患者痛不欲生，但AI说：别给她开止疼药
博雯 发自 凹非寺
量子位 报道 | 公众号 QbitAI
因为严重痛经入院，在医嘱下注射阿片类药物（Opioid）以缓解痛苦。
结果入院四天后，就突然被AI告知：
你将不会再接受任何阿片类药物。
然后就抱着尚未被消除的病痛，立即“被出院”了。
这就是2020年7月份，32岁的Kathryn所遭遇的情况。
而更让她无法理解的是，两周后，长期保持联系的妇科医生突然又向她声明：要终止他们之间的关系。
一番查证之后，Kathryn最终发现——
源头竟来自她的两只宠物狗？
宠物狗生病让主人被禁止买药
其实，在住院期间，Kathryn在被告知“不能再使用阿片类药物”时，工作人员同时也表示：
你完全没有意识到自己的图表中有多高的分数。
当时的Kathryn并不明白“图表”和“分数”是什么意思。
而两周后她的医生送来的终止关系的声明中，又有这样一段描述：
（关系的终止）来自NarxCare数据库中的一份报告。
或许这里提到的NarxCare和之前所说的“图表分数”有关？
Kathryn和她周围的人都没有听过这个名字，于是她马上去Google了一下：
原来，这是一个面向医生、药店和医院的分析工具和护理管理平台。
NarxCare可以利用AI算法对病患的处方药数据进行统计和分析，最终得到一个风险报告。
它主要使用来自国家药品登记处的数据。
除此之外，医疗索赔数据、电子健康记录、 EMS 数据和刑事司法数据也在使用范围之内。
NarxCare会通过机器学习算法对这些数据进行统计和分析，最终得到一个预测模型。
根据这一模型，每位患者都会得到一个属于自己的的“处方药使用风险评估报告”：
如果评分过高，就有可能被认为是有药物滥用情况，从而被拒绝出售相关处方药。
但这仍然不能解决Kathryn的疑惑：
她所患有的子宫内膜异位症导致了常年的生理病痛，因此她确实有长期服用阿片类药物的习惯。
但这一切都是在医生指导下所开的处方药啊，怎么突然就被叫停了？
在与各种论坛上的慢性疼痛病患者的交流之后，Kathryn最终找到了这场意外的源头。
而结果让她感到无比离奇——
原来，Kathryn的两只宠物狗，都曾因疾病而服用过大量的阿片类药物、苯二氮卓类药物，甚至巴比妥类药物：
由于代谢原因，狗狗们所服用的剂量会高出人类。
而买药的全部流程挂的都是主人，也就是Kathryn的名字。
因此，Kathryn去过的药店数量、去医院的路程，以及她收到的处方药组合，全都被NarxCare记录了下来。
她的宠物狗们的服药经历，全都算到了她的头上。
美国处方药监控项目
这场非常荒谬的意外，或许是由于平台算法的缺陷所导致的。
不过让Kathryn更在意的是另外一点：
这样一个暗中收集处方药数据的项目，她和身边的大多数人从来都没听过。
谁允许的？
其实，这是来自过去20年内，美国已投入了数十亿美元的处方药监控项目：
司法部一直在致力于开发和维护州级处方药数据库。
他们希望通过这一电子登记系统实时跟踪某些受管制药物的药方，密切关注制药市场。
现在，几乎美国的所有洲都有一个这样的处方药监控项目（PDMP）。
而在过去的几年里，一家名为Appriss的公司慢慢主导了这些州处方数据库的管理。
NarxCare，就是Appriss公司旗下的产品。
Appriss希望通过NarxCare所产生的报告来帮助处理药物滥用情况，并辅助医生进行更好的诊断决策。
在目前的美国，几乎每个州都会要求医生和药剂师在开具处方药的同时，咨询和参考NarxCare中的医疗信息，否则就有可能被吊销执照。
而对于Kathryn这样的例子，Appriss则表示：
宠物狗提高了主人的评分，这是一个非常罕见的例子。
但不论这是怎样的一个卡夫卡式的发展，对于现在的Kathryn来说，每次进入药店时，总能有人看到她过去的那些“图标和分数”。
她对此表示：
这让我感到我走入的不是药店，而是宗教审判所。
不公开的专利算法
而像是Kathryn这样的例子并不少见。
她在慢性疼痛患者论坛中，就曾遇到一位拥有相似经历的女士。
在对医生进行自我介绍之前，就先被要求披露自己为什么长期服用阿片类药物。
回答了自己患有PTSD后，还被要求进一步解释精神创伤的原因。
而目前NarxCare并不需要获得FDA的批准，这也让一些医学专家提出了质疑：
它（NarxCare）是一种专有的算法，既没有学术界的同行评审，也没有政府监管。
NarxCare用于过量风险评估的算法并不对外公开。
不过根据官网的一些已有的资料，我们可以了解它们大致的思路：
在得到来自处方药监控项目的大量数据，并开发了一个大的变量集后，再将数据分解为一个训练集和一个测试集。
有了训练数据之后，算法就开始将服药过量和未服药过量的模式进行对比。
比如，如果某位病患拥有同一医生开出的三张阿片类处方药，那么他的药物滥用风险就远远低于三位不同医生开出处方药的病患。
在这种重复的对比和学习中，最终就得到了一个用于评估病患风险的预测模型。
这一算法近年来在生命的多个领域得到了广泛应用。
比如，常常被用来预测哪些病人最有可能从特定的治疗中受益，并估计ICU病人出院后恶化或死亡的可能性。
但也就像很多人说的那样，NarxCare并不透明，没有办法从底层去检查它们是否存在错误或偏见：
有很多病人并没有意识到他们正在被测量分析。
甚至不仅是病患，连使用这一辅助临床决策系统的医生也无法完全知晓它的原理。
就像是亲身体会的Kathryn所说的那样：
对于大多数美国人来说，这是一个秘密的信用评分系统。
参考链接：
[1]https://www.wired.com/story/opioid-drug-addiction-algorithm-chronic-pain/
[2]https://twitter.com/Annaleen/status/1425493523076304898
NarxCare官网：
https://apprisshealth.com/solutions/narxcare/
- 有道智能学习灯发布，通过“桌面学习分析引擎”实现全球最快指尖查词2022-04-08
- 科学证明：狗勾真的懂你有多累，听到声音0.25秒后就知道你是谁，对人比对狗更亲近2022-04-14
- 在M1芯片上跑原生Linux：编译速度比macOS还快40%2022-04-05
- 小学生们在B站讲算法，网友：我只会阿巴阿巴2022-03-28
相关阅读
