AI прогнозирует время наступления смерти для улучшения ухода за последними днями пациента
Привет. Использование искусственного интеллекта для предсказания того, когда пациенты могут умереть, звучит как эпизод из сериала «Черное зеркало», посвященного дистопической научной фантастике (писал об этом). Однако, исследователи из Стэнфордского университета рассматривают это использование AI как возможность помочь врачам и пациентам получить необходимое завершение жизни.
Многие врачи часто дают чрезмерно розовые оценки о том, когда их пациенты умрут, этот срок обычно отодвигается, когда у врача возникают трудные разговоры о конце жизни с пациентами. Эта понятная человеческая тенденция может привести к тому, что пациенты, получают нежелательные, дорогостоящие и агрессивные методы лечения в больнице в то время, когда в этом уже нет смысла, вместо того, чтобы позволить себе умирать в более спокойной обстановке с относительным комфортом. Альтернативный подход, который тестирует команда Стэнфордского университета, будет использовать AI, чтобы помочь врачам в отборе вновь принятых пациентов, которым, возможно, необходим разговор о выборе паллиативной помощи.
Прошлые исследования показали, что около 80 процентов людей в США предпочли бы провести свои последние дни дома, если это возможно. В действительности, до 60 процентов пациентов умирают в больнице неотложной помощи, получая агрессивные медицинские процедуры.
Специалисты в области паллиативной помощи обычно ждут, когда медицинская бригада, отвечающая за пациента, попросит об их услугах, которые обычно включают предоставление помощи пациентам, страдающим серьезными заболеваниями, и, возможно, учет предпочтений пациента о методах лечения в конце жизни. Новая технология предоставит врачам паллиативной помощи возможность оценить реальные перспективы пациента.
Алгоритмы AI основаны на глубоком обучении - популярном методе машинного обучения, который использует нейронные сети для анализа огромного количества данных. Исследователи разработали алгоритм глубокого обучения на данных из электронных журналов здравоохранения около 2 миллионов взрослых и детей, которые были госпитализированы в стационар Стэнфорда или в детскую больницу, чтобы предсказать смертность данного пациента в течение следующих трех-двенадцати месяцев. (Прогнозирование смерти пациента в течение трех месяцев обеспечивало бы слишком мало времени для подготовки к необходимой паллиативной помощи).
«Мы могли бы построить прогностическую модель, используя собранные оперативные данные в области здравоохранения, а не тщательно разработанное экспериментальное исследование. Масштабы доступных данных позволили нам построить модель прогнозирования смертности от всех существующих причин».
Использование экспериментального алгоритма прогнозирования смертности пациентов оказалось менее страшным, чем можно было бы подумать. С точки зрения этики и медицинского обслуживания, роль модели глубокого обучения в оказании помощи пациентам физиотерапевтами имеет значительные преимущества и несколько недостатков.
"Мы считаем, что включать врача в этот прогностический процесс и думать об этом как «машинное обучение плюс врач» - это путь, которого следует избегать, в отличие от принятия решений только на основе алгоритмов ..., что ставит нас на более твердую почву, как с этической точки зрения, так и с точки зрения безопасности."
Одним из возможных осложнений в использовании алгоритмов глубокого обучения является то, что даже их создатели часто не могут объяснить, почему модель пришла к определенному результату. Это обучение в черном ящике означает, что обычно сложно определить, как модель Стэнфордской группы приходит к выводу, что пациент, вероятно, умрет в течение года.
К счастью, аргументация предсказания смертности системой глубокого обучения в данном случае не имеет особого значения. Группа паллиативной помощи в первую очередь заботится о том, чтобы точно идентифицировать пациентов, которые могли бы воспользоваться их вниманием, в отличие от необходимости точно знать, почему алгоритм предсказывает, что данный пациент может умереть в течение года. Исследователи объясняют это следующим образом:
Вот почему в этом конкретном случае нам удобнее иметь модель черного ящика. Вмешательство паллиативной помощи не связано с тем, почему кто-то заболевает. Если бы это был другой гипотетический случай: «кто-то умрет, и нам нужно выбрать варианты лечения», в этом случае мы хотим понять причины выбора той или иной схемы лечения. Но в данной ситуации это не имеет значения.
Тем не менее, может быть полезно понимать, почему модель глубокого обучения сделала свои прогнозы в исследовательских целей. В этом случае группа из Стэнфорда использовала общую методику анализа ошибок, называемую абляционным анализом, чтобы получить некоторое представление о принятии решений моделью глубокого обучения. Их метод включает в себя постепенную настройку модели путем корректировки отдельных параметров для выяснения того, какое влияние эти параметры оказали на принятие конечного решения.
Ученые подчеркивают, что пациенты не должны находиться на грани смерти, чтобы воспользоваться паллиативной помощью. Ранние этапы экспериментального исследования показали, что для врачей часто было полезно обсудить окончание жизни с тяжелобольными пациентами, даже если бы они не умели в течение следующего года.
В конце концов, ориентация модели глубокого обучения на предсказание смерти далеко не такая зловещая. Смертность просто оказывается полезной мерой, которая довольно проста: человек мертв или нет - по сравнению с основным интересом исследователей к определению оптимального времени для посещения пациентов группой паллиативной помощи.
Исследователи нацелены на то, чтобы оценить успех пилотного исследования на основе полученных результатов, например, разного подход к пациенту со стороны врачей паллиативной помощи и врачей первой линии, заботящейся о пациентах.
Они также хотят узнать, может ли предварительный скрининг AI улучшить своевременность получения помощи по уходу за последним периодом жизни, и уменьшить количество людей, которые в конечном итоге умирают в отделении интенсивной терапии.
"Мы хотим, чтобы больные пациенты и их семьи получили возможность поговорить о чем они хотят, прежде чем их состояние ухудшится и они попадут в отделение интенсивной терапии".
