AI可在人們透露前數年識別親密伴侶暴力，但這安全嗎？

根據美國疾病控制與預防中心的數據，超過三分之一的美國女性在一生中會經歷親密伴侶暴力（IPV）。許多人因受傷、慢性疼痛、焦慮和抑鬱前往醫院或診所，但往往需要數年才能公開自己的遭遇。研究人員警告，女性出於對施暴者的恐懼、經濟依賴、移民身份和污名化等原因，不願向醫療提供者尋求幫助。美國預防服務工作組建議對所有育齡女性進行常規IPV篩查，但依賴自我報告的現有工具僅能捕捉到一小部分患者。

為此，哈佛醫學院創傷影像研究與創新中心創始主任、布萊根婦女醫院急診放射科醫生Bharti Khurana博士與麻省理工學院、哈佛醫學院的研究人員合作，於2026年3月發表了一項新研究，提出了一種通過AI識別IPV風險的方法。該系統名為AIRS（自動化IPV風險支持），利用醫療記錄中已有的數據，結合結構化信息（如診斷、藥物、放射檢查時間、急診就診頻率、生命體徵及郵政編碼級別的社會剝奪評分）和非結構化臨牀筆記（由醫生、社會工作者等撰寫的自由文本），通過臨牀語言模型Clinical-Longformer處理，最終使用HAIM（醫學全息AI）框架融合兩個分類器的輸出。

在主要測試隊列中，AIRS的AUC達到0.88（1.0為完美，0.5為隨機），在三個驗證隊列中AUC均高於0.8。該模型能在患者自我報告前識別出80.6%的IPV病例，平均提前3.68年，有些甚至超過5年。然而，這並非首次嘗試用AI識別IPV。西班牙2007年推出的VioGén算法風險評估工具曾用於警方，但自2007年以來至少有247名女性在評估後被伴侶殺害，其中55人被評為“可忽略”或“低風險”。英國的DASH工具也被發現無法識別最脆弱的受害者。其他研究雖取得了高精度，但大多限於試點項目。

AIRS被設計為一種“沉默的臨牀支持工具”，僅向臨牀醫生提供風險評分，而非直接告知患者。Khurana強調，該模型並非用於診斷IPV，陽性標誌不應被解讀為虐待確認。目前，AIRS正在麻省總醫院布萊根的多家臨牀機構進行試點測試，並配套有“關懷對話”指南和“賦能指南”以幫助醫生以創傷知情的方式回應。

然而，倫理問題依然存在。拉籌伯大學高級講師、IEEE家庭暴力AI行業連接活動聯席主席Alexia Maddox指出，該研究對IPV的定義基於身體暴力，但當前領域已轉向包含強制控制（如經濟虐待、技術濫用），這些形式在放射報告或急診記錄中幾乎不留痕跡，因此模型可能對非身體暴力受害者無效。此外，患者知情同意問題突出：部署模型時，患者可能不知自己正被評估，這可能導致隱私泄露和自主權喪失，尤其對持有臨時簽證的羣體風險更高。Maddox援引VioGén的教訓，強調治理標準需在部署前建立，而非事後補救。

Khurana的團隊正致力於解決這些侷限，包括擴展模型以覆蓋跨性別、非二元性別和男性受害者，並研究IPV相關的長期健康風險（如胃腸疾病、神經問題等）。同時，IEEE的治理倡議正在制定負責任部署AI的標準。Maddox認為，AI應成為應對IPV的一部分，但前提是設置適當的保障措施。