«Αλγόριθμος Θανάτου»: Η Γάτα που Μπορούσε να Προβλέψει τον Θάνατο

Kοινοποίηση

Από τις πολλές μικρές ταπεινώσεις που δέχτηκα ως νέος ογκολόγος στο τελευταίο έτος της ειδικότητάς μου, ίσως αυτή να ήταν η πιο παράξενη: Μια ασπρόμαυρη γάτα δύο ετών με το όνομα Oscar, φαίνεται πως μπορούσε να προβλέψει καλύτερα από τους γιατρούς πότε θα πέθαινε ένας ασθενής σε τελικό στάδιο. Η ιστορία προκάλεσε έκπληξη, όταν εμφανίστηκε στην επιθεώρηση The New England Journal of Medicine το καλοκαίρι του 2007. Υιοθετημένος ως γατάκι από το ιατρικό προσωπικό, ο Oscar ήταν ο βασιλιάς ενός ορόφου του νοσοκομείου Steere House στο Ρόουντ Άιλαντ. Όταν η γάτα μύριζε τον αέρα, τέντωνε τον λαιμό της και κουλουριαζόταν δίπλα σε έναν άνδρα ή γυναίκα, ήταν ένα σίγουρο σημάδι του επικείμενου θανάτου του. Οι γιατροί στη συνέχεια καλούσαν τις οικογένειες να έρθουν για την τελευταία επίσκεψή τους. Μέσα σε διάστημα αρκετών χρόνων, ο Oscar κουλουριάστηκε δίπλα σε 50 ασθενείς. Όλοι τους πέθαναν λίγο αργότερα.

Κανείς δεν ξέρει πώς απέκτησε η γάτα αυτήν την τρομερή ικανότητα να προβλέπει τον θάνατο. Ίσως η μύτη του Oscar έμαθε να ανιχνεύει κάποια μοναδική εκπνοή θανάτου – χημικά που απελευθερώνονται από τα κύτταρα που πεθαίνουν, ας πούμε. Ίσως υπήρχαν και άλλα ακατανόητα σημάδια. Αρχικά δεν το πίστευα, αλλά η φήμη του Oscar επιβεβαιώθηκε από άλλους γιατρούς που είδαν την προφητική γάτα σε δράση. Όπως έγραψε ο συγγραφέας του άρθρου: «Κανείς δεν πεθαίνει στον τρίτο όροφο, αν δεν του κάνει πρώτα μια επίσκεψη ο Oscar και μείνει μαζί του για λίγο».

Videos by VICE

Η ιστορία είχε ιδιαίτερη σημασία για εμένα εκείνο το καλοκαίρι, μιας και είχα αναλάβει τη θεραπεία του S., ενός 32χρονου υδραυλικού με καρκίνο του οισοφάγου. Είχε ανταποκριθεί καλά στη χημειοθεραπεία και την ακτινοβολία και είχαμε αφαιρέσει χειρουργικά τον οισοφάγο, χωρίς να αφήσουμε κανένα ανιχνεύσιμο ίχνος κακοήθειας στο σώμα του. Ένα απόγευμα, λίγες εβδομάδες μετά την ολοκλήρωση της θεραπείας του, έθιξα διακριτικά το θέμα της παρηγορητικής αγωγής. Εννοείται ότι ο στόχος μας ήταν η θεραπεία, όπως είπα στον S., αλλά υπήρχε πάντα η μικρή πιθανότητα μιας υποτροπής. Είχε μια νεαρή σύζυγο και δύο παιδιά και μια μητέρα που τον έφερνε κάθε εβδομάδα εβδομαδιαία για χημειοθεραπείες. Του είπα ότι ίσως να ήταν καλό να κάνει μια ειλικρινή συζήτηση με την οικογένειά του για τους στόχους του.

Τι θα γινόταν αν ένας αλγόριθμος μπορούσε να προβλέψει τον θάνατο;

Αλλά ο S. αρνήθηκε. Είχε ξεκινήσει να δυναμώνει εβδομάδα την εβδομάδα. Η συζήτηση ήταν βέβαιο ότι θα τον «έριχνε» ψυχολογικά, όπως το έθεσε με τη χαρακτηριστική προφορά του από τη Βοστόνη. Η διάθεσή του είχε βελτιωθεί. Ο καρκίνος είχε αφαιρεθεί. Γιατί να το χαλάσουμε; Συμφώνησα απρόθυμα. Ήταν απίθανο να επιστρέψει ο καρκίνος.

