过去只有三种方法可以摆脱肾移植等待名单。
首先是在朋友和家人中寻找一个健康的人，与受赠者的血液和组织类型完美匹配，并且有一个愿意放弃的备用肾脏。
第二是等待一个身体匹配的陌生人意外死亡，并且驾驶执照上恰好有器官捐献箱。
第三是死亡。
但随后医生们想到：有了足够多的肾病患者和足够多的健康自愿捐赠者，他们可以创建一个足够大的捐赠者库，以促进比过去的一对一系统更多的匹配。
只要患者能够找到捐赠者——任何捐赠者，甚至与患者本人不匹配的捐赠者——他们都可以获得匹配的肾脏。
最初，这需要医生花费数小时仔细研究患者和潜在捐赠者名单中的血型和组织变化的详细信息。
然后计算机科学家和经济学家也参与其中。
他们构建的算法比人脑更优雅地执行这些复杂的匹配。
现在，借助人工智能，一个人勇敢地向亲人（或完全陌生的人）捐献肾脏，就可以启动一条可以拯救数十人生命的链条。
配对肾脏捐赠是人工智能的伟大成功故事之一。
这并没有消除工作量，也没有消除医疗保健中的人情味。
它解决了一个非常复杂的问题，比人类更快地解决问题，错误更少，从而挽救了更多的生命。
自 2008 年第一对肾脏交换手术以来，已有近 10 万人接受了算法识别的配对肾脏移植手术。
如今，大约八分之一的接受活体捐赠者肾脏的移植受者通过匹配交换与该人进行匹配。
与此同时，配对肾脏交换是人工智能局限性的一个完美例子。
计算机只能做人类可以教它的事情，而我们无法教我们不理解的事情。
自从医学学会如何用捐赠的肾脏替代衰竭的肾脏以来的几十年里，我们仍在努力解决如何以一种公平且令每个人满意的方式分配宝贵的少数肾脏，并且不会导致不良的、意想不到的后果。
人工智能可以识别在生物学上彼此适合的潜在捐赠者和接受者；未来，它甚至可以权衡道德因素来决定谁首先接受移植。
但首先，我们人类必须就这些应该是什么达成一致。
肾脏充当身体的过滤器。
对于患有肾衰竭的人来说，透析本质上是从外部复制器官的功能，排出患者未经过滤的血液几个小时，然后将其泵回体内。
20 世纪中叶透析技术的发明，将一种曾经等于死刑的疾病变成了一种慢性但可控制的疾病。
第一家门诊透析中心西雅图人工肾中心于一月开业。
由于每位患者每周需要在机器上进行两次每次 12 小时的治疗，因此该中心在头两年只能接纳当时符合透析资格的 10 名美国终末期肾病患者中的约 10 名。
为了将利润掌握在自己手中，该中心组织了一个由七名公民组成的独立委员会。
第一个接受和政策委员会——或者媒体后来称之为“上帝委员会”——由律师、牧师、银行家、家庭主妇、州官员、劳工领袖和卫生局局长组成。
医生为他们做出了一些决定：45 岁以上的患者不符合资格，儿童也不符合资格，因为医生担心手术可能会给他们带来创伤。
除此之外，委员会有权酌情选择大约四分之一的符合资格的申请患者。
根据《Life》杂志的一篇文章，匿名委员会的成员会考虑申请人的年龄和性别，以及是否已婚或有孩子。
他们会考虑申请人的情绪稳定性。
他们会关注申请人赚了多少钱以及节省了多少钱；他们的教育、就业、过去的行为和未来的潜力。
他们决定，由于开发该技术的研究是在华盛顿州资助的机构进行的，因此只考虑华盛顿居民，因为支付治疗费用的是该州的税款。
文章将委员会成员描述为“高尚、善良的公民”，面临着一项几乎不可能完成的任务。
他们是人类，作为人类，他们总是受到有意识和无意识的偏见的影响。
他们根据医生写的病历做出决定，医生有意识和无意识的偏见。
