ここでの場合、システムにはスタンフォード病院かルシル・パッカード子供病院に入院した成人と小児の電子カルテデータを入力する。200万の記録を入力した後、実験に適切な患者20万人を特定。対象となったのは、診断書、検査実施数、処置の種類、入院日数、服用薬などが記載された関連症例レポートがある患者たちだ

　アルゴリズムは16万人分の症例レポートを精査し、現在から3～12ヶ月以内の死亡率を学ぶよう指示を与えられた。緩和ケアを準備するには時間が不十分であるとの理由から、3ヶ月未満の死亡率は予測対象に含まれていない。




・90％以上の精度で余命予測に成功

　こうしてスキルを習得したアルゴリズムで、残り4万人の死亡率の予測を試みた。その結果、10人中9人の割合で3～12ヶ月以内の死亡率を的中させることに成功。期間内に死ぬ確率は低いと評価された患者の95パーセントが、12ヶ月以上生存していた。

　「予測を近似値として用いれば、緩和ケア導入率を改善する洗練された選別ツールになるでしょう」とスタンフォード大学医学部のステファニー・M・ハーマン（Stephanie M. Harman）氏。研究チームが意図しているのは、患者に死期を伝えることではなく、病状が進行しているのに緩和ケアが検討されていない患者を特定することだそうだ。


・余命予測はできても診断の根拠がわからない。問題点と今後の課題

　ただし今回の予備調査では、いくつか欠点も見つかった。

　例えば、緩和ケアを行う医師に適切なタイミングで終末医療の必要性を通知することの難しさや、入手できるだろうと想定していたデータが、タイミングよく得られないことなどだ。

　だが特に重要なのは、AIが終末医療が必要であると診断した根拠や患者が必要とする処置方法については一切わからないという点だ。