Katten, der kunne forudsige døden

Da tilbagefaldet dukkede op, var det en fuld strøm. To måneder efter at han forlod hospitalet vendte S. tilbage for at se mig med sprøjter af metastase i leveren, lungerne og usædvanligt i knoglerne. Smerten fra disse læsioner var så skræmmende, at kun de højeste doser af smertestillende medicin ville behandle det, og S. tilbragte de sidste uger af sit liv i en tilstand, der grænser op til koma, ude af stand til at registrere tilstedeværelsen af ​​sin familie omkring sin seng. Hans mor bad mig først om at give ham mere kemo og beskyldte mig derefter for at vildlede familien om S.s prognose. Jeg holdt tungen i skam: Jeg vidste, at læger har en dystre historie med at forudsige, hvilke af vores patienter der skal dø. Døden er vores ultimative sorte boks.

I en undersøgelse ledet af forskere ved University College i London af over 12.000 prognoser for levetiden for terminalt syge patienter, var hits og misser vidtgående. Nogle læger forudsagde dødsfald nøjagtigt. Andre undervurderede døden med næsten tre måneder; atter andre overvurderede det med samme størrelse. Selv inden for onkologi var der subkulturer af de værste lovovertrædere: I en historie, sandsynligvis apokryf, blev der fundet en leukæmilæge, der indgik kemoterapi i venerne hos en mand, hvis I.C.U. monitor sagde, at hans hjerte for længe siden var stoppet.

Den døende algoritme, som vi måske kalder det, fordøjede og absorberede information fra næsten 160.000 patienter for at træne sig selv. Når det havde indtaget alle data, testede Avatis team det på de resterende 40.000 patienter. Algoritmen fungerede overraskende godt. Den falske alarmrate var lav: Ni ud af 10 patienter, der forventedes at dø inden for tre til 12 måneder, døde inden for dette vindue. Og 95 procent af patienterne, der fik lav sandsynlighed af programmet, overlevede længere end 12 måneder. (De data, der bruges af denne algoritme, kan forbedres i høj grad i fremtiden. Lab-værdier, scanningsresultater, en lægebeskrivelse eller en patients egen vurdering kan føjes til blandingen, hvilket forbedrer den forudsigende styrke.)

Så hvad lærte algoritmen nøjagtigt om processen med at dø? Og hvad kan det igen undervise onkologer? Her er den underlige gnidning af et sådant dybt læringssystem: Det lærer, men det kan ikke fortælle os, hvorfor det har lært; det tildeler sandsynligheder, men det kan ikke let udtrykke ræsonnementet bag opgaven. Ligesom et barn, der lærer at køre på cykel ved forsøg og fejl og bedt om at formulere de regler, der muliggør cykling, blot trækker skuldrene op og sejler væk, ser algoritmen ledigt på os, når vi spørger, hvorfor? Det er ligesom døden en anden sort kasse.