该委员会的七名成员来自太平洋西北地区的中上层阶级，他们的讨论（至少是公开发表的讨论）表明，患者对似乎与他们有共同地位和价值观的患者产生了良好的印象。
《Life》杂志中从未提及种族问题，但很难想象在一个仍然存在严重种族隔离的社会中（仅举一个例子，当时华盛顿州 98% 的雇员是白人），有色人种不被考虑在内对于这些表述之中。
他们的讨论预示着一个问题，在原始的肾脏治疗机器被更先进的技术超越之前，这个问题将持续很长时间。
即使一群人团结一致，致力于做最好的事情，但对于大多数人来说，最好的事情到底是什么？当上议院做出痛苦的决定时，其他地方也在进行类似的治疗肾病患者的努力。
2001 年，医生在波士顿布莱根妇女医院成功进行了第一例肾移植手术，通过手术从一名 23 岁男性身上摘取了一个器官，并将其移植到了他的双胞胎兄弟（即受者）体内。
又存活了八年。
到 20 世纪 60 年代初，血液和组织分型技术的发展使医生更容易识别供体和受者之间的成功匹配，而免疫抑制药物的改进大大降低了移植排斥率。
如今，已故捐赠者的肾脏将在接受者体内继续工作 8 至 12 年，而活体捐赠者的肾脏平均寿命为 12 至 20 年。
2001 年，理查德·尼克松总统签署了扩大医疗保险覆盖范围的立法，将所有肾衰竭患者的透析纳入其中。
透析并没有治愈他们，但它让更多的人在等待和希望肾移植的过程中活得更久。
从那时起，美国需要肾移植的人数增长速度远远快于可用的供体肾脏数量的增长速度。
据器官共享联合网络称，截至撰写本文时，美国有 54 人正在等待器官移植。
其中，0 - 83% 正在等待肾移植。
《统一解剖捐赠法》 在美国建立了一个标准程序，人们或其近亲可以授权死后捐献器官。
但即使美国每个人都是注册器官捐献者（目前的比例为 54%），也不会有足够的肾脏来满足需要。
不到 2% 的人以适合器官捐献者的方式死亡。
人死后器官仍然可以移植，并且必须继续将含氧血液泵入器官，直到可以通过手术将其从体内取出。
在进行摘取手术之前，已故的捐赠者通常会被宣布脑死亡并使用呼吸机。
幸运的是，由于大多数人出生时就有两个功能正常的肾脏，只需要一个就能生存，因此活着的人可以捐献肾脏。
由于活体捐献者的肾脏往往比死者的肾脏寿命更长，因此对于需要移植的人来说，找到活体捐献者通常是理想的结果。
虽然所有手术都存在并发症或死亡的风险，但绝大多数肾脏捐赠者在腹腔镜手术后只需要在医院呆两到三天，然后再进行四到六周的恢复时间。
剩余的肾脏会发育以补偿捐赠的肾脏，捐赠者通常会继续过正常的生活。
当然，向你的兄弟姐妹索取器官并不是一件小事。
但找到愿意捐献的人往往是这个过程中最简单的部分，因为许多患者及其家人发现无法进行器官匹配。
佛罗里达州商人尼尔·埃莫特被诊断患有多囊肾病，这是一种可能导致肾衰竭的遗传性疾病。
他的妻子丽莎·埃莫特表示，这个消息“出乎意料且具有毁灭性”。
确诊时，尼尔38岁，丽莎27岁，这对夫妇结婚还不到一年。
当他们有了两个年幼的女儿时，尼尔的病情恶化到约翰·霍普金斯大学的医生建议他考虑移植选择的程度。
丽莎立即自愿捐款。
她身体健康，血型与他相同，所以她认为自己是一个可行的候选人。
但器官捐献需要的不仅仅是血液和组织匹配。
捐赠者需要经过彻底的筛选，心理或社会经济问题可能会使他们的捐赠变得复杂。
丽莎了解到，她的肾动脉（将血液输送到肾脏的静脉）形状存在良性异常，导致她失去了资格。
