人工智能（AI）正在改变医生在医院急诊科检测儿童虐待的方式。最新研究表明，AI工具可以更有效地识别儿童遭受身体伤害的情况。这些工具超越了基本的医院记录，帮助医生更清晰地了解实际情况。
这项研究聚焦于10岁以下儿童，尤其是2岁以下的儿童身上出现的身体虐待情况。医生经常因为过度依赖医疗记录中输入的代码而错过虐待的迹象。这些代码往往无法完整呈现事实。事实上，研究发现仅依赖虐待代码导致约8.5%的病例被误诊。
法拉·布林克（Farah Brink）医生是一名儿童虐待专科医生，她解释了这种新方法如何帮助医生更快、更准确地作出反应。她说：“我们的人工智能方法提供了儿童虐待趋势的更清晰视角，帮助医护人员更适当地处理虐待情况并提高儿童安全性。”布林克同时也是俄亥俄州立大学的教师，并在一家以治疗危重儿童著称的儿童医院工作。
AI模型的新方法
医生和医院通常使用一种名为ICD-10-CM的系统来分类伤害和疾病。但在繁忙的急诊科，这个系统并不总是能够捕捉到身体虐待的迹象。许多伤害代码是通用的，无法明确显示伤害是意外还是故意造成的。
为了解决这个问题，研究人员训练了一个机器学习模型来分析更广泛的数据。他们研究了2021年2月至2022年12月期间，7家儿童医院超过3,300次急诊就诊记录。研究对象仅限于10岁以下、由儿童虐待专科医生评估过虐待风险的儿童。其中近75%的儿童年龄在2岁以下，超过一半的儿童年龄在1岁以下。
AI模型不仅查看病例是否被医院记录标记为虐待，还分析了伤害代码。研究人员使用了一种称为LASSO逻辑回归的分析方法，这有助于预测伤害是否由虐待引起，即使医院未将其标记为虐待。
更高的准确性，更少的错误
研究结果突显了AI在准确性方面的显著优势。在分析的所有急诊就诊中，43%的病例医生至少添加了一个虐待相关代码。但当研究人员将这些虐待代码与儿童虐待专家的结论进行比较时，发现了明显的差距。
在使用虐待代码的病例中，确认虐待的实际比率为63.4%。但许多未使用这些代码的病例也涉及虐待——确切比率为12.7%。这表明仅靠代码会遗漏真实的虐待情况。
在所有7家医院中，仅依赖虐待代码的估计误差最高可达14.3%。平均误差为8.5%。而使用AI模型后，误差显著下降。新方法的平均误差率仅为1.8%。
在7家医院中的6家，AI模型的结果比仅使用虐待代码更准确。在一家医院，误差率略有上升，但仅增加了0.6%。这表明该模型在不同地点和患者群体中表现良好。
对儿童的意义
快速而准确地识别虐待至关重要。医生越早发现身体伤害的模式，就能越早介入并保护儿童。目前，急诊室是一个快节奏的环境，医生几乎没有时间深入调查每一起伤害。因此，需要更好的工具来支持他们的决策。
通过提供更强的数据支持，AI可以帮助医生识别即使没有明显迹象的儿童虐待情况。这对无法说话或解释发生了什么的婴儿和幼儿尤为重要。
布林克医生表示：“人工智能工具在研究人员理解和处理包括儿童虐待在内的敏感问题数据方面具有巨大潜力。”
构建更智能的安全网
研究人员使用了一个名为CAPNET的儿童虐待专家网络的可信记录。他们专注于在7分制虐待可能性评分中得分为5至7分的病例。这些评分来自经过培训的专家，他们仔细研究了每个孩子的伤害、行为和病史。这些专家的判断被用作“真相”来与AI模型和医院代码进行比较。
通过将急诊就诊记录与专家评估联系起来，研究人员能够测试每种方法的表现。他们发现，当医院仅依赖行政代码时，有时会高估某些地方的虐待情况，而在其他地方则低估。AI模型的结果更接近专家意见。
这一点很重要，因为基于错误数据的决策可能会带来实际后果。儿童可能被送回不安全的家庭，或者家庭可能被不公平地指控。像这种AI模型这样的工具可以通过提供更清晰、基于证据的视角来降低这些风险。
有了对虐待发生率的更好估计，医院和公共卫生官员也可以更好地规划。他们可以看到哪里最需要帮助，并设计在伤害发生前预防伤害的项目。
展望未来
这项研究只是一个开始。研究人员计划通过来自其他医院的更多数据继续改进他们的模型。他们还希望使用类似工具来识别其他形式的儿童虐待，例如忽视或情感虐待。
目前，研究结果表明，智能技术可以在儿童安全方面发挥强大作用。它可以在最具压力的情况下支持医生做出更好的决策。随着越来越多的医院开始使用这些工具，儿童将有更大的机会获得所需的护理和保护。
研究结果可通过儿科研究学会在线获取。
注：本文由《The Brighter Side of News》提供。
【全文结束】
