确定患者态度：医疗决策中人工智能的伦理问题
当X光片或CT扫描上的某个阴影需要担忧吗？这虽然是大多数人未曾面临的难题，但对需要面对的人来说，诊断结果可能改变人生。
当前，医生越来越多地借助人工智能诊断从癌症到败血症等各类疾病。虽然AI能够发现人类可能遗漏的异常，但其诊断建议并非完美。人工智能诊断系统有时会推荐不必要的侵入性检查，或遗漏本应标记的重要病灶。
这两种误诊类型带来截然不同的后果。决定是否需要进一步检查意味着在风险之间抉择：执行不必要的医疗程序的风险，或遗漏严重病情的风险。不同患者对这些风险的权衡方式存在显著差异。然而目前，患者的个人价值观和偏好往往未能纳入人工智能决策系统的考量。
斯坦福以人为本人工智能研究院研究员凯瑟琳·克雷尔指出，这种伦理困境给医生和AI程序员带来深刻挑战。克雷尔与放射学、哲学和人工智能领域的跨学科团队在《自然医学》发表的评论文章中明确指出：人工智能在医疗决策中应始终将患者价值观置于首位。
"在临床环境中，诊断决策没有放之四海而皆准的方法。人工智能领域需要通过算法设计体现患者对风险的个性化认知，"克雷尔表示。
在临界病例中，医生应该告知患者潜在风险并承担可能的过度诊疗？（假阳性结果）还是基于患者避免不必要检查的明确偏好，忽视可能存在严重问题的病灶？（假阴性结果）
风险规避型患者往往倾向于尽可能避免假阴性结果。另一些患者则强烈反对接受可避免的手术，"他们最关注的是'让我远离医院'，"克雷尔指出，"人工智能设计师必须构建兼顾两类患者需求的敏感性和灵活性机制。"
风险概率的权衡
医疗设备中的AI通常会计算某种病灶的概率——比如扫描图像中阴影是癌症的可能性——然后向医生提出是否需要进一步检查的建议。
目前有三种主要的人工智能应用模式。第一种是现状模式：算法计算异常概率，若超过特定阈值（例如80%的癌症可能性）就自动建议随访。这种方式完全依赖AI决策，医生只知道推荐结果，不了解具体的概率数值和由程序员设定的阈值。
第二种模式是AI直接整合患者的风险态度信息，据此设置个性化阈值。这种方式虽然纳入了患者价值观，但排除了医生的专业判断。
第三种模式中，AI不仅提供推荐，还向医生披露具体疾病概率。最终决策权掌握在医生手中，结合其专业判断和患者意愿决定是否建议随访。
克雷尔及其团队对前两种模式提出批评，特别推荐第三种模式。他们指出，现状模式完全忽视患者价值观，前两种模式都将医生排除在决策之外，这与斯坦福和华盛顿大学开展的患者焦点小组调查结果相悖。患者更倾向于第三种模式——医生在综合患者价值观和AI概率的基础上，为每位患者设定个性化阈值。
患者关切的精准调校
克雷尔团队主张，将概率转化为医疗决策的阈值应基于患者具体价值观。建议患者在检查前填写简短问卷，通过假设性问题了解其对过度诊断与漏诊的态度、对假阳性/假阴性结果的担忧、对过度治疗的接受度等。
例如，问卷可能包含这样的问题："我宁愿承担良性肿瘤手术并发症的风险，也不愿遗漏癌性肿瘤"。
这种设计就像调节收音机——通过调整阈值参数来匹配患者的风险容忍度。对于治疗规避型患者，算法阈值可能设置为90%以上才会建议干预。而对于极度恐惧漏诊的患者，阈值可能调低至60%，以提高异常检出频率。
"患者的价值观应当在算法中得到体现，"克雷尔强调，"在医疗AI发展中注入患者权益视角，将是积极的进步方向。"
斯坦福HAI的使命是通过推进人工智能研究、教育、政策与实践来改善人类福祉。
【全文结束】