族病史。

该系统检测到生命体征的细微变化,在致命事件发生前六小时提醒他们。换句话说,AI系统可以通过比较数据库中的突发死亡案例,提前6小时预测“死亡时间”,并赢得医务人员的救援时间。

英国科学家还在《影像诊断学》杂志上发表了一篇文章,称人工智能可以预测心脏病发作者什么时候会死亡。这项技术使医护人员能够找到需要更多干预措施以挽救更多生命的患者。

AI预测死亡 - 一个无法逃脱的笼子

对于人工智能预测死亡所遇到的问题,分析师严艳认为可以从这三个方面加以考虑。

1.“预测死亡”是指“判处死刑”,病人可以接受吗?

不可否认,预测死亡确实可以让医生更合理地分配医疗资源。但“死亡”并不是每个人都容易接受的。

在文章中,Siddhartha Mukherjee谈到了他所经历的一个故事。他治疗了一位患有食道癌的病人。患者的治疗非常顺利,但仍有可能复发。所以医生提出了临终关怀的话题。但病人拒绝了。患者认为他的身体状况越来越好,他的精神状态非常令人振奋。你为什么要说这些令人失望的话?

遗憾的是,患者的癌症已经复发。在他去世前,他处于昏迷状态,无法在床边回应他的家人。

从这个故事可以看出,并非每个病人都能无动于衷地接受“死亡”这个话题。当患者与疾病和死亡斗争时,医生使用所谓的科学和复杂的AI系统来预测患者的死亡。对于患者来说,抗癌之旅很艰难,头顶也是悬浮的。把死亡的刀片按时落到是太残忍了。

2.病情存在个体差异,复杂病例难以判断

AI预测死亡主要取决于医疗大数据和深度学习。该研究小组表示,人工智能系统收集了发现在疾病发病后12个月内死亡的患者的数据,然后利用大数据通过深度神经网络计算每条信息的重量和强度,产生3对于给定的患者,为12。在一个月内死亡的概率分数,通过分数来预测患者是否会在3-12个月内死亡。

各种医疗数据和不均匀的质量是非常个人化的信息。疾病的过程有一定的规律,但疾病的具体症状必须因人而异。个人体质和周围环境等因素会影响疾病的结果。除了个体差异外,疾病本身很难被清楚地认识到。例如,几乎任何传染病的初始症状都与感冒相似。也就是说,这种疾病本身具有欺骗性。在医院,医生通常需要辅助工具。面对复杂的病例,医生甚至需要召开医疗讨论会来确定治疗方案。

此外,AI预测深度学习死亡有一个令人费解的地方,即“黑匣子”问题 - 它可以计算患者的死亡概率,但无法表达其背后的逻辑。

因此,通过概率分数预测患者的死亡时间仍存在许多问题。某些类型疾病的死亡预测可能是有效的,但预测大型疾病死亡概率的可能性很小。

3.医疗大数据共享困难

AI + Medical主要以算法开始,但最终会返回数据。虽然数据是所有AI项目的问题,但医疗行业的数据,尤其是生死相关的数据,更难获得。

医学信息与其他领域不同,类型非常复杂,标准也不统一。特别是,许多病症涉及患者隐私,并且一些患者不愿意将他们的医疗数据用于AI研究。

在质量方面,医疗数据也有更高的要求。例如,所有医疗数据都需要医生手动识别。

除患者外,还无法从医院获取数据。如果不确定某项研究是否有利于医院护理,医院可能不愿意承担风险来提供所有工作数据。技术人员如何与医生合作获取高质量的大数据是大多数人工智能医疗公司面临的常见问题。

“鸡肋”如何成为“熊掌”

“人工智能预测死亡准确率高达90%”更像是一种过度推广的噱头,预测人类死亡只会更方便姑息治疗,但它仍然面临一些道德问题。例如,您想通知患者及其家人的死亡日期吗?机器有资格发音人类死亡吗?

