ICU昏迷不醒，AI判决生死！取意愿平均值，细思极恐

但是，现实中我们真的知道患者想要什么吗？这个问题仍然困扰着医疗体系。

就在此时，UW Medicine创伤科研究员Muhammad Aurangzeb Ahmad提出的「AI代理人」（AI surrogate）概念应运而生。

Ahmad所在的创伤科团队，正尝试利用「以往伤情、病史、既往医疗选择、人口学数据」为基本资料，通过机器学习模型预测患者在失去表达能力时如果能选择，会怎么做。

这种研究的逻辑内核，是当患者不能自己说话时，以算法为参照，协助医生、伦理委员会、家属判断「这位患者如果清醒了，他／她会同意继续抢救吗？」

研究团队的目标之一，是实现大约三分之二的预测正确率，并且为模型的运作模拟了流程。

首先，收集患者的伤情严重程度、医学历史、人口统计特征。

之后，将这些变量输入机器学习模型，回顾性地观察模型对历史病例的预测准确度。

团队对模型的未来有着长远的打算：让患者一生与系统互动，记录医患对话、家属短信、生活偏好等文本数据，随着时间不断更新患者的数字档案。

不过，目前该系统仍是一个概念，尚未实际用于病人交互，也未进入决策流程。

正如UW Medicine发言人所说：

在推出前，需要完成多阶段审核。

「让算法帮你决定是否被救」不再是科幻话题，而正在成为医学伦理与AI交叉的新实验场。

算法的盲区：AI预测的不是意愿，而是偏见

「患者的选择」听起来像是个人性化的表达，但在机器学习里，它会被简化成一串概率。

在华盛顿大学的AI代理人项目中，这个概率是靠历史数据喂出来的：谁被抢救过、谁签署过放弃治疗指令、谁在哪种情况下「选择死亡」。

而问题也正出在这里。在医学数据的世界里，没有真正的「中立样本」。

老年人、少数族裔、低收入群体，在既有数据中往往出现更高的放弃治疗比例。

算法从这些模式里学到的「意愿」，其实是社会结构的投影。

医生Emily Moin在接受采访时就指出：

这些决策是动态、情境性的。若你让AI去预测一个昏迷者的意愿，它依赖的只是「方便的真值」，并非真实的地面现实。

她提醒道，AI代理人可能最先被用于「没有家属、无法沟通」的患者——而这样的人群永远无法验证真相。

这意味着，模型无法被校正，也无法证明它有没有偏见。

更危险的是，医院和医生在高压环境下很可能过度信任模型输出。

久而久之，算法就不再只是参考，而成为一种默认答案。

这种「技术性放弃」，在医疗体系中极具诱惑。AI代理人看似在解放医生的心理负担，实际上却在让系统更高效地复制不平等。

研究者Ahmad自己也承认，模型要想真正做到「公平」，不能只看预测结果，而要考虑「患者的道德宇宙」：

两个临床情况相似的患者，一个以宗教为核心，另一个以个人意志为导向。如果算法以相同方式对待他们，就是一种道德抹除。

这场技术实验，表面在探索如何更懂患者，但在底层逻辑里，它其实在问：谁有资格被救，谁又可以被默认放弃。

当人类依赖AI，偏见才真正开始生长

AI代理人并不直接篡夺生死权，它靠的是一种更隐秘的力量——信任。

医生、家属、伦理委员会都在试图逃避那个最难的问题：「该不该救？」而AI正好填补了这份心理真空。

在医院的日常节奏里，医生要处理几十个危重病人，每一次沟通都要耗费巨大的情绪与时间。

AI模型的出现，让一切变得「高效」——它能立刻输出一个判断，一个结论，一种确定感。

于是，那行「模型预测：患者倾向放弃复苏」的文字，开始变成一块伦理的挡箭牌。

Emily Moin说：

如果家属拒绝对话、医生时间不够，所有人都可能默许去看AI的结论

这种默许正是偏见流传的起点。算法的结论看似客观，并因其冷静、快速、无情绪而更具说服力。

慢慢的，人们不再争论、不再怀疑、也不再负责，AI就成了那个最权威、也最无法追责的决策者。

伦理学者Robert Truog警告：

在现实世界里，CPR并不是一个二元问题——几乎所有情况的答案都要看情境。

但AI无法理解「情境」，它只知道「YES」或「NO」。

当医院依赖这种二元逻辑时，灰色地带被挤压，模糊性被视为错误，而确定性被误认为公正。

这就是偏见的第二次生成：第一次发生在算法学习数据时；第二次发生在人们决定相信算法时。

最终，医生得以卸下心理负担，医院获得效率，社会得到一种假象的理性。

代价是，真正的「意愿」被悄悄掩藏在模型里。

人的价值，被写进算法

AI代理人的危险，并不只在于预测错了谁的意愿，而在于——它正在决定什么样的生命更「值得」被拯救。

Ahmad在即将发表的论文中写道：

AI代理人的公平性，不仅是结果平等，更是对患者世界观、宗教、家庭关系的忠实呈现。

他举了一个极具争议的例子：

一名怀孕女性，旧记录显示她曾勾选「不愿意被接上呼吸机」；但如果她后来成为坚守「生命神圣」信念的宗教信徒，那段旧数据就可能被AI误读成她「仍然想被拔管」。

人类代理人或许会替她辩护，而AI不会。

因为在算法的世界里，没有悔悟与改变，有的只是一致性。

Ahmad称，这种一视同仁反而是一种「道德抹除」。

两个临床情况相似的患者，一个以宗教为核心，另一个以个人意志为导向。如果算法以相同方式对待他们，就是一种道德抹除。

那意味着，即便AI看似公平，它也可能在无声地抹去差异。而差异，正是人之为人的起点。

更深层的问题在于：算法的道德水平是谁决定的？是工程师写进去的？是数据统计出来的？还是社会共识默认的？

当AI开始替人发声，它其实在模仿某种特定文化的声音：可能是西方的个人主义、也可能是医疗体系的效率逻辑。

医学伦理学的系统性综述早已指出：

AI若被用于临床伦理决策，包括代理决策，可能提升预测准确性，但同样可能复制既有偏见与不平等。

于是，那些无法被数字化的价值——宗教信仰、家庭伦理、文化差异就被安静地排除在模型之外。

AI看似在预测人的意愿，实则在不断重构「意愿」的定义。

Ahmad在论文结尾写了一句耐人寻味的话：

最公正的AI代理人，不是那个最确定的，而是那个会犹豫、会邀请人类重新讨论的系统。

也许这才是所有讨论的起点——当AI开始学着替人发声，我们更需要重新学会倾听。

在AI代理人的讨论里，人类最常说的一句话是： 「我们只是想让决策更科学一点。」

但科学从来不等于中立。当算法开始学习谁想活、谁想死，它学到的从来不是人的意志，而是社会的态度。

也许真正该被质疑的，从来不是AI能不能预测死亡意愿，而是我们为什么希望有人替我们做这个决定。

AI不会替人赎罪。它不会安慰，也不会承担后果。它只是把人类逃避的那部分——责任、模糊、犹豫整齐地收纳成数据输出。