《奇葩说》第五季中，有一个话题给大家留下了深刻的印象——

假如能看到别人的「死亡时间」该不该告诉 TA 们？

节目中，正反方就此展开激烈的讨论，言辞犀利，角度刁钻。

而今天，我们先暂且抛开正反方的观点，探讨这个辩题的大前提：

我们真的能够知道别人的死亡时间吗？

本文来自公众号英尼网络iNn（inn-yingni）

研究显示，人工智能或许能预测慢性病患者的死亡时间。

这也意味着，我们终将面对《奇葩说》里出现的辩题，知道死亡时间的我们是选择告诉还是隐瞒？

科学家和医生们利用 50 万名患者数据研发了一款人工智能工具，在全方位考量患者的家族病史、摄入盐量、用药情况、使用防晒霜情况等各方面因素的情况下，预测哪些患者的早亡风险较高。

研究人员称，该人工智能系统在测试中的预测结果「非常精确」，可靠度约比现有的机器学习系统所做估测高 10％。

这项研究由英国诺丁汉大学开展，由流行病学与数据科学助理教授 Stephen Weng 博士主导本次研究。

Stephen Weng 博士表示，「大多数研究应用都专注于单一疾病领域，而预测由多种疾病引发的死亡概率极为复杂，考虑各种可能造成影响的环境与个体因素的情况更是如此。

为此，我们开发了一种独特且全面的方法，通过机器学习技术预测某人早亡的概率，这是在该领域取得的一大进步。」

事实上，这并不是人工智能第一次针对预测人类死亡时间展开研究。

早在 2018 年 1 月，斯坦福大学的研究人员就利用 200 万份电子病历来训练深度神经网络，进而生成了一款深度学习算法。随后，研究人员们又从数十万患者身上采集信息进行自我训练。

当时研究人员表示，这款算法可以提前 12 个月预测患者的死亡时间，并在 40000 名特定患者身上进行测试，预测准确率达到了90%。

同年 6 月份，谷歌旗下的 Medical Brian 团队推出了一种新的人工智能算法，可以帮助医院预测病人的死亡时间，并有望在医疗领域展开更广泛的应用。

当时的这项研究主要着眼于住院患者的一系列临床问题，发表在 Nature 合作期刊 Digital Medicine 上。这些数据来自两个医学中心共 216000 名患者，他们每人都在医院停留了至少 24 小时。

相比于前两次研究，这次的人工智能算法研究由 502648 名 40 至 69 岁之间的患者数据生成，他们曾在 2006 年至 2010 年之间参与过英国生物银行研究，并一直被追踪研究至 2016 年。

从研究对象的数量，年龄具体划分，再到追踪研究的时间，这次算法取得的成果显然更有说服力。

而且，这次研究算法共考虑了 60 种健康预测因素，包括受试者的体质指数（BIM）、血压、维生素或营养补充剂服用情况等，此外受试者的水果、蔬菜、肉类、奶酪、谷物、鱼类和酒精的摄入情况也被考虑在内。

研究团队将预测结果与英国国家统计署的死亡记录、英国癌症注册记录等数据库的死亡数据进行了比对。随后，他们又将该算法与两项标准的机器学习技术进行了比较。结果显示，这套新模型的准确率比现存技术高了 10.1％。

「我们发现，机器学习算法预测死亡的准确率，比人类专家开发的标准预测模型要高得多。」Weng 博士指出。

那么，用 AI 预测死亡到底是福是祸呢？

简单来说，这是一个人工智能新的应用领域，可以为人类提供最可贵的服务——给病人最后的时光。

不过，尽管这项技术在帮助人类医生筛选病人进行治疗方面存在益处，其可能带来的不良后果也不可小觑。

有一个很现实的问题，那就是医疗资源分配问题。

如果一位病人明显比另外一位病人严重，那么医院是否会根据人工智能的预测结论合理分配医疗资源？

而对病人来说，知道自己的死亡时间，无疑是会加大其心理压力，那么应该如何保证，这份压力不会对患者的疾病造成负面的影响呢？

试想一下，如果某天你知道自己或者自己最亲最爱的人的具体死亡时间，假如数字很长，那知道了似乎也没什么大碍；但万一那一天并不是很遥远，是会坦然接受，静待命运的安排？还是惶惶不可终日，草木皆兵生怕任何一个意外的出现？

……

毫无疑问，人工智能将在定制化医疗的发展中扮演关键角色，这项技术在一定程度上可以帮助医生进行更精准的判断。

我们也希望在这个过程中，能够保证的是病人通过 AI 技术受益，而不是带来更多的压力。

那么在 AI 预测人类死亡这一问题，你是如何看待的呢？欢迎与我们分享你的看法。