如果更改预测对象怎么办?想象一下,作为宠物狗的主人,当狗的身体功能逐渐老化时,主人是否想知道狗什么时候会死?由于语言障碍,人们希望使用一些辅助工具来更好地了解宠物,并希望有一个更准确的医疗援助系统来诊断宠物的状况,以便更好地安排宠物。面对宠物,AI预测死亡似乎更容易为人类所接受。

人工智能预测死亡系统的发展过程应该是一个不断增加价值的过程。一方面,它应该建立一个更多对象的数据库,并依靠深度学习来选择更多的应用场景。首先,选择一类对象(主要是宠物)作为训练学习模型的教材,然后通过累积的“经验”来确定这些对象在疾病发作期间的死亡概率,最后,主题的介入。

另一方面,预测死亡成为预测过程。预测从垂直到水平的场景,构建一个智能预测系统,包括疾病过程的结果期和疾病早期的所有阶段。最后,用户是个性化的。

在AI医疗中,我们细分了越来越多的名字。 “预测死亡”似乎涉及人类的生命和死亡,但它只涉及事物的表面。打破“死亡预测”的泡沫后,如何使人工智能医学预测成为一个真正有益的项目,触及医疗。痛点,我担心大多数布置AI医疗保健的公司都应该考虑一下。

更多精彩,请关注硅谷洞察官方网站:收集报告投诉

“当我终于离开时,我不想说不出话来。我希望当我还是美丽时,我可以跟他说再见。”《奇葩大会》,死亡体验博物馆的老板丁锐分享了一个动人的故事 - 在癌症的晚期,为了能够优雅地告别丈夫,她与丈夫一起参与了死亡经历。当她告别“死去的”妻子时,她的丈夫不能哭。

对于癌症患者来说,“死亡”的主题非常沉重,但它也需要空间来探索和适应。如果您能准确预测患者的“死亡”,您能否为患者提供这个空间?

美国斯坦福大学开发了一种“死亡预期”AI系统。人工智能系统为近200万成人和儿童患者组织电子健康档案数据,以及相关的医疗诊断信息,并获取有关情况的大数据。数据收集和系统自主学习机制用于预测患者的特定死亡时间。

为了临终关怀和拯救生命

在中国,每年约有700万人进入临终,但社会提供的临终关怀只能满足约15%的需求。该系统的出现表明医生可以更准确地安排患者的临终关怀。此外,我们还可以通过使用“预测死亡”探索一条新路径。

对于访问受限的高级患者,我们可以使用长期数据跟踪来确定死亡概率。对于某些特殊疾病的突发症状,我们还可以通过机器学习了解患者某些生命体征的变化,并发出危险警告。

FDA(美国食品和药物管理局)最近批准了第一个预测死亡的AI产品。该产品名为Wave Clinical Platform,由医疗技术公司Excel Medical开发。

Wave是一个永远在线的远程监控平台,集成了医院和实时数据,包括患者用药,年龄,身体状况,既往病史和家族病史。

该系统检测到生命体征的细微变化,在致命事件发生前六小时提醒他们。换句话说,AI系统可以通过比较数据库中的突发死亡案例,提前6小时预测“死亡时间”,并赢得医务人员的救援时间。

英国科学家还在《影像诊断学》杂志上发表了一篇文章,称人工智能可以预测心脏病发作者什么时候会死亡。这项技术使医护人员能够找到需要更多干预措施以挽救更多生命的患者。

AI预测死亡 - 一个无法逃脱的笼子

对于人工智能预测死亡所遇到的问题,分析师严艳认为可以从这三个方面加以考虑。

1.“预测死亡”是指“判处死刑”,病人可以接受吗?

不可否认,预测死亡确实可以让医生更合理地分配医疗资源。但“死亡”并不是每个人都容易接受的。

在文章中,Siddhartha Mukherjee谈到了他所经历的一个故事。他治疗了一位患有食道癌的病人。患者的治疗非常顺利,但仍有可能复发。所以医生提出了临终关怀的话题。但病人拒绝了。患者认为他的身体状况越来越好,他的精神状态非常令人振奋。你为什么要说这些令人失望的话?

