Раса и этническая принадлежность в алгоритмах риска рецидива колоректального рака?

Опуская расу и этническую принадлежность из колоректальный рак Новые исследования показывают, что модели прогнозирования риска рецидива (CRC) могут снизить их точность и справедливость, особенно для групп меньшинств, что может привести к ненадлежащим рекомендