הטייה גזעית בכלים לקבלת החלטות בטיפול רפואי

הטיה גזעית בטיפול הרפואי יכולה להופיע במקומות לא צפויים. לדוגמה: שקול את כלי ההחלטה הקליניים שממלאים תפקיד חשוב באופן שבו המטופלים של היום נבדקים, מאובחנים ומטופלים.

כלים אלה מכילים אלגוריתמים, או הליכים שלב אחר שלב, בדרך כלל ממוחשבים, לחישוב גורמים כגון סיכון למחלות לב, הצורך בצילום חזה ומינון תרופות מרשם. ניתן להשתמש בבינה מלאכותית כדי לסרוק רישומי בריאות ומערכות חיוב ליצירת מערכי הנתונים הדרושים.

על פני כל הגורמים הללו נשמעים אובייקטיביים מאוד. אך מחקרים שנעשו לאחרונה הראו כי ניתוח הנתונים המשמש באלגוריתמים אלה יכול להיות מוטה בדרכים מכריעות נגד קבוצות גזעיות וחברתיות כלכליות מסוימות. יכולות להיות לכך השלכות עצומות מבחינת כמות ואיכות שירותי הבריאות שאנשים בקבוצות אלו מקבלים.

הטיה גזעית משפיעה על החולים החולים ביותר

בשנת 2019, מחקר על אלגוריתם שנמצא בשימוש נרחב על ידי בתי חולים ומבטחים בארה"ב להקצאת סיוע נוסף לניהול בריאות הראה כי הוא מפלה באופן שיטתי אנשים שחורים.סביר להניח שלכלי ההחלטה להפנות אנשים שחורים מאשר לבנים לתוכניות ניהול טיפול לצרכים רפואיים מורכבים כאשר שתי הקבוצות הגזעיות היו חולות באותה מידה.

הסיבה הבסיסית להטיה הייתה קשורה להקצאת האלגוריתם של ציוני הסיכון למטופלים בהתבסס על העלויות הרפואיות בשנה הקודמת. ההנחה הייתה שזיהוי חולים עם עלויות גבוהות יותר יזהה את אלה עם הצרכים הרפואיים הגבוהים ביותר.^ עם זאת, לחולים שחורים רבים יש פחות גישה, פחות יכולת לשלם ופחות אמון בטיפול רפואי מאשר לבנים שחולים באותה מידה. במקרה זה, העלויות הרפואיות הנמוכות שלהן לא ניבאו במדויק את מצב בריאותן.

תוכניות לניהול טיפול משתמשות בגישה בעלת מגע רב, כגון שיחות טלפון, ביקורי בית של אחיות ותעדוף פגישות רופא כדי לתת מענה לצרכים המורכבים של החולים החולים ביותר. התוכניות הוכחו כמשפרות את התוצאות, מפחיתות ביקורים בחדר אשפוז ומפחיתות עלויות רפואיות. מכיוון שהתוכניות עצמן יקרות, הן מוקצות לאנשים עם ציוני הסיכון הגבוהים ביותר. טכניקות ניקוד המפלות את החולים השחורים החולים ביותר לטיפול זה עשויות להיות גורם משמעותי בסיכון המוגבר שלהם למוות ממחלות רבות.

מירוץ כמשתנה במחלות כליות

אלגוריתמים יכולים להכיל הטיה מבלי לכלול גזע כמשתנה, אך כמה כלים משתמשים במירוץ במירוץ כקריטריון. קח את ציון eGFR, המדרג את בריאות הכליות ומשמש לקביעת מי צריך השתלת כליה. במחקר משנת 1999 שקבע את קריטריוני הציון eGFR, החוקרים שמו לב כי לאנשים השחורים יש בממוצע רמות קריאטינין גבוהות יותר (תוצר לוואי של פירוק שרירים) מאשר לאנשים לבנים. המדענים הניחו שהרמות הגבוהות יותר נובעות ממסת שריר גבוהה יותר אצל שחורים. לכן הם התאימו את הניקוד, מה שאומר שבעצם על השחורים להיות בעלי ציון eGFR נמוך יותר מאשר לבנים כדי שאובחנו כסובלים ממחלת כליות סופנית. כתוצאה מכך, השחורים נאלצו להמתין עד שמחלת הכליות שלהם תגיע לשלב חמור יותר על מנת להעפיל לטיפול.

לאחרונה, סטודנט לרפואה ובריאות הציבור בבית הספר לרפואה של אוניברסיטת וושינגטון סיאטל הבחינה כי ציוני eGFR אינם מדויקים לאבחון חומרת מחלת הכליות בשחור חולים. היא נלחמה כדי להסיר גזע מהאלגוריתם, וניצחה. UW Medicine הסכימה כי השימוש בגזע הוא משתנה לא יעיל ואינו עומד בקפדנות מדעית בכלים לאבחון רפואי.

