精彩回顾
导读：在2017年11月的IEEE国际生物信息学与生物医学大会上，斯坦福大学计算机科学系的一名研究生Anand Avati对“死亡算法”的研究进行了报告：预测死亡时间准确率达90%！
2016年年底，斯坦福大学计算机科学系的一名研究生Anand Avati和医学院的一个小团队试图开发一种算法，以确定时日无多的病患的寿命。Avati告诉我：“医院的临终关怀小组面临严峻的挑战。我们怎么能找到那些会在三到十二个月内死亡的病人？”这个时间间隔是临终关怀的最佳的区间。
超过12个月的临终关怀服务可能会造成不必要的资源浪费，也会造成供应紧张；相反，如果死亡在三个月内就会发生，可能并没有足够的准备时间。Avati知道，识别出那些处于“死亡时间段”的患者，可以帮助医生对他们采用更合适、更人道的医疗干预措施。
如果算法有效，临终关怀团队将更快地搜寻到那些最需要帮助的人。Avati和他的团队确定了约20万名患者作为学习样本。该团队的主要参数是医院的医疗记录，数据涵盖多种疾病，包括癌症、神经系统疾病、心脏病和肾脏衰竭等。
假设一名男子在2017年1月死亡，如果你将时间回溯到“临终关怀的最佳时间”，就来到了 2016年1月至10月间。Avati知道，为了在这个时间段锁定病人，你需要在此之前就收集和分析他的医疗信息。那么该怎样通过这个人的信息，就能使医生准确预知病人会在三到十二个月的时间内死亡呢？又需要什么样的数据才能教会算法来进行这样的预测呢？
斯坦福大学的Anand Avati
Avati利用了医院医生已经编码的医学信息：病人的诊断说明，预定的扫描次数，在医院里度过的天数，所做的各种手续，医疗处方等等。这些信息当然是有限的，没有问卷调查，没有对话，也不需要用鼻子嗅探化学物质，但它们是一些客观的标准化参数。
这些信息被输入到深度神经网络（一种软件架构，因为它模仿大脑神经元的组织方式）中。算法的任务是调整每条信息的权重和强度，以便生成一个给定患者在3到12个月内死亡的概率分数。
这套“死亡算法”从近16万名患者身上采集信息进行自我训练。当它学习了所有数据之后，Avati的团队对剩下的4万名患者进行了测试。这一过程算法的表现很出色，错误率很低，算法认为会在3到12个月内死亡的患者中，90%都得到了应验。
算法认为存活期超过一年的患者，95％存活超过12个月。（这个算法使用的数据可以在将来得到很大的改进，扫描结果，医生的笔记或者病人的自我评估都可以加入到这个系统中，从而提高预测的精度。）
在2017年11月的IEEE国际生物信息学与生物医学大会上，Avati对此项研究进行了报告。
-END-
IT派会持续关注互联网、大数据、机器学习和人工智能领域，欢迎加入IT派-{ 技术青年圈 }，希望大家更多参与到相互学习交流的过程中，扫描二维码备注IT派进群交流 。
转载自原文链接, 如需删除请联系管理员。
原文链接：“死亡算法”：预测死亡时间准确率达90%！，转载请注明来源！