史丹福科學家利用AI預測健康風險 擬創建醫療指導方針

在過去的幾十年中，醫療保健系統通過電子健康紀錄、日誌紀錄、與疾病相關的基因畸變、藥物相互作用、癌症治療的成功率等，積累了大量的患者數據。現在，能夠訪問這些健康信息寶庫的醫生和研究人員正處於一個轉折點：通過人工智能（AI），預測患者健康結果。

史丹福大學生物醫學數據科學和醫學教授，史丹福健康護理系統首任首席數據科學家尼甘沙（ Nigam Shah）認為，現在是讓這項技術廣泛應用，防止在對患者的護理中出現偏見的時候了。

尼甘沙表示，疾病的自動檢測或評估可以節省醫護人員的時間和醫院的錢，同時保持良好的護理標準。必須制定指導方針，以確保系統以正確公平且公正的方式進行運轉。

在診所中使用人工智能，能夠幫助醫師利用大數據為患者的疾病提供更多預測性醫療結果。比如具有某種突變的癌症患者使用藥物A的治療效果比藥物B更好嗎？ MRI的某些影像特徵是否表明了某種疾病的症狀？皮膚上的病變看起來是癌變嗎？

尼甘沙等臨床數據科學家正在考慮新疑問：臨床算法的輸出對每個人來說都是公平和準確的嗎？

就像在常規臨床護理中一樣，由算法推斷出的護理方式必須不會偏向某些種族或性別，能夠保證所有患者都能得到公平的治療。為此，尼甘沙等研究人員通過健康人工智能聯盟（the Coalition for Health AI）於多個機構進行合作，正在製定和簡化人工智能公平性的指導方針。

目前史丹福醫療保健中心使用了兩種已被機構審查委員會（Institutional Review Board）批准的算法，以協助臨床護理的指導。第一種算法是死亡率預測工具，可幫助醫生預測誰可能在明年面臨著死亡的風險，從而可能從制定護理對話目標中受益。第二算法根據某些治療或藥物方案預測轉移性癌症患者的生存率，可幫助醫生選擇最有可能幫助患者延長生命的治療方式。

尼甘沙指出，只有當數字的偏差改變了亞組之間的治療或護理方案時，算法便需要重新考慮或用更多的數據重新訓練，這是一個可以解決的問題。

尼甘沙表示，儘管有時算法會產生一個可能確實存在技術偏差的數字，但它不會改變對患者護理的建議，風險評分的偏差在很大程度上可以忽略不計。

尼甘沙舉了一個例子：一個人在未來10年內心臟病發作的風險評分是基於幾個不同的數據點，所有這些數據點都在一項名為「Framingham心臟研究」的研究中收集和分析。該研究項目的研究對象主要是白人男性。與白人男性的校準相比，亞洲人、黑人和女性的心臟病發作風險評分並沒有得到很好的校準。

尼甘沙解釋，這不會造成公平問題。如果得分為 7 意味著應該給患者開他汀類藥物以降低患心髒病的風險，而亞洲人使用未校準算法的得分為 7.3，使用調整算法的得分為 7.5，他們的臨床結果仍然是一樣的，也就是接受他汀類藥物。

接下來史丹福醫療保健數據科學團隊將開始研究下一個大問題：如果將算法應用於護理，它將如何改變醫患關係？它會分散醫療照顧的注意力，還是會使醫生水平更高？醫療保健系統是否有能力實現大數據帶來的存在於紙面上的益處？