人工智能能否预测一个人遭受家暴的风险？

　　麻省总医院布莱根妇女医院的研究人员正在训练AI模型实现这一目标，并已取得初步成功。上周五发表在《npj女性健康》期刊上的一项研究显示，AI工具能够在亲密伴侣暴力受害者前往家暴治疗中心前长达四年，就识别出他们面临身体、性或心理暴力侵害的风险。

　　研究指出，其中一种模型通过分析患者的医疗记录、病历笔记、生命体征、扫描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。研究发现，胸痛、止痛药使用频率增加以及手臂影像学检查次数增多等因素，与遭受虐待的可能性更高存在关联。

　　该研究作者之一、麻省总医院布莱根妇女医院急诊放射科医生布哈提·库拉纳博士表示，结果表明AI能够辅助临床医生尽早标记潜在虐待风险。

　　特色视频

　　“核心理念是尽早提供资源而非拖延，”库拉纳说，“我称之为主动筛查，而不是等待受害者主动披露[受虐经历]后才提供救助服务。”

　　美国疾病控制与预防中心估计，每3名女性中就有1人、每6名男性中就有1人一生中会经历亲密伴侣暴力。尽管家暴频发，但极少有受害者向医疗专业人员透露实情，原因包括害怕被评判、担心伴侣发现，或是对施暴者存在经济或心理依赖。

　　库拉纳透露，她开始注意到遭受亲密伴侣暴力的患者扫描结果中存在微妙规律。但放射科医生每次仅能花几分钟查看X光、CT和MRI结果，无法深入追溯过往医疗记录以发现更多虐待迹象。

　　而AI可以审查电子病历，捕捉患者可能身处家庭危险的线索。这是AI技术的最新应用范例之一，旨在弥补临床医生有限的时间与注意力，标记出原本易被忽视的状况。

　　研究作者表示，他们计划开发一款可嵌入电子病历系统的决策支持工具进行风险评估。（目前尚不清楚该工具在非研究环境中的具体实施方式及隐私问题处理方案。）

　　库拉纳团队训练AI模型识别特定伤害类型（如面部、颈部和上半身损伤）、就诊模式，甚至患者前往急诊室的时间段。

　　“当我们开始运用机器学习后，所有这些规律都变得更加清晰可见。”库拉纳坦言。

　　研究人员利用2017年至2019年、2021年至2022年间在布莱根医院家暴干预预防中心登记的近850名女性患者数据开发模型。因新冠疫情的特殊性，2020年数据未被纳入。模型还通过约5200名未经历亲密伴侣暴力、但人口特征与受害群体相似的控制组患者数据进行训练。

　　库拉纳表示，模型随后在麻省总医院的另一患者群体中进行了测试。

　　研究包含三种AI模型：第一种评估药物、生命体征和人口统计等数据；第二种分析临床笔记和放射学报告；第三种综合前两者信息。复合模型在预测暴力风险方面准确率最高。

　　开展亲密伴侣暴力对话本身充满挑战，若处理不当可能产生严重后果。

　　曾担任凯撒医疗集团家庭暴力预防项目医疗主任的布里吉德·麦考博士指出，虽然本研究中的AI模型是重要进展，但研究人员和临床医生必须警惕工具沦为机械依赖。

　　“我们必须极其谨慎地对待AI信息在临床中的应用，避免医生过度依赖算法却不理解驱动算法的数据本质。”麦考警示道。

　　麦考强调，任何家暴筛查工具都需经过严格测试，并充分考虑幸存者的意见。

　　“这项技术尚处早期阶段，人们对AI充满热情。但我必须提醒，我们仍有大量需要学习的内容，幸存者的声音至关重要。”麦考补充道。

　　库拉纳表示，她已对模型进行调整，确保在尽可能覆盖更多受害者的同时，避免误判低风险人群。

　　“如果误报过多，就会失去信任，最终无人使用。”库拉纳坦言。

　　库拉纳团队将持续使用截至2025年的数据训练模型，并与全球研究者探讨如何强化该工具。

　　“我希望能吸引更多机构参与，让我们能从美国不同邮政编码区域乃至全球各地汲取经验。”她展望道。