Όταν υποτροπίασε, ο καρκίνος επέστρεψε δριμύτερος. Δύο μήνες αφότου βγήκε από το νοσοκομείο, ο S. επέστρεψε για να με δει με μετάσταση στο συκώτι, τους πνεύμονες και παρόλο που δεν συνηθίζεται, στα οστά. Ο πόνος του ήταν τόσο μεγάλος, που αντιμετωπιζόταν μόνο με τις υψηλότερες δυνατές δόσεις παυσίπονων και ο S. πέρασε τις τελευταίες εβδομάδες της ζωής του σε μια κωματώδη σχεδόν κατάσταση, αδυνατώντας να αντιληφθεί την παρουσία της οικογένειάς του γύρω από το κρεβάτι του. Η μητέρα του με παρακάλεσε στην αρχή να του κάνουμε περισσότερες χημειοθεραπείες και στη συνέχεια με κατηγόρησε ότι είχα παραπλανήσει την οικογένεια, όσον αφορά την πρόγνωση του S. Παρέμενα σιωπηλός και ντροπιασμένος: Ήξερα καλά ότι οι γιατροί, πολύ συχνά αποτυγχάνουν παταγωδώς στο να προβλέπουν ποιοι ασθενείς πρόκειται να πεθάνουν. Ο θάνατος είναι το απόλυτο μαύρο κουτί μας.

Σε έρευνα που διεξήχθη από ερευνητές του University College του Λονδίνου πάνω σε περισσότερες από 12.000 προγνώσεις για τη διάρκεια ζωής των ασθενών με τερματικές ασθένειες, υπήρχε μεγάλη απόκλιση στις σωστές και τις λάθος προγνώσεις. Μερικοί γιατροί προέβλεπαν τους θανάτους με ακρίβεια. Άλλοι έπεφταν έξω στις εκτιμήσεις τους, με τον θάνατο να επέρχεται τρεις μήνες νωρίτερα, ενώ σε άλλες περιπτώσεις, ο θάνατος επήλθε τρεις μήνες αργότερα. Ακόμη και στην ογκολογία, υπήρχαν υποκουλτούρες των χειρότερων παραβατών: Σε ένα περιστατικό, ένας γιατρός φαίνεται πως χορηγούσε ενδοφλέβια χημειοθεραπεία σε ασθενή που έπασχε από λευχαιμία, του οποίου το καρδιογράφημα έδειχνε ότι η καρδιά του είχε σταματήσει για καιρό.

Τι θα γινόταν, όμως, αν ένας αλγόριθμος μπορούσε να προβλέψει τον θάνατο; Στα τέλη του 2016, ο μεταπτυχιακός φοιτητής στο Τμήμα Πληροφορικής του Πανεπιστημίου του Στάντφορντ, Anand Avati, μαζί με μια μικρή ομάδα από την Ιατρική Σχολή, προσπάθησε να «διδάξει» έναν αλγόριθμο να εντοπίζει ασθενείς που ήταν πιθανόν να πεθάνουν μέσα σε ένα καθορισμένο χρονικό διάστημα. «Η ομάδα παρηγορητικής φροντίδας στο νοσοκομείο είχε μια πρόκληση», μου είπε ο Avati. «Πώς θα μπορούσαμε να εντοπίσουμε ποιοι ασθενείς θα πέθαιναν μέσα σε διάστημα τριών έως 12 μηνών;». Αυτό το διάστημα ήταν «το αδύνατο σημείο της παρηγορητικής φροντίδας»: Ένα χρονικό διάστημα άνω των 12 μηνών μπορεί να ξοδέψει άσκοπα τους περιορισμένους πόρους, παρέχοντας πάρα πολλά, πολύ πρόωρα. Αντίθετα, αν ο ασθενής πέθαινε σε λιγότερο από τρεις μήνες μετά την πρόβλεψη, δεν θα υπήρχε πραγματικός χρόνος προετοιμασίας για τον θάνατο – παρέχοντας πολύ λίγα, πολύ αργά. Ο εντοπισμός των ασθενών στο βέλτιστο χρονικό διάστημα θα επέτρεπε στους γιατρούς να παρεμβαίνουν με καταλληλότερο και πιο ανθρώπινο τρόπο. Επίσης, αν ο αλγόριθμος λειτουργούσε, οι ομάδες παρηγορητικής φροντίδας θα μπορούσαν να απαλλαχθούν από την ανάγκη να γράφουν και να σβήνουν διαγράμματα με το χέρι, κυνηγώντας εκείνους που πιθανότατα θα επωφεληθούν.

Ο «αλγόριθμος θανάτου», όπως θα μπορούσαμε να τον ονομάσουμε, αφομοίωσε και απορρόφησε πληροφορίες από σχεδόν 160.000 ασθενείς […] Ο αλγόριθμος είχε εκπληκτικά αποτελέσματα.