尼尔的弟弟作为替补出场，但也因一些轻微的健康问题而被排除在外。
一家人都崩溃了。
“需要器官是一件可怕的事情，”艾莫特说。
这时，一家人决定寻找市场。
人体器官“市场”的想法令人恐惧。
它们不是商品：美国法律明确禁止出售人体器官。
但从经济角度来看，市场是任何想要某样东西的人都能找到能给他们东西的人的地方。
这种仅根据价格配置资源的市场称为匹配市场。
约会池是一种匹配市场（假设没有金钱来交换友谊）；想要肾脏的人和愿意捐献肾脏的人也是如此。
当市场“厚”或有很多参与者时，市场运行得最好。
在肾移植的最初几十年里，病人及其潜在的捐赠者被限制在一个非常薄弱的??市场中。
一场失败的比赛往往对重病患者来说就是宣判了死刑。
但如果市场变得更稠密怎么办？这个想法首先由德裔美国外科医生菲利克斯·拉帕波特 (Felix Rapaport) 于 1998 年在一篇论文中提出，他提出的理论是，肾脏可以在两对自愿的供体-受体之间进行移植：患者 A 接受供体 B 的肾脏，作为交换，供体 A 给予病人B有肾。
2009年，韩国首尔的医生在肾病专家Kiil Park的指导下，在两对供体-患者之间进行了首例肾脏移植手术。
四年后，世界上第一个配对肾脏捐赠项目在首尔延世大学医学院启动。
潜在的捐赠者和接受者被输入数据库，然后由医生通过数小时的艰苦分析进行手动匹配。
2016年，瑞士成为下一个建立配对肾脏交换的国家，为两对已婚夫妇进行配对，每对夫妇的配偶均患有终末期肾病，且配偶均愿意捐献肾脏。
2018 年的一个晚上，一位名叫迈克尔·里斯 (Michael Rees) 的美国肾病专家厌倦了向患者及其亲人传达令人心碎的消息，他拖着一箱箱文件回家，花了几个小时仔细检查血液、抗体和组织数据，并比较患者名单。
工作很累，精神上也很累。
最终，他意识到自己没有可行的匹配——但如果捐款池更大，就可以进行匹配。
迈克尔·里斯 (Michael Rees) 与计算机科学家父亲艾伦·里斯 (Alan Rees) 合作，创建了一个简单的计算机程序来匹配捐赠者和接受者，并将人工智能引入匹配过程。
大约在同一时间，哈佛大学经济学教授阿尔文·罗斯也在研究肾脏匹配解决方案。
罗斯注重市场设计，关注如何调整市场来修复供需失衡。
他之前设计过算法来匹配新医生和住院医师项目以及纽约市的小学生和高中生。
现在他将注意力转向肾脏。
Roth 及其同事 Utku Unver 和 Tayfun Sonmez 设计了一种算法来审查和分析潜在捐赠者和接受者的数据。
它确定了捐赠者-接受者匹配的“周期”和“链”，其中一个人选择无私地将肾脏捐赠给任何有需要的人，从而将潜在的捐赠者和接受者纳入医院或肾脏交换计划中，并启动了一系列捐赠。
例如：患者B从无私的捐赠者A那里得到了一个肾脏。
后来，捐赠者B感激地将肾脏捐赠给患者C。
如果患者C有一个愿意的捐赠者，这个链条可以继续延伸，没有真正的限制。
与循环不同的是，该链条可以无限期地向前推进，而不必返回并通过为原始捐赠者的合作接受者找到肾脏来结束循环。
罗斯、昂弗和桑梅兹觉得他们正在做一件大事。
2017 年，他们在网上发布了一篇论文，概述了他们的工作，并将其发送给美国各地的肾脏病专家。
根据哈佛大学外科医生 Frank Delmonico 的反馈，该团队调整了算法并发表了一篇新论文，其概念有助于建立新英格兰肾脏交换项目。
该交换计划在该地区 14 个肾移植中心为捐赠者和接受者进行匹配。
