如果谷歌新型的人工智能真的有科學家說的那么精準的話，說不定哪天一個人會知道自己什么時候會死。

當一個人走進醫院，醫生說“你只能活一個星期了”，對于任何人來說，這是Ta最不愿意聽到的。事實上，很多故事告訴我們，醫生的判斷有時是很不準的，有的人并沒有在醫生預期的日子到來之時死去，反而活了幾個月，甚至幾年，而恰恰相反的事情是，有的病人沒有任何原因突然死去，直到有人意識到，醫務人員疏忽了某個關鍵的細節。

現代醫學的關鍵難題似乎是，要確保提供給醫生做出正確決定所需的所有信息。由于相關因素實在太多，很難做到面面俱到，因此，研究人員將谷歌深度學習算法引入到醫生的診斷桌上。

人工智能的目的，就是分析病人的病史，比人更精準地、更有效地預測病人的診療進程。最近發表在《自然》合作的一本雜志《NPJ數字醫學》上的一篇論文，題目叫“可量化、精準的深度學習技術應用于電子健康記錄”，介紹這項研究成果。

一位身患晚期乳腺癌的病人，來到一家市立醫院，她的癌癥已經導致她胸腔積水，醫院的“早期警報系統”預測這個病人住院期間有9.3%的可能會死亡，而谷歌AI預測說，這個病人死亡風險高達19.9%，不幸的是，這個病人兩周不到就去世了。

為了做出預測，這個人工智能分析了病人的資料，包括種族，年齡，性別，既往史，實驗室檢查報告和生命體征。在這種情況下，谷歌的AI人工智能從這個病人的電子醫療檔案（HER）中分析了175,639個數據點，甚至包括翻譯和評測醫生的手寫體數據。收錄了所有的數據，人工智能才能做出比傳統的預測系統更精準的預測。

研究報告中寫道：“總的來說，之前的工作主要集中在EHR的一個功能子集上，而不是在EHR中提供的所有數據，包括臨床醫生的手寫病程記錄，以及大量的結構化和半結構化數據。”

最讓醫學專家印象深刻的是，谷歌AI有能力對以前無法觸及的數據進行篩選：在pdf文件中隱藏的注釋，或者舊圖表上潦草的書寫體。

谷歌研究科學家和醫學博士 Alvin Rajkomar說：“當病人被送進醫院時，他們會對接下來會發生什么有很多問題。我什么時候能回家? 我會變得更好嗎? 我要再來醫院嗎？預測接下來會發生什么是機器學習的一種自然應用。”

研究人員已經在美國兩所大學的醫療中心對這個人工智能進行驗證性實驗，他們檢測了216,221個病例HER(去掉身份識別), 這些病例至少住院1天的成人病人。按照檢查順序，人工智能檢測了46,864,534,945個數據點，包括臨床病程記錄。

文中說道：“深度學習技術能夠對下列情況做出精準的預測：住院死亡、30天內非計劃性再入院治療、延長住院時間以及一個病人的所有出院診斷。這種人工智能算法，在任何情況下，都遠遠超過傳統的、應用臨床數據預判模型。我們相信這種方法應用于臨床，將精準地、可以量化地預知疾病在不同臨床階段的變化。”

眼睛非常敏銳的讀者會注意到“住院死亡”，也就是說一個病人住院期內死亡，這是人工智能項目能夠預測的幾個關鍵指標之一。

應用科學來預知生命終結，這聽起來好像有點過分了。研究人員創建的人工智能，在模擬格斗對抗演習中，已經戰勝了人類最好的戰斗機專家飛行員。人工智能準確地預測你將會做什么, 并且能讀懂你的情緒, 甚至能分辨你是否在做假動作。因此，我想你應該懂我說的。

這種新的人工智能技術可以幫助醫生做出更好的診斷，并為醫院帶來真正的利益，最終改善病人的護理。

盡管該系統仍處于初始階段，但谷歌相信有一天它會被用來，提前很長時間預測死亡時間。谷歌還希望開發人工智能工具，不僅可以預測死亡風險，還可以預測癥狀和疾病。

研究人員承認，遇到的問題，就是用于做預測的相關數據，要么分散在不同的數據庫里，要么醫生的手寫體難以讀懂，更有甚者數據在不同的醫療機構內。

為了幫助組織這些數據，研究人員建議將收集到的所有原始數據，以FHIR的格式存儲（FHIR代表“快速醫療互操作性數據資源”）。

但是，醫院不愿意，或者無法做到，分享他們的數據，盡管這代表著生與死的差別。

人工智能是谷歌與加州大學舊金山分校、斯坦福醫學院和芝加哥大學醫學院的同事合作開發的。