家暴與親密伴侶暴力（IPV）常被視為社會中「沉默的流行病」。受害者往往因為恐懼、社會污名或經濟依賴，選擇將傷痛隱藏在心底。然而，醫療科技的突破正為破解這道難題帶來曙光。
近日，美國頂尖醫療機構麻省總醫院百瀚（MGB）的研究團隊成功開發出一系列基於人工智能（AI）與機器學習技術的創新工具。該系統能夠透過分析患者的「電子病歷」（EMRs），精準識別出可能面臨親密伴侶暴力風險的個體。這項發表於國際知名學術期刊《npj 女性健康》的最新研究指出，這套AI工具甚至能在受害者主動前往家暴治療中心求助的「四年前」，就提前偵測出潛在的暴力風險。
這項具備里程碑意義的發現，不僅凸顯了人工智能在醫療預防篩查中的巨大潛力，更為第一線醫護人員提供了有力的支持，幫助他們及早介入，與患者開啟關於防範暴力的關鍵對話。
據統計，全球有超過三分之一的女性以及十分之一的男性，在其一生中會遭遇某種形式的親密伴侶暴力。
儘管盛行率極高，但在實際的醫療場景中，受害者極少會主動向醫護人員吐露受虐事實。背後的原因錯綜複雜：對施暴者的恐懼、心理創傷帶來的恥辱感，以及在財務或心理上對施暴者的深度依賴，都成為了阻礙他們求救的高牆。
過往的臨床研究已明確指出，如果醫護人員能夠在具備隱私保障的環境下，以「創傷知情」（Trauma-informed）的同理心方式主動詢問，受害者坦承遭遇暴力的意願將會大幅提升。
本研究的主要研究者、通訊作者兼資深作者庫拉納（Bharti Khurana）醫生表示：「我們的研究提供了強而有力的概念證明——人工智能確實能夠協助臨床醫生更早地標記出潛在的虐待跡象。」庫拉納醫生不僅是MGB放射科的急診放射學專家，同時也是創傷影像研究與創新中心的創始主任。「更早識別出親密伴侶暴力及其未來風險，將使臨床醫生能夠提前介入，進而幫助患者避免後續嚴重的身心健康損害。」
從海量病歷中尋找蛛絲馬跡
為了促進醫護人員的早期識別與干預，庫拉納醫生的研究團隊與麻省理工學院（MIT）貝爾齊馬斯博士（Dimitris Bertsimas, PhD）帶領的專家團隊展開了跨界合作。研究團隊使用了2017年至2022年間，於美國一家學術醫療中心附設的家暴干預與預防中心求診的673名女性的電子病歷數據，並匹配了4,169名在人口統計學上相似、但未報告遭遇IPV的對照組患者，以此來訓練三個獨立的機器學習模型。
表格模型專門處理「結構化」的電子病歷數據，例如患者的確診疾病代碼、開立的藥物清單，以及根據患者居住地郵遞區號推算出的社會剝奪指數（Social Deprivation Index），從宏觀的社經地位評估風險。文本筆記模型負責解析「非結構化」的臨床文本資料，深入挖掘醫生手寫的臨床筆記、放射科影像報告以及急診室就診紀錄中的潛在線索。融合模型被稱為「醫學全面人工智能」，該模型將上述結構化數據與非結構化文本完美結合，進行綜合且全面的風險演算。
研究團隊隨後在同一時間段內，利用另外168名曾造訪該家暴干預中心的患者及1,043名對照組患者的數據，對這三個模型進行了嚴格測試。
結果令人振奮：所有三個模型都展現出了極高的準確性，其中結合了多重數據維度的「融合模型（HAIM）」表現最為優異，準確率高達88%。
更具突破性的是其「預測未然」的能力。當研究人員使用帶有時間戳記的歷史醫療檔案進行回溯測試時，融合模型成功提前預測了高達80.5%的家暴案例。平均而言，這套系統能在患者真正走進家暴中心求助的「3.7年多之前」，就準確發出風險警報。
隨著醫療人工智能的飛速發展，冰冷的病歷數據正被轉化為守護生命的安全網。MGB的這項研究不僅是技術上的勝利，更是醫學倫理與社會關懷的深度結合，期盼未來能有更多隱秘角落裡的受害者，因為這項技術而重獲新生。本報記者李強波士頓報道