Rasna pristranskost v orodjih za odločanje v zdravstveni negi

Rasna pristranskost v zdravstveni oskrbi se lahko pojavi na nekaterih nepričakovanih mestih. Na primer: Razmislite o kliničnih orodjih za odločanje, ki imajo pomembno vlogo pri testiranju, diagnosticiranju in zdravljenju današnjih bolnikov.

Ta orodja vsebujejo algoritme ali postopke po korakih, običajno računalniške, za izračun dejavnikov, kot so tveganje za bolezni srca, potreba po rentgenskem pregledu prsnega koša in odmerjanje zdravil na recept. Umetna inteligenca se lahko uporablja za brskanje po zdravstvenih evidencah in obračunskih sistemih za ustvarjanje potrebnih naborov podatkov.

Na prvi pogled vsi ti dejavniki zvenijo zelo objektivno. Toda nedavne študije so pokazale, da je lahko analiza podatkov, uporabljena v teh algoritmih, na ključne načine pristranska do nekaterih rasnih in družbeno -ekonomskih skupin. To ima lahko neštete posledice v smislu količine in kakovosti zdravstvenega varstva, ki ga prejemajo ljudje v teh skupinah.

Rasna pristranskost prizadene najbolj bolne bolnike

Leta 2019 se je pokazalo, da študija algoritma, ki ga ameriške bolnišnice in zavarovalnice pogosto uporabljajo za dodelitev dodatne pomoči pri upravljanju zdravja, sistematično diskriminira črnce.Orodje za odločanje je manj verjetno napotilo črnce kot belce na programe oskrbe za kompleksne zdravstvene potrebe, ko sta bili obe rasni skupini enako bolni.

Glavni razlog za pristranskost je bil povezan z dodelitvijo algoritma ocen tveganja pacientom na podlagi zdravstvenih stroškov njihovega prejšnjega leta. Predpostavka je bila, da bi identifikacija bolnikov z višjimi stroški identificirala tiste z največjimi zdravstvenimi potrebami.^ Vendar imajo številni temnopolti bolniki manj dostopa do, manj zmožnosti plačevanja in manj zaupanja v zdravstveno oskrbo kot belci, ki so enako bolni. V tem primeru njihovi nižji zdravstveni stroški niso natančno napovedali njihovega zdravstvenega stanja.

Programi za oskrbo uporabljajo pristop z velikim dotikom, kot so telefonski klici, obiski medicinskih sester na domu in dajanje prednostnih sestankov pri zdravniku, da bi rešili kompleksne potrebe najbolejših bolnikov. Pokazalo se je, da programi izboljšujejo rezultate, zmanjšujejo obiske urgence in hospitalizacije ter zmanjšujejo zdravstvene stroške. Ker so programi sami dragi, so dodeljeni ljudem z najvišjimi ocenami tveganja. Tehnike točkovanja, ki diskriminirajo najbolj bolne temnopolte bolnike za to oskrbo, so lahko pomemben dejavnik pri njihovem povečanem tveganju smrti zaradi številnih bolezni.

Rasa kot spremenljivka pri ledvični bolezni

Algoritmi lahko vsebujejo pristranskost, ne da bi kot spremenljivko vključili raso, vendar nekatera orodja namerno uporabljajo raso kot merilo. Vzemite oceno eGFR, ki ocenjuje zdravje ledvic in se uporablja za ugotavljanje, kdo potrebuje presaditev ledvice. V študiji iz leta 1999, ki je določila merila za oceno eGFR, so raziskovalci opazili, da imajo črnci v povprečju višje ravni kreatinina (stranski produkt razpada mišic) kot beli ljudje. Znanstveniki so domnevali, da so višje ravni posledica večje mišične mase pri črncih. Zato so prilagodili točkovanje, kar je v bistvu pomenilo, da morajo imeti temnopolti ljudje nižjo oceno eGFR kot belci, da jim lahko diagnosticirajo končno ledvično bolezen. Zaradi tega so morali črnci počakati, da njihova ledvična bolezen postane hujša, da bi se lahko kvalificirali za zdravljenje.

Pred kratkim je študent medicine in javnega zdravja na Medicinski fakulteti Univerze v Washingtonu leta Seattle je opazil, da rezultati eGFR niso bili natančni za diagnosticiranje resnosti ledvične bolezni v črni barvi bolnikov. Borila se je, da je dirka odstranjena iz algoritma, in zmagala. UW Medicine se je strinjalo, da je rasa neučinkovita spremenljivka in ne ustreza znanstveni strogosti v medicinskih diagnostičnih orodjih.