最初，外科医生坚持在给定的周期或链中同时进行所有手术，这样捐赠者就不会在最后一刻退出。
这限制了一个周期或链中的患者数量，因为医院一次只能拥有有限的床位和有限的外科医生。
经济学家和其他几位医生认为这是不必要的限制。
这不存在生物障碍：与必须在离开捐赠者身体后 4 至 6 小时内移植的心脏或肺不同，肾脏可以在找到新宿主之前安全保存 24 至 36 小时。
至于捐献者链中存在薄弱环节的可能性，经济学家认为，在一个以愿意将自己的肾脏捐给任何人的捐献者开始的链条中，如果捐献者退缩，任何接受者都不会感到无助，因为医生可以在注册捐助者库。
创建第一个匹配算法的肾病学家里斯表明这是可以做到的。
在一名 28 岁的捐赠者向一名有需要的陌生人捐献肾脏后，里斯组织了一系列肾脏捐赠活动，在 8 个月的时间里挽救了五个州 10 名患者的生命。
如今，美国各地的几家医院都有自己的配对肾脏捐赠计划。
美国还有三个较大的院间肾脏交换项目：器官共享联合网络、国家肾脏登记处和配对肾脏捐赠者联盟。
英国、加拿大和荷兰都有国家交流计划，从印度到南非的医院也进行了配套捐赠。
研究人员还推测，在肺移植和部分肝脏移植中可能存在类似的交换，尽管不存在这种交换的系统。
2006年，罗斯因其在市场设计方面的工作而获得诺贝尔奖。
他带着里斯一起参加了仪式。
那时，美国已有人因他们帮助创建的系统而接受移植手术。
此后，又有数千人得到了帮助。
尼尔·埃莫特最终成为肾脏链中的八个人之一，这个肾脏链是由两个家庭朋友来向他捐赠而开始的。
2019 年 8 月 13 日，一名阿拉巴马州妇女成为 2018 年开始的全国性捐赠链中第一个接受肾脏移植的人。
如今，当医生寻求匹配肾脏捐赠者和接受者时，人工智能研究人员构建的算法会搜索以下数据库：根据器官采购和移植网络理事会和器官共享联合网络制定的权重，登记的肾脏患者及其伴侣捐赠者。
识别匹配的标准列表。
这些算法同时评估患者-捐赠者库中所有可能的移植。
匹配主要基于生物学适用性，优先考虑最难匹配的患者。
技术措施包括接受者在等待名单上的时间、年龄（儿童优先）以及需要肾脏的人过去是否曾经是活体器官捐献者。
这些算法已经帮助了数以千计的挽救生命的手术。
未来，AI不仅可以使用人类确定的标准进行匹配，还可以主动参与这个判断过程——了解人类的决策和价值体系，从而可以自己判断哪些肾脏应该去哪里（这个决策将由人类医生审查）。
在这一点上，限制因素并不是技术，而是使用技术的人。
第一个问题涉及人类对人工智能在器官分配中的作用的焦虑。
医院和器官交换机构甚至不愿意在匹配过程中使用“人工智能”一词。
这部分是由于研究人员称之为“人工智能效应”的趋势。
正如牛津大学人类未来研究所所长尼克·博斯特罗姆所说，“一旦某种东西变得足够有用、足够普遍，它就不再需要被贴上‘人工智能’的标签。
” “人工智能”实际上意味着，关于其影响的公众教育，医院和交易所都警惕患者误解算法在识别潜在匹配方面的作用，也许害怕召唤机器人冷冷地发出生死攸关的指令。
目前，机器无法决定哪个肾脏去哪里。
人类可以做到这一点。
今天的算法比人类更可靠，可以在更大范围内执行数学运算，执行人类已经做出的判断，但它们首先不明白为什么要进行计算。
杜克大学计算机科学、伦理学和哲学教授文森特·科尼策 (Vincent Conitzer) 表示：“人工智能不像我们那样对世界有全面的了解。
它们不明白自己正在处理的数据是什么。
