Metoda prin care afli cât mai ai de trăit, dacă suferi de o boală terminală

Dintre multele mici umilințe trântite în capul unui tânăr medic oncolog, în ultimul său an de cercetare, asta poate că a durut cel mai tare: un motan alb cu negru în vârstă de doi ani și numit Oscar era, se pare, mai bun decât cei mai mulți medici în a prevedea când urmează să moară un pacient bolnav în fază terminală. Ce e uluitor e că povestea a apărut în The New England Journal of Medicine în vara lui 2007.

Adoptat de personalul medical când era pisoi, Oscar domnea asupra unui etaj al căminului Steere House, din Rhode Island. Când prisica adulmeca aerul, își îndoia gâtul și se făcea ghem lângă un bărbat sau o femeie, era semn clar de deces pe cale să se-ntâmple. Medicii sunau familiile, să vină pentru ultima vizită. De-a lungul mai multor ani, motanul Oscar se făcuse ghem lângă 50 de pacienți. Fiecare dintre ei murise la scurt timp după.

Nimeni nu știe cum a căpătat pisica abilitățile astea formidabile de a adulmeca moartea. Poate că nasul lui Oscar învățase să detecteze un parfum specific morții – substanțe chimice eliminate de celulele moarte, de exemplu. Poate că mai existau și alte semne de nepătruns. Nu prea mi-a venit să cred la început, dar perspicacitatea lui Oscar a fost confirmată și de alți medici, care văzuseră cu ochii lor pisica profetică în acțiune. După cum a scris autorul articolului: „Nimeni nu moare la etajul trei, dacă nu îi face Oscar o vizită care se prelungește nițel.”

Povestea a rezonat într-un fel aparte pentru mine în vara aia, pentru că îl tratam pe S., un instalator de 32 de ani, cu cancer la esofag. Reacționase bine la chimio și radioterapie și îi îndepărtasem chirurgical esofagul, nelăsând astfel nicio urmă de celule maligne în corpul lui. Într-o după-amiază, la câteva săptămâni după ce-și încheiase tratamentul, am adus prudent vorba de subiectul îngrijirii paliative. Vizam vindecarea, evident, i-am zis lui S., dar întotdeauna exista minuscula posibilitate a unei recidive. Avea o soție tânără și doi copii, plus o mamă care-l adusese săptămânal la laboratorul de chimioterapie. Poate că ar fi bine să aibă o conversație directă și sinceră cu familia, despre obiectivele lui, i-am sugerat.

Dar S. a ezitat. Își recăpăta forțele de la o săptămână la alta. Conversația n-avea cum să fie altfel decât „deprimantă”, a zis el, cu accentul lui aparte de Boston. Era binedispus. Scăpase de cancer. De ce să-i stric bucuria? Am fost de acord cu el, împotriva voinței mele; slabe șanse să se mai revină cancerul.

Când a apărut recidiva, a fost un torent. La două luni după ce ieșise din spital, S. s-a întors să mă vadă cu explozii de metastaze în ficat, plămâni și, în mod ciudat, în oase. Durerea de la aceste leziuni era atât de îngrozitoare, încât nu putea fi tratată decât cu cele mai mari doze de medicamente împotriva durerii, iar S. și-a petrecut ultimele săptămâni de viață într-o stare vecină cu coma, incapabil să recunoască prezența familiei la capul patului. Inițial, maică-sa m-a implorat să-i mai fac chimioterapie, apoi m-a acuzat că am indus familia în eroare, cu privire la prognoza despre S. Mi-am ținut gura jenat: știam că doctorii au un istoric abisal de prost când încearcă să prevadă care dintre pacienții noștri vor muri. Moartea e cutia noastră neagră supremă.

Într-un sondaj condus de cercetători de la University College din Londra, asupra a peste 12 000 de prognoze legate de durata de viață a pacienților în stadiu terminal, potrivirile și rateurile acopereau o plajă amplă. Unii medici prevedeau clar moartea. Alții subestimau moartea cu aproape trei luni; alții o supraestimau, cu o marjă asemănătoare. Chiar și în oncologie există subculturi despre cei mai mari inculpați: într-o poveste, care e probabil apocrifă, un medic care trata leucemia a fost găsit băgând chimioterapie în venele unui bărbat al cărui monitor de la îngrijire intensivă spunea că i se oprise demult inima.

Și dacă un algoritm ar putea să prevadă moartrea? Pe final de 2016, un student la studii postuniversitare pe nume Anand Avati, din departamentul de IT de la Stanford, împreună cu o mică echipă de la facultatea de medicină, a început să „predea” un algoritm care să identifice pacienții cu foarte mari șanse să moară într-o anumit fereastră de timp, clar definită. „Echipa de îngrijiri paliative de la spitalul nostru avea o problemă”, mi-a spus Avati. „Cum să găsim pacienți care mai au trei până la 12 luni de viață?” Fereastra asta era „intervalul perfect pentru îngrijiri paliative”.

O perioadă de grație mai lungă de 12 luni ar fi pus presiuni inutile asupra unor resurse limitate, pentru că ar oferi prea mult, prea devreme; prin contrast, dacă moartea venea la mai puțin de trei luni după previziune, n-ar fi existat timp, pe bune, pentru moarte – prea puțin, prea târziu. Identificarea pacienților în perioada aceea îngustă, dar optimă de timp, știa Avati, le-ar fi permis medicilor să folosească intervențiile medicale mai corect și mai uman. Și dacă algoritmul funcțional, echipele de îngrijire paliativă ar fi fost ușurate de sarcina de a fi nevoite să trieze manual tabele și să-i vâneze pe cei cu cele mai mari șanse de a beneficia de pe urma îngrijirilor.

Avati și echipa lui au identificat circa 200 000 de pacienți care puteau fi studiați. Pacienții aveau tot felul de boli – cancer, boli neurologice, insuficiență cardiacă sau renală. Intuiția esențială a echipei a fost să folosească dosarele medicale de la spital pe post de surogat de mașină a timpului. Să zicem că un tip a murit în ianuarie 2017. Ce găsești dacă dai timpul înapoi la „perioada optimă pentru îngrijiri paliative” – adică fereastra între ianuarie și octombrie 2016, când îngrijirile ar fi fost cele mai eficiente? Dar ca să identifici perioada aia pentru un pacient anume, spunea Avati, era de presupus că va trebui să aduni și să analizezi datele medicale dinainte de fereastra respectivă. Aveai cum să aduni informații despre tipul ăsta, de pe parcursul perioadei dinaintea ferestrei, care le-ar permite medicilor să prevadă moartea în acel segment de timp de trei până la 12 luni? Și ce tip de date ar putea să învețe un astfel de algoritm cum să facă predicții?

Avati a preluat date medicale deja codate de doctorii din spital: diagnosticul unui pacient, numărul de tomografii comandat, numărul de zile petrecute în spital, genul de proceduri aplicate, rețetele medicale scrise. Informația era limitată, ce-i drept – fără chestionare, conversații sau subtanțe chimice amușinate – dar era obiectivă și standardizată identic pentru toți pacienții.

Datele astea au fost introduse într-o așa-zisă rețea neuronală profundă – un gen de arhitectură de softuri numită astfel pentru că se crede că imită oarecum modul în care sunt organizați neuronii din creier. Sarcina algoritmului era să ajusteze ponderea și forța fiecărei untiăți de informație, ca să genereze un scor de probabilitate conform căruia un anumit pacient ar avea să moară în trei, până la 12 luni.

„Algoritmul morții”, cum i-am putea spune, a digerat și absorbit informații de la aproape 160 000 de pacienți ca să se educe. Odată ce a inclus toate datele, echipa lui Avati l-a testat pe restul de 40 000 de pacienți. Algoritmul a avut rezultate surprinzător de bune. Rata de alarme false era scăută: 9 din 10 pacienți presupuși ca vor muri în 3 până la 12 luni chiar au murit în acel interval. Și 95% din pacienții cărora programul le dăduse probabilități mici au supraviețuit mai mult de 12 luni. (Datele folosite de acest algoritm pot fi enorm rafinate pe viitor. Valori la analize, rezultate de la tomografii, notițe ale medicului și autoevaluările pacientului pot fi adăugate în combinație, ceea ce ar îmbunătăți puterea de predicție.)

Deci, ce anume a „învățat” algotritmul despre procesul morții? Și, la rândul lui, ce ne poate învăța pe noi, oncologii? Aici e chestia ciudată la un sistem de învățare profundă: învață, dar nu poate să ne spună de ce a învățat; pune probabilități, dar nu poate să exprime cu ușurință raționamentul din spatele etichetării. Ca un copil care învață să meargă pe bicicletă prin încercări succesive și, rugat să explice care sunt regulile care ne permit să mergem cu bicicleta pur și simplu dă din umeri și se cară, la fel și algoritmul se uită blanc înapoi, când întrebăm: „De ce?” E, ca și moartea, o altă cutie neagră.

Cu toate astea, când deschizi cutia, ca să te uiți la cazurile individuale, vezi modele la care te-ai așteptat, dar și unele neașteptate. Un bărbat cu scorul de 0,946 a murit în câteva luni, conform predicției. Avea cancer la vezică și prostată, făcuse 21 de tomografii, petrecuse 60 de zile în spital – chestii pe care algoritmul le-a reperat drept semne de moarte care urmează să aibă loc. Dar se pare că o surprinzător de mare pondere a avut-o faptul că tomografiile erau la coloană și că i se introdusese un cateter în măduva spinării – aspecte pe care eu și colegii mei poate că nu le-am fi recunoscut cum că anunță moartea. (Un RMN la măduva spinării, mi-am dat ulterior seama, cel mai probabil semnalează cancer în sistemul nervos – un loc letal pentru metastaze.)

Mi-e greu să citesc despre „algoritmul morții”, fără să mă gândesc la S., pacientul meu. Dacă ar fi fost disponibilă o versiune mai sofisticată a unui astfel de algoritm, l-aș fi folosit în cazul lui? Absolut. E posibil ca asta să fi făcut posibilă discuția despre finalul de viață, pe care S. n-a avut-o niciodată cu familia? Da. Dar nu pot să scap de un anumit disconfort inerent cu gândul că algoritmul s-ar putea să înțeleagă schemele mortalității mai bine decât majoritatea oamenilor. Și de ce, mă tot întrebam, ar fi un astfel de program mult mai acceptabil, se pare, dacă ar fi venit într-o cutie învelită cu blană neagră și albă, în loc să emită rezultate probabilistice, ghem lângă mine, cu ghearele nescoase?

Siddhartha Mukherjee e editor la scară largă la Tonic. E autorul cărții „The Emperor of All Maladies: A Biography of Cancer” , care a câștigat în 2011 Premiul Pulitzer pentru nonficțiune generală, precum și al volumelor apărute în 2016 „The Gene” și „The Laws of Medicine” . Mukherjee e profesor asistent de medicină la Universtatea Columbia, precum și medic curant și cercetător în domeniul cancerului.

Articolul original a apărut în revista New York Times.