预测临终的模型再准，用错地方也会害人

在医学各个领域，医生越来越多地借助AI模型评估患者风险，从败血症、跌倒到死亡。这些模型常常直接嵌在电子病历里，结果很容易进入治疗流程。也正因为方便，人们容易把它当成理所当然，不再追问它到底在测量什么。

詹姆斯·迪尔多夫是加州大学旧金山分校老年医学诊所的老年科医生、助理教授。他开发过多个面向老年人的预测模型，从死亡率到是否需要入住养老机构。他说，老年医学里有两点最关键：一是模型表现如何，包括在老年人等亚组中的表现；二是该怎么负责任地使用它的结果。

模型准确，后果却可能糟糕

2026年9月，迪尔多夫发表了一篇评论，针对《JAMA Network Open》上对Epic公司专有临终预测模型的一项大型分析。他的论点很明确：模型本身准确，也可能促成糟糕的结果。如果一年内死亡风险的预测只是用来开启关于照护目标的谈话，副作用很小。但如果同一个结果影响到后果更重的决定，比如移植资格的排序，影响就可能很严重。

换句话说，重要的不只是模型的指标，比如AUC，还有这个结果最终被用在哪条决策路径上。模型不做决定，做决定的是看到这个数字的人。需要设计的正是这个位置，而不是训练。

如何核查

同一类问题，也就是如何评估那些变化速度超过研究速度的模型，出现在2026年9月17日《npj Digital Medicine》的一篇评论中，作者是Mahajan、Shah和Powell。他们指出，模型发展太快，前瞻性临床试验的设计和报告方式又各不相同，可靠评估其有效性和安全性因此变得困难。对医院来说，这意味着部署预测模型需要自己做本地结果监测，因为外部的注册数据并不够。

给临床团队的实用清单很短：模型在哪个患者亚组中做过验证，它的结果支持哪项决定，谁负责做出这项决定，以及当预测出错时会发生什么。这四个问题没有答案，屏幕上的数字就只是一个数字。

这也不只是技术上的新鲜事。接入病历系统的模型能看到工作人员实时录入的数据，可以在后台运行，不必每次读取记录都征求同意。正因如此，决策支持与患者监控之间的界线在这里才如此细微。