מדד מסת הגוף והטיות

אפילו כלי ההחלטות הרפואי הפשוט ביותר שאינו כולל גזע יכול לשקף הטיה חברתית. מדד מסת הגוף (BMI), למשל, מבוסס על חישוב המכפיל משקל לגובה. הוא משמש לזיהוי חולים הסובלים מעודף משקל, עודף משקל והשמנת יתר.

בשנת 1985, מכוני הבריאות הלאומיים קשרו את ההגדרה של השמנת יתר ל- BMI של הפרט, וב -1998 פאנל מומחים הציב הנחיות מבוסס על BMI שהעביר 29 מיליון אמריקאים שבעבר סווגו כמשקל תקין או רק מעודף משקל לסובלים מעודף משקל והשמנת יתר. קטגוריות.על פי סטנדרטים של BMI, רוב השחורים, ההיספנים והאנשים הלבנים סובלים כיום מעודף משקל או מהשמנת יתר. אחוזי ההשמנה לשנת 2018 שווים בערך לגברים שחורים, היספנים ולבנים (בין 31.2% ל -34.2%). אבל אחוזי הנשים המתויגות על ידי BMI הן: 

• 44.2%-שָׁחוֹר
• 35.4%- היספני
• 28.7%-לבן

אווירה של שיימינג במשקל וחוסר אמון

מיתוג אחוזים כה גדולים של אוכלוסיות כמו עודף משקל או השמנת יתר יצר אווירה של שיימינג במשקל וחוסר אמון בין מטופלים לרופאים. אנשים בעלי משקל רב יותר מתלוננים כי הרופאים אינם מטפלים בבעיות הבריאות או החששות שהביאו אותם לבדיקה. במקום זאת, הרופאים מאשימים את משקל המטופל בבעיות הבריאות שלו ודוחפים ירידה במשקל כפתרון. זה תורם לכך שחולים שחורים והיספנים נמנעים ממטפלים בתחום הבריאות ובכך אולי מחמיצים הזדמנויות למנוע בעיות או לתפוס אותן מוקדם.

יתר על כן, מתברר יותר ויותר כי עודף משקל או השמנת יתר אינה תמיד בעיה בריאותית. המחירים עבור כמה מצבים חמורים, כגון אשפוז בגלל COVID-19, לחץ דם גבוה, מחלות לב, שבץ, סוכרת מסוג 2 ומחלות אחרות, גבוהים יותר בקרב אלו הסובלים מהשמנת יתר.^  אך למצבים אחרים - כגון החלמה מפציעה חמורה, סרטן וניתוחי לב - לאנשים במשקל גבוה יותר יש שיעורי הישרדות טובים יותר.  

קווים מנחים חדשים ומשופרים בקנדה

למעשה, הנחיות השמנה חדשות לקלינאים קנדיים, שפורסמו באוגוסט 2020, מדגישות כי הרופאים צריכים להפסיק להסתמך על BMI בלבד באבחון חולים. יש לאבחן אנשים כסובלים מהשמנת יתר רק אם משקל גופם משפיע על בריאותם הגופנית או על מצבם הנפשי, על פי ההנחיות החדשות. הטיפול צריך להיות הוליסטי ולא רק לירידה במשקל. ההנחיות מציינות גם כי: "אנשים הסובלים מהשמנת יתר מתמודדים עם הטיה וסטיגמה משמעותיים, התורמים להגברת התחלואה והתמותה ללא תלות במשקל או במדד מסת הגוף."

הפחתת הטיה בכלים להחלטה

אלגוריתמים רפואיים אינם סוג האלגוריתם היחיד שניתן להטות. בשנת 2018, למשל, אמזון הפסיקה להשתמש בכלי גיוס שהראה הטיה כלפי נשים. הכלי, שניתח 10 שנות גיוס נתונים בתקופה שבה אמזון שכרה גברים בעיקר, השתמש בהיסטוריה זו כדי ללמד את עצמו להעדיף מועמדים גברים.

בתחום הבריאות, למידת מכונה מסתמכת לעתים קרובות על רשומות בריאות אלקטרוניות. חולים עניים ומיעוט עשויים לקבל טיפול שבור ולהיראות במספר מוסדות. סביר להניח שהם יראו בהוראת מרפאות שבהן קלט הנתונים או נימוקים קליניים עשויים להיות פחות מדויקים. וחולים אולי לא יוכלו לגשת לפורטלים של מטופלים מקוונים ולתוצאות המסמכים. כתוצאה מכך, רשומותיהם של מטופלים אלה עשויות להכיל נתונים חסרים או שגויים. האלגוריתמים המניעים למידת מכונה עשויים בסופו של דבר להדיר חולים עניים ומיעוטים ממערכות הנתונים והטיפול הדרוש.

החדשות הטובות הן שהמודעות להטיות באלגוריתמים בתחום הבריאות גדלה בשנים האחרונות. קלט הנתונים והתוצאות נבדקים אם הם גזעיים, אתניים, הכנסה, מגדר והטיית גיל. כאשר מזהים פערים, ניתן לשנות את האלגוריתמים ומערכות הנתונים לקראת אובייקטיביות טובה יותר.