Indeks telesne mase in pristranskost

Tudi najpreprostejše medicinsko orodje za odločanje, ki ne vključuje rase, lahko odraža družbeno pristranskost. Indeks telesne mase (ITM) na primer temelji na izračunu, ki težo pomnoži z višino. Uporablja se za prepoznavanje bolnikov s prekomerno telesno težo in debelostjo.

Leta 1985 je Nacionalni inštitut za zdravje opredelitev debelosti povezal z ITM posameznika, leta 1998 pa je strokovna skupina uvedla smernice na podlagi BMI, ki je 29 milijonov Američanov, ki so bili prej razvrščeni kot normalna teža ali samo s prekomerno telesno težo, premaknilo v prekomerno telesno težo in debelost kategorije.Po standardih ITM je večina temnopoltih, latinskoameriških in belih ljudi s prekomerno telesno težo ali debelostjo. Delež debelosti v letu 2018 je približno enak za temnopolte, latinoameriške in bele moške (od 31,2% do 34,2%). Toda odstotki žensk, ki jih BMI označuje za debele, so: 

• 44.2%-Črna
• 35.4%- špansko
• 28.7%- belo

Vzdušje sramotenja in nezaupanja

Blagovna znamka tako velikega odstotka prebivalstva, kot sta prekomerna telesna teža ali debelost, je ustvarila ozračje sramotenja in nezaupanja med pacienti in zdravniki. Ljudje z višjo težo se pritožujejo, da zdravniki ne obravnavajo zdravstvenih težav ali skrbi, zaradi katerih so prišli na pregled. Namesto tega zdravniki za zdravstvene težave krivijo pacientovo težo in kot rešitev zagovarjajo hujšanje. To prispeva k temu, da se temnopolti in latinskoameriški bolniki izogibajo zdravnikom in tako morda zamujajo priložnosti za preprečevanje težav ali njihovo zgodnje odkrivanje.

Poleg tega postaja vse bolj jasno, da prekomerna telesna teža ali debelost nista vedno zdravstveni problem. Stopnje nekaterih resnih stanj, kot so hospitalizacija zaradi COVID-19, visok krvni tlak, bolezni srca, možganska kap, sladkorna bolezen tipa 2 in druge bolezni, so višje pri debelih.^  Toda za druga stanja - na primer okrevanje po hudih poškodbah, raku in operaciji srca - imajo ljudje z višjo telesno težo boljše stopnje preživetja.  

Nove, izboljšane kanadske smernice

Dejansko nove smernice za debelost za kanadske zdravnike, objavljene avgusta 2020, poudarjajo, da bi se morali zdravniki pri diagnozi bolnikov nehati zanašati samo na ITM. Ljudem je treba v skladu z novimi smernicami diagnosticirati debelost le, če njihova telesna teža vpliva na njihovo telesno zdravje ali duševno počutje. Zdravljenje mora biti celostno in ne sme biti usmerjeno le v hujšanje. Smernice prav tako ugotavljajo: "Ljudje, ki živijo z debelostjo, se soočajo s precejšnjo pristranskostjo in stigmo, ki prispevata k povečani obolevnosti in umrljivosti, neodvisno od teže ali indeksa telesne mase."

Zmanjšanje pristranskosti v orodjih za odločanje

Medicinski algoritmi niso edini tip algoritma, ki je lahko pristranski. Leta 2018 je na primer Amazon prenehal uporabljati orodje za zaposlovanje, ki je pokazalo pristranskost do žensk. Orodje, ki je analiziralo 10 -letne podatke o zaposlovanju v obdobju, ko je Amazon pretežno zaposloval moške, se je s to zgodovino naučilo, da ima raje kandidate za moške.

Strojno učenje se v zdravstvu pogosto opira na elektronske zdravstvene kartoteke. Revni in manjšinski bolniki lahko dobijo zlomljeno oskrbo in jih obiščejo v več ustanovah. Bolj verjetno jih je videti v učnih ambulantah, kjer so lahko vnos podatkov ali klinično sklepanje manj natančni. Pacienti morda ne bodo mogli dostopati do spletnih portalov pacientov in dokumentirati izidov. Posledično so v zapisih teh bolnikov morda manjkajoči ali napačni podatki. Algoritmi, ki poganjajo strojno učenje, lahko tako izključijo revne in manjšinske bolnike iz podatkovnih nizov in potrebne oskrbe.

Dobra novica je, da se je zavedanje o pristranskosti v zdravstvenih algoritmih v zadnjih nekaj letih povečalo. Vnos podatkov in rezultati se preverjajo glede na rasno, etnično, dohodkovno, spolno in starostno pristranskost. Ko se odkrijejo razlike, je mogoče algoritme in niz podatkov spremeniti v smeri boljše objektivnosti.