Ο Avati και η ομάδα του εντόπισαν περίπου 200.000 ασθενείς που θα μπορούσαν να μελετηθούν. Οι ασθενείς έπασχαν από διάφορες ασθένειες – καρκίνο, νευρολογικές ασθένειες, καρδιακή και νεφρική ανεπάρκεια. Η βασική ιδέα της ομάδας ήταν να χρησιμοποιήσει τα ιατρικά αρχεία του νοσοκομείου ως μια χρονομηχανή διαμεσολάβησης: Ας πούμε ότι ένας άνθρωπος πέθανε τον Ιανουάριο του 2017. Τι θα γινόταν, αν ταξιδεύαμε πίσω στο «αδύναμο σημείο της παρηγορητικής φροντίδας» – το παραθυράκι μεταξύ Ιανουαρίου και Οκτωβρίου του 2016, όταν η φροντίδα θα ήταν πιο αποτελεσματική; Αλλά για να βρει αυτό το σημείο για έναν συγκεκριμένο ασθενή, ο Avati ήξερε ότι θα έπρεπε πιθανώς να συλλέξει και να αναλύσει ιατρικές πληροφορίες πριν από αυτό το παραθυράκι. Θα ήταν άραγε δυνατόν να συγκεντρωθούν πληροφορίες σχετικά με αυτόν τον άνθρωπο κατά τη διάρκεια αυτής της περιόδου, πριν από το παραθυράκι, επιτρέποντας σε έναν γιατρό να προβλέψει έναν θάνατο σε αυτό το διάστημα των τριών έως 12 μηνών; Τι είδους πληροφορίες θα μπορούσαν να διδάξουν έναν τέτοιο αλγόριθμο, για να κάνει προβλέψεις;

Ο Avati άντλησε ιατρικές πληροφορίες που είχαν ήδη κωδικοποιηθεί από γιατρούς στο νοσοκομείο: τη διάγνωση του ασθενούς, τον αριθμό των τομογραφιών που έγιναν, τη διάρκεια της παραμονής στο νοσοκομείο, τις επεμβάσεις που έγιναν και τις συνταγογραφήσεις. Οι πληροφορίες ήταν ομολογουμένως περιορισμένες –δεν υπήρχαν ερωτηματολόγια, ούτε συζητήσεις, ούτε μύρισμα χημικών-, αλλά ήταν αντικειμενικές και τυποποιημένες για όλους τους ασθενείς.


VICE Video: Είναι Πολύ Ακριβό να Πεθαίνεις στην Ελλάδα

Παρακολουθήστε όλα τα βίντεo του VICE, μέσω της νέας σελίδας VICE Video Greece στο Facebook.


Αυτές οι πληροφορίες μεταβιβάστηκαν στο λεγόμενο «βαθύ νευρωνικό δίκτυο» – ένα είδος αρχιτεκτονικής λογισμικού που ονομάζεται έτσι, επειδή πιστεύεται ότι προσομοιάζει τον τρόπο που είναι οργανωμένοι οι νευρώνες του εγκεφάλου. Ο στόχος του αλγόριθμου ήταν να προσαρμόσει τις αδυναμίες και τα δυνατά σημεία κάθε πληροφορίας, ώστε να αξιολογήσει τις πιθανότητες ενός ασθενούς να πεθάνει εντός τριών έως δώδεκα μηνών.

Ο «αλγόριθμος θανάτου», όπως θα μπορούσαμε να τον ονομάσουμε, αφομοίωσε και απορρόφησε πληροφορίες από σχεδόν 160.000 ασθενείς, για να εκπαιδεύσει τον εαυτό του. Αφού τροφοδοτήθηκε με όλα τα δεδομένα, η ομάδα του Avati τον δοκίμασε στους υπόλοιπους 40.000 ασθενείς. Ο αλγόριθμος είχε εκπληκτικά αποτελέσματα. Το ποσοστό «λάθος συναγερμού» ήταν χαμηλό: Εννέα από τους δέκα ασθενείς που αναμένονταν να πεθάνουν εντός τριών έως δώδεκα μηνών, πέθαναν πράγματι μέσα σε αυτό το χρονικό διάστημα – και το 95% των ασθενών που σύμφωνα με το πρόγραμμα είχαν χαμηλές πιθανότητες θανάτου, έζησαν περισσότερο από 12 μήνες (τα δεδομένα που χρησιμοποιούνται από αυτόν τον αλγόριθμο μπορούν να βελτιωθούν σε μεγάλο βαθμό στο μέλλον. Οι τιμές των εργαστηρίων, τα αποτελέσματα των σαρώσεων, η σημείωση ενός γιατρού ή η αξιολόγηση του ίδιου του ασθενούς μπορούν να προστεθούν στο μείγμα, ενισχύοντας την ακρίβεια των προβλέψεων).