遗憾的是,患者的癌症已经复发。在他去世前,他处于昏迷状态,无法在床边回应他的家人。

从这个故事可以看出,并非每个病人都能无动于衷地接受“死亡”这个话题。当患者与疾病和死亡斗争时,医生使用所谓的科学和复杂的AI系统来预测患者的死亡。对于患者来说,抗癌之旅很艰难,头顶也是悬浮的。把死亡的刀片按时落到是太残忍了。

2.病情存在个体差异,复杂病例难以判断

AI预测死亡主要取决于医疗大数据和深度学习。该研究小组表示,人工智能系统收集了发现在疾病发病后12个月内死亡的患者的数据,然后利用大数据通过深度神经网络计算每条信息的重量和强度,产生3对于给定的患者,为12。在一个月内死亡的概率分数,通过分数来预测患者是否会在3-12个月内死亡。

各种医疗数据和不均匀的质量是非常个人化的信息。疾病的过程有一定的规律,但疾病的具体症状必须因人而异。个人体质和周围环境等因素会影响疾病的结果。除了个体差异外,疾病本身很难被清楚地认识到。例如,几乎任何传染病的初始症状都与感冒相似。也就是说,这种疾病本身具有欺骗性。在医院,医生通常需要辅助工具。面对复杂的病例,医生甚至需要召开医疗讨论会来确定治疗方案。

此外,AI预测深度学习死亡有一个令人费解的地方,即“黑匣子”问题 - 它可以计算患者的死亡概率,但无法表达其背后的逻辑。

因此,通过概率分数预测患者的死亡时间仍存在许多问题。某些类型疾病的死亡预测可能是有效的,但预测大型疾病死亡概率的可能性很小。

3.医疗大数据共享困难

AI + Medical主要以算法开始,但最终会返回数据。虽然数据是所有AI项目的问题,但医疗行业的数据,尤其是生死相关的数据,更难获得。

医学信息与其他领域不同,类型非常复杂,标准也不统一。特别是,许多病症涉及患者隐私,并且一些患者不愿意将他们的医疗数据用于AI研究。

在质量方面,医疗数据也有更高的要求。例如,所有医疗数据都需要医生手动识别。

除患者外,还无法从医院获取数据。如果不确定某项研究是否有利于医院护理,医院可能不愿意承担风险来提供所有工作数据。技术人员如何与医生合作获取高质量的大数据是大多数人工智能医疗公司面临的常见问题。

“鸡肋”如何成为“熊掌”

“人工智能预测死亡准确率高达90%”更像是一种过度推广的噱头,预测人类死亡只会更方便姑息治疗,但它仍然面临一些道德问题。例如,您想通知患者及其家人的死亡日期吗?机器有资格发音人类死亡吗?

如果更改预测对象怎么办?想象一下,作为宠物狗的主人,当狗的身体功能逐渐老化时,主人是否想知道狗什么时候会死?由于语言障碍,人们希望使用一些辅助工具来更好地了解宠物,并希望有一个更准确的医疗援助系统来诊断宠物的状况,以便更好地安排宠物。面对宠物,AI预测死亡似乎更容易为人类所接受。

人工智能预测死亡系统的发展过程应该是一个不断增加价值的过程。一方面,它应该建立一个更多对象的数据库,并依靠深度学习来选择更多的应用场景。首先,选择一类对象(主要是宠物)作为训练学习模型的教材,然后通过累积的“经验”来确定这些对象在疾病发作期间的死亡概率,最后,主题的介入。

另一方面,预测死亡成为预测过程。预测从垂直到水平的场景,构建一个智能预测系统,包括疾病过程的结果期和疾病早期的所有阶段。最后,用户是个性化的。

在AI医疗中,我们细分了越来越多的名字。 “预测死亡”似乎涉及人类的生命和死亡,但它只涉及事物的表面。打破“死亡预测”的泡沫后,如何使人工智能医学预测成为一个真正有益的项目,触及医疗。痛点,我担心大多数布置AI医疗保健的公司都应该考虑一下。

更多精彩内容,请关注硅谷官方网站:

——