能用机器学习去阻止伤医事件吗？

先假设墨菲定律，坏事总会发生，再想想如何能通过技术手段，去排除事故隐患。从这个思路出发，推出能否通过大数据，去预测那些人，有可能成为下一个伤医的凶手。本文从这个思路出发，谈谈具体的实现。

类似芝麻信用分，每个人的医保卡上，也可以绑定一个类似的友善分，患者每次就诊，医生给患者评分，如果患者及家属有过，或者威胁对医生进行过激行为，只要有过一次，相当长的时间里，该患者一家都在黑名单中，限制其在公立医院就医。而对于友善分很高的患者，也可以给予其优先就诊，甚至医疗费的打折。

在这样的场景下，患者及家属进去医院刷脸，每个患者的友善分，医生接诊时就能看到。有了这套系统，患者会更多体谅医生，会更主动的表示感谢，在一定数额内，也可以允许患者给医生赠送小额红包，通过在线赞赏的形式，可以设定统一的金额，也可以做到透明，可追溯。按照当前中国医生每天平均接诊的的数目，患者赞赏门诊2元或者急诊5元，积少成多，也能多少弥补当前医生过低的收入，也不会给患者造成多少额外负担。只是需要避免花钱刷医疗友善分的黑产。

这样的机制下，如果所有人的初始分是都是相同的，是相对公平的，但更好的情况，是能进行预测，能够在反社会人格者或巨婴第一次伤医，就做出预警。这样的应用，在美国引起了相当大争议。《数学大规模杀伤性武器》这本书，讲到美国警方的类似程序，基于有偏数据，通过机器学习得到的结果，会歧视黑人等少数族邑。因此如果做到基于用户的社交媒体，经济水平，社会关系等设定之前提到的医疗友善分的初始值，很有可能也会歧视农村或贫困人口，从而违背公共医疗的初衷。

除了限制，更好的提前预防，是疏通。也就是通过教育，让巨婴成为心怀天下的国士。在巨婴和国士之间，是一条连续的光谱。巨婴是以绝对的以自我为中心，大部分人看看爽文，只关心自己能不能有机会不劳而获，更少的人会关心诗或者远方，心里有梦想，精英会想做出些能流传千古，或者拓宽人类认知边界的事，而只有国士才会关注大趋势，关注全世界共同面对的挑战。最近和俩位出版界前辈聊，说起我最近在读的，纽约时报的年度畅销书《The inhabitable earth》，一本关于全球变暖的书，还上了比尔盖茨的书单。这个主题书在国外多次成为年度畅销书。我们谈起这样的书国内少有引进的，极少引进后影响和销量也不好。我当时想说而没说的，是这个国家太缺人能先天下之忧而忧的士了，引领人类命运共同体，这话及其背后的意味，还没有深入人心。

回到伤医的话题，昨天和Justin刘聊，说起他正在写医生之死和算法隔离的文，他说会写的很长。人与人之间的距离，被技术拉大，形成难以交流的一个个小群，对这一点，正在硬卧车厢，听着身旁聊天的人的话，在手机上码子的我，最有体会。我确信，即使微信的公众号加上了推荐功能，我写的这篇文，对同车厢的人，百分百他们是没有机会，也不会有兴趣读到的。隔离起人群的，不应只归因于算法，算法只是工具，是手段。

昨天规划未来的科普文写作，谈起我很感兴趣的multi layer network，让我联想到另一个多次谈到概念 认知过载。关于为什么有的人会在面对同样的新知识，新概念时，能够很快适应，有些人年纪轻轻，就失去了学习能力，我有一种猜测性的解释。每个人都是嵌入在多个层次的社交网络中的，一个人同时位于越多层的社交网络中，在面对新事物的冲击时，越有机会从其中一个网络中，找到可以类比，可以用来帮助自己理解的背景知识。就如同多学科的交流能带来科研上的灵感，你当前能够引以为援的关系越多元，你越有机会在面对新事物带来的不安面前保持镇定，不盲从并保有自己的判断，只有做到这样，才算是批判式的学习。这个猜想是可以通过真实数据验证的，需要做的是通过在线问卷评估，或者根据用户自述用户的好奇心及学习能力，在根据其参加的豆瓣群组，或者关注的知乎专栏等知识型社交网络来评估其是否位于多个层次的网络上。啊（当然最好的是微信群的数据，不过很难获得）

控制表达欲，强行进入总结时间。本文多少蹭了伤医事件的热点，提出来全国性的患者友善分系统，这样的制度跃迁，预期能够有效的避免下一次伤医事件，也能够不让医生寒心，从而让更多人享受到更好的平价公立医疗，在一个越发老龄化，且是未富先老的国度，是必不可少的。

关于老龄化，在新的十年即将到来的时候，忍不住再多说几句，偏楼一次。这是未来十年，全球范围内面对的也许最严重的问题，甚至超过了全球变暖，从其影响深远来看，远远超过中美持久战。举例来说，老龄化带来的，可见的是退休金，是赡养比。但更多看不到的是认知上的僵化与守旧，年龄越大，越不容易接受新知识，而下一个十年面对的，大多是新问题。

最后放一张朋友圈的盗图，来自 D ，是集智学园的ceo倩姐的一页ppt。新年将至，祝所有人都能唤醒心中埋藏的爱的能力，只有先做好准备，才能在遇到心中所爱时，能够找到而不是错过。