Τι ακριβώς, λοιπόν, έμαθε ο αλγόριθμος για τη διαδικασία του θανάτου και τι μπορεί αυτό, με τη σειρά του, να μάθει στους ογκολόγους; Το παράξενο μειονέκτημα ενός συστήματος βαθιάς μάθησης είναι το εξής: μαθαίνει, αλλά δεν μπορεί να μας πει τι έχει μάθει. Αποδίδει πιθανότητες, αλλά δεν μπορεί εύκολα να εκφράσει το σκεπτικό πίσω από αυτό. Είναι όπως ένα παιδί που μαθαίνει να κάνει ποδήλατο δια της μεθόδου «δοκιμής-σφάλματος». Αν του ζητήσεις να σου εξηγήσει τους κανόνες της ποδηλασίας, απλά θα ανασηκώσει τους ώμους. Έτσι και ο αλγόριθμος, μας κοιτάζει με άδειο βλέμμα. όταν ρωτάμε «Γιατί;». Είναι, όπως ο θάνατος, ένα ακόμη μαύρο κουτί.

Ωστόσο, όταν ανοίγεις το κουτί, για να εξετάσεις μεμονωμένες περιπτώσεις, βλέπεις αναμενόμενα και απροσδόκητα μοτίβα. Ένας άνθρωπος με βαθμολογία 0,946 πέθανε μέσα σε λίγους μήνες, όπως προβλεπόταν. Είχε καρκίνο της ουροδόχου κύστης και του προστάτη, είχε υποβληθεί σε 21 σαρώσεις, είχε νοσηλευτεί για 60 ημέρες – όλα εκ των οποίων είχαν ληφθεί από τον αλγόριθμο ως σημάδια επικείμενου θανάτου. Παραδόξως, όμως, δόθηκε τεράστιο βάρος στο γεγονός ότι είχαν γίνει σαρώσεις της σπονδυλικής στήλης του και στο ότι είχε χρησιμοποιηθεί ένας καθετήρας στον νωτιαίο μυελό του – χαρακτηριστικά τα οποία εγώ και οι συνάδελφοί μου ίσως να μην είχαμε αναγνωρίσει ως προγνωστικούς δείκτες θανάτου (μια μαγνητική τομογραφία του νωτιαίου μυελού, όπως συνειδητοποίησα αργότερα, πιθανότατα σηματοδότησε τον καρκίνο στο νευρικό σύστημα – ένα θανατηφόρο σημείο για μετάσταση).

Μου είναι δύσκολο να διαβάζω για τον «αλγόριθμο θανάτου» χωρίς να σκέφτομαι τον ασθενή μου, τον S. Αν ήταν διαθέσιμη μια πιο περίπλοκη έκδοση ενός τέτοιου αλγορίθμου, θα την είχα χρησιμοποιήσει άραγε στην περίπτωσή του; Ασφαλώς. Μπορεί αυτό να καθιστούσε αναγκαία τη συζήτηση γύρω από το τέλος της ζωής του, την οποία δεν έκανε ποτέ με την οικογένειά του; Ναι. Αλλά η σκέψη ότι ένας αλγόριθμος μπορεί να καταλάβει τα πρότυπα θνησιμότητας καλύτερα από τους περισσότερους ανθρώπους, δεν μπορεί παρά να με κάνει να νιώθω άβολα. Γιατί, αναρωτιόμουν συνεχώς, ένα τέτοιο πρόγραμμα θα μας φαινόταν πολύ πιο αποδεκτό, αν ήταν συσκευασμένο μέσα σε ασπρόμαυρη χνουδωτή γούνα που, αντί απλώς να μεταδίδει πιθανολογούμενα αποτελέσματα, να κουλουριάζεται δίπλα σου με μαζεμένα τα νύχια;

To άρθρο δημοσιεύτηκε αρχικά στο VICE Australia.

Για τα καλύτερα θέματα του VICE Greece, γραφτείτε στο εβδομαδιαίοNewsletter μας.

Περισσότερα από το VICE

Οι Μαθητές από τα Γιάννενα που θα Βρεθούν στο Μεγαλύτερο Πείραμα Πυρηνικής Σύντηξης

Η Απόπειρα Δολοφονίας με Δηλητήριο στην Ελλάδα, Ενός Γεωργιανού Πρώην Μυστικού Πράκτορα

Σπίτια-Σπηλιές, Άθλιες Τουαλέτες και Χαμαλίκια: Η Άλλη Όψη του να Δουλεύεις Σεζόν σε Νησί

Ακολουθήστε το VICE στο Twitter, Facebook και Instagram.