” “他们没有这个人正在受苦的概念。
他们并不真正理解一个人是什么。
人类必须在某个时候介入。
”研究人员现在正在教导机器从人类的角度理解这些道德困境。
今年，Conitzer 与杜克大学的 Jana Schaich Borg、Walter Sinnott-Armstrong 和 Rachel Freedman 以及马里兰大学的 John Dickerson 一起发表了一篇论文，其中他们向受试者提供了数百对假设的患者资料和询问每对中的哪一个应该获得可用的肾脏。
这些假设的患者文件没有??列出算法处理的血液和组织数据，而是列出了患者饮酒的频率以及过去是否患有癌症等信息。
然后，研究人员将受试者的选择反馈给算法，并学习如何根据这些模式选择“正确的”肾脏接受者。
就像人类受试者一样，人工智能也青睐更年轻、更健康的患者——这是机器根据人类价值观知识做出决策的一个例子。
虽然可以教会机器匹配我们的价值体系，但我们并不总是理解我们的价值观是什么，或者很难在整体上达成一致。
人们并不总是知道他们想要优化什么，即使他们认为自己知道，他们通常也不知道如何以一种不会导致意想不到的后果的方式进行优化。
例如，麻省理工学院的道德机器允许实验室网站的访问者玩一款游戏，他们必须在一个又一个的假设情况下选择自动驾驶汽车在面临两个可怕的选择时应该选择杀死哪一个。
团体汽车乘客或行人。
在经历了一系列令人反胃的场景之后——是的，我宁愿一辆汽车碾过一名孕妇，也不愿碾压五个无家可归的成年人；不，我宁愿杀死五名成年乘客，如果这意味着杀死的话。
没有任何转弯可以避免两个孩子 - 游戏揭示了你的选择中建立的模式，以及你的反应与其他玩家的反应相比如何。
这些信息可能会揭示意想不到的后果和令人不快的未被承认的偏见。
例如，您可能会发现您的决定导致男性死亡人数多于女性，或者您倾向于比游戏中的普通玩家更重视遵守交通规则。
就肾脏而言，明显公平的原则是，肾脏应该给予那些在接受肾脏后可能活得最长的人。
在计算机能够计算出潜在接受者的寿命之前，科学家必须向算法提供不同人群的预期寿命数据。
但这会导致一些问题。
男性往往比女性死得早。
美国黑人比任何其他种族的美国人都更年轻。
2016年，一名65岁的美国白人女性可能会多活20.5年，比同龄黑人男性多活4年。
一开始的良好意愿最终导致了系统性的种族和性别歧视。
“在经济学中，我们谈论不可能定理。
有些东西你可能想要但无法得到，”罗斯说。
“当你分配稀缺资源时，你不能把一个肾脏给一个人而不给另一个人。
计算机不会在各个方面减轻人类的负担。
”人工智能不会造成这些道德困境。
人类委员会不断地为分配肾脏的最公平方式而苦恼。
人类驾驶员仍然必须在驾驶时做出可怕的紧急决定。
机器可以在几小时甚至几分钟内模拟人类判断的结果，否则可能需要数年时间才能发现结果。
从长远来看，这可能会有所帮助：如果计算机模型可以证明特定的肾脏分配政策将使某些群体处于不成比例的不利地位，那么医生可以在任何人真正受到伤害之前取消该计划。
但并不是所有人都乐于让机器参与生死攸关的决策。
《道德机器》教会了玩家西雅图上帝委员会很久以前学到的东西：必须选择拯救哪个生命，并且知道这个决定会导致其他人的死亡或痛苦，这感觉很可怕。
这是人工智能无法提供帮助的部分。
人们可以找到组装椅子的理想方法，然后将这一过程传授给一台可以完美组装数千把椅子的机器。
但没有完美的方法来决定谁生谁死。