人工智能能否预测一个人遭受家庭暴力的风险？麻省总医院布莱根（MGB）的研究人员正在训练AI模型来实现这一目标，并已取得初步成功。根据上周五发表在《npj Women's Health》期刊上的一项研究，这些AI工具能够检测出患者在恋情中遭受身体、性或心理暴力（即“亲密伴侣暴力”）的风险，比他们前往家庭暴力治疗中心的时间提前了四年。
研究报告称，其中一个模型考虑了患者的病历、医疗笔记、生命体征、影像和人口统计数据，在88%的案例中准确预测了亲密伴侣暴力。胸痛、止痛药使用以及上肢放射学检查次数增加等因素被发现与更高的虐待可能性相关。
该研究的作者之一、MGB急诊放射科医生Bharti Khurana博士表示，这些结果表明AI可以帮助临床医生尽早发现潜在的虐待行为。“我们的想法是尽早共享资源，而不是等待患者主动披露虐待行为后再提供帮助，”Khurana说，“我称之为主动筛查。”
美国疾病控制与预防中心估计，每3名女性中就有1名、每6名男性中就有1名在其一生中曾经历亲密伴侣暴力。尽管发生率很高，但很少有家庭暴力受害者向医疗专业人员透露这一情况，原因包括害怕被评判、担心伴侣发现，或对施虐者的经济或心理依赖。
Khurana说，她开始注意到那些经历亲密伴侣暴力的患者的影像结果中存在细微模式。但放射科医生每次只花几分钟审阅X光、CT扫描和MRI结果，没有能力翻查过去的病历以寻找更多虐待迹象。
然而，AI可以查看电子病历，捕捉到可能暗示某人在家中处于危险的线索。这是AI被用于增强临床医生有限时间和注意力的最新例子之一，并能标记出原本可能被忽视的疾病。
在这项研究中，作者表示他们计划开发一种决策支持工具，嵌入电子病历系统以进行风险评估。（目前尚不清楚如何在研究环境之外实施该工具，或如何处理隐私问题。）
Khurana和她的团队训练AI模型识别某些损伤，例如面部、颈部和上身的损伤，就诊类型，甚至患者到达急诊科的时间。“一旦我们开始使用机器学习，所有这些模式都变得更加明显，”Khurana说。
研究人员利用2017年至2019年以及2021年至2022年期间在布莱根妇女医院家庭暴力干预与预防中心登记的大约850名女性的患者数据开发了模型。2020年的患者因COVID-19疫情的特殊性被排除。这些模型还在大约5200名未遭受亲密伴侣暴力、但在人口统计学上与受害者相似的患者群体上进行了训练。
Khurana说，这些模型随后在麻省总医院的一组不同患者上进行了测试。该研究包括三个AI模型：一个评估药物、生命体征和人口统计数据；一个评估临床笔记和放射学笔记；另一个则同时考虑两者。综合模型在预测暴力方面准确率最高。
探讨亲密伴侣暴力的对话是困难的，如果方法不当可能产生负面影响。该研究的AI模型是有用的进步，但研究人员和临床医生必须小心，不要让这些工具成为拐杖，曾担任凯撒医疗家庭暴力预防项目医学主任的Brigid McCaw博士说。“我们需要非常非常谨慎地对待这些AI信息如何被临床医生使用，以免他们过度依赖算法而不理解驱动算法的数据，”McCaw说。她强调，任何家庭暴力筛查工具都必须经过严格测试，并纳入幸存者的意见。“这还处于非常早期的阶段，人们对AI充满兴奋，但我提出谨慎：还有很多需要学习，我们确实需要幸存者的声音。”
MGB的Khurana说，她不得不调整模型，以确保尽可能多地捕捉到受害者，同时避免意外包含实际上没有风险的患者。“如果假阳性太多，就会失去信任，没有人会使用它。”Khurana的团队正在继续使用截至2025年的数据训练模型，并与全球研究人员讨论如何加强该工具。“我的希望是让更多机构加入，这样我们可以从不同的邮政编码、不同地区学习，不仅限于美国。”
【全文结束】