仔细研究医疗保健算法在种族和民族差异中的作用

多年来，黑人患者更难在全国肾移植候补名单上获得令人垂涎的位置，因为临床算法使黑人患者看起来比实际更健康。在宾夕法尼亚大学医学院的一名研究人员在2019年揭露了这个问题，并展示了它如何加剧了肾脏疾病的种族差异之后，一个国家工作组建议将种族从算法的评分中删除，这一举措已迅速在全国范围内采用，以减少种族不平等。

但根据宾夕法尼亚大学研究人员的一项全面的新研究，这并不是唯一的影响，该研究深入研究了医疗保健算法中复杂的种族和民族问题。从肾功能算法中删除种族似乎也减少了化疗的可及性，降低了黑人患者在临床试验中的资格，并影响了药物剂量。

这篇发表在《 内科医学年鉴》（Annals of Internal Medicine）上的新论文描绘了医疗保健算法的微妙图景 – 这是临床决策中无处不在但通常看不见的力量 – 以及它们的使用如何影响种族和民族差异。由佩雷尔曼医学院胃肠病学助理教授Shazia Mehmood Siddique领导的研究小组发现，算法可以减轻、延续和加剧种族和民族差异，无论它们是否明确使用种族或民族作为输入。

“意向性很重要，”Siddique说，他也是宾夕法尼亚大学医学循证实践中心（CEP）和宾夕法尼亚大学医疗保健改善和患者安全中心（CHIPS）的研究主任。“种族和民族差异不能是事后才想到的。”

西迪克说，种族在算法中经常被用作另一个变量的代理，例如血统、特定基因、健康的社会决定因素，甚至是系统性种族主义的影响。她补充说，问题在于，人们往往不清楚为什么在算法中使用种族。“我们需要算法开发人员清楚种族被用作代理，因为临床医生可能不知道，”Siddique说。“如果它没有透明度，那么它可能会使种族是生物学的错误假设永久化。

更好的选择：用更精确的变量替换种族。例如，西迪克现在正在研究，在肝癌筛查指南中用原籍国代替种族是否会减少差异。（虽然与算法类似，但指南是非数学的、基于证据的建议，通常由医学协会制定，以帮助指导最佳临床实践。

在 Penn Medicine News 上阅读更多内容。