Искусственный интеллект оказался способен предсказать смерть пациента в течение года, точность прогноза составляет 90%. Разработчики надеются, что это позволит врачам принимать более взвешенные решения относительно дальнейшей работы с пациентами и не мучить безнадежно больных бесполезным лечением.

Согласно опросам, до 80% американцев хотели бы провести последние дни дома, в окружении родных и близких. Однако реальность такова, что заканчивают жизнь в больнице около 60%.

Врачи подчас слишком оптимистично оценивают шансы пациента на выживание, тем самым оттягивая сложный разговор о том, как пациент проведет последние месяцы жизни. В итоге безнадежно больной пациент лишь попусту проводит время в больнице, получая бесполезное лечение и проходя через зачастую болезненные процедуры, вместо того, чтобы тихо уйти из жизни у себя дома.

В клинической практике специалисты по паллиативной помощи обычно ждут, пока к ним обратится лечащий врач пациента. Однако Стефани Харман, основательница Центра паллиативной помощи при Стэнфорде, решила изменить ситуацию и позволить специалистам тоже участвовать в принятии решения.

Для этого с коллегами из Стэнфордского университета она разработала систему искусственного интеллекта, способную предсказать вероятность смерти пациента в течение следующих 3-12 месяцев.

Предварительные результаты были опубликованы в архиве препринтов arXiv.org.

Как объясняют авторы работы, не всегда очевидно, когда пациенту нужно лечение, а когда – паллиативная помощь, которая направлена на улучшение качества жизни тяжело или неизлечимо больных пациентов, но не устраняет причины заболевания. Такой подход имеет смысл в том случае, если смерть пациента в ближайшее время неизбежна и позволяет облегчить страдания от болезни.

«Трудно сформулировать критерии, по которым принимается решение о том, что пациенту нужно не агрессивное лечение, а только паллиативная помощь, — пишут авторы работы. – Исследования показывают, что врачи склонны переоценивать прогнозы, что в сочетании с развитием устойчивости к терапии приводит к несоответствию реального положения вещей желаниям пациента», – поясняют исследователи.

Для обучения нейросети были использованы данные о более чем двух миллионах пациентов, как живых, так и умерших, из Стэнфордской больницы и детской больницы Люси Пакард. Помимо клинических данных учитывались, в частности, такие факторы, как нахождение в сознании, способность самостоятельно передвигаться, заботиться о себе, принимать пищу.

Эти данные позволили нам построить модель, прогнозирующую смертность ото всех причин, а не только в связи с конкретным заболеванием или возрастом», — поясняет специалист в области компьютерных наук Ананд Авати.

Проверка алгоритма на контрольной группе показала — он способен верно определить вероятность смерти в течение следующего года в 90% случаев.

Разработка предназначена не для того, чтобы находиться в основе процесса лечения, подчеркивают исследователи. Результаты должны использоваться в сочетании с оценкой врача. Все это даст возможность принять наиболее правильное решение относительно дальнейшей работы с пациентом.

Ученые отмечают, что основная проблема при работе с нейросетями — отсутствие возможности точно сказать, на чем конкретно основан тот или иной прогноз. Однако в случае оценки вероятности смерти это не слишком важно.

«Для оказания паллиативной помощи не имеет значения, почему, например, болен пациент. Это не та ситуация, когда кто-то умирает, а нам надо его спасти — в таких случаях нужно знать исходные данные, чтобы подобрать лечение. Но в нашей ситуации это уже не столь важно», — поясняют они.

Нейронные сети уже не в первый раз оказываются на службе у медицины. Так, исследование 2017 года показывает, что искусственный интеллект прогнозирует риск развития инфаркта или инсульта лучше врачей.

Исследователи использовали 75% данных о более чем 300 тыс. пациентов, чтобы научить систему определять признаки, по которым можно спрогнозировать инсульты и инфаркты у пациента в течение десяти лет. Проверка производилась на оставшихся 25% данных. Для сравнения ученые протестировали и действенность привычных рекомендаций, по которым врачи оценивают риски.

Используя модель, в которой значение 1,0 обозначало 100-процентную точность, команда установила, что при использовании рекомендаций Американской кардиологической ассоциации можно достичь результата в 0,728, в то время как ИИ продемонстрировал результаты в диапазоне 0,745–0,764 в зависимости от типа нейронной сети.

Иными словами, нейросеть смогла правильно определить на 355 пациентов, рискующих пострадать от инфаркта и инсульта, больше, чем можно было бы определить по стандартной методике.

А чуть раньше российские исследователи научили нейросеть определять опухоли в легких на рентгеновских снимках. Точность распознавания достигла 97%.

Также нейронные сети оказались способны определить по фотографии сексуальную ориентацию человека с точностью до 91%.