病情已進展到無法治癒的癌症末期患者，到底是要積極治療來延續生命？或是接受緩和治療坦然面對死亡？一直是他們及家屬最困難的抉擇。美國賓州大學一項隨機臨床試驗的長期結果，也許值得參考。
面對生命，不管是依戀，或是灑脫不以為意，都是人之常情；但不同的選擇，對病患及家屬會有不同的感受，對醫療資源的有效分配，也有直接而立即的影響。就因如此，賓州大學試圖透過機器學習演算法(ML)的行為干預，找到一個大家都可接受的因應之道。
賓州大學Perelman醫學院醫學倫理學和衛生政策副教授Ravi B.Parikh及其研究團隊，以2萬0506名癌症患者及4萬1021名一般患者為對象，先利用一種機器學習演算法，識別出5520名在未來6個月內死亡風險較高的癌症患者。
接下來，該演算法每週會列出即將就診且死亡風險較高的癌症患者名單，並在這些患者就診的那天早晨，透過電子郵件、簡訊等方式提醒臨床醫師，請他們為這些患者看診時，不妨以較坦率的方式和對方討論病情，以及未來可能的選項。
Ravi B.Parikh表示，與患者談論他們的預後及價值觀，有助於臨床醫師制定更符合每個人期待的醫療照護計劃，而在病情惡化之前進行這種討論尤其重要，可讓病患心裡早有準備，減少於生命末期再接受不必要或不需要的治療。
這篇2023年1月19日發表在《JAMA Oncology》（美國醫學會腫瘤學）期刊的論文顯示，經過24週的後續追蹤後，臨床醫師和這些癌症高危險患者針對病情所進行的交談率，由3.4%大幅增加到13.5%；研究期間死亡的患者中，在生命最後的兩週內，接受化療或標靶治療等積極治療的比率，則從10.4%降到7.5%。
換句話說，機器學習演算法預估高危險癌症患者的死亡風險後，臨床醫師和這些患者面對面診療時，如果能夠更主動而坦率地和他們討論未來的病情發展，以及可能的選項，將會有不錯的效果。至於臨終關懷登記或住院時間、住院死亡、臨終前使用重症加護病房等臨終指標，則沒有影響。
另值得注意的是，從那些未被標記為高風險的癌症患者中，研究團隊也觀察到，臨床醫師和他們討論未來醫療照護計劃的對話也有所增加，顯示在推動這個醫療干預行為時，不少醫師也在實踐的過程中改變行為，更樂於在癌症病患病情還沒明顯惡化之前，就和這些病患談論未來可能碰到的狀況，讓他們可以更從容地面對未來。
研究團隊表示，這是癌症治療中第一個以機器學習演算法進行干預的隨機臨床試驗，代表人工智慧在腫瘤學領域已往前邁出重要的一步。儘管如此，Ravi B.Parikh認為醫界做得還不夠，目前還很難確定何時才是和特定癌症患者進行這種「嚴重疾病對話」(SIC)的最佳時機。
他強調，我們還可以做得更好，因為這項隨機臨床試驗結果顯示，當第一線臨床醫師了解每位癌症患者的個人期待與醫療照護重點時，這些患者將會是最大受益者。為了擴大效果，該研究團隊正展開另一項研究計劃，期能透過機器學習演算法將早期姑息治療及轉診治療提示配對，並進行患者教育，讓更多患者可從中得到最好的結果。
若您對本文有任何批評與建議，歡迎點擊填寫意見表
歡迎點擊訂閱電子報，獲得最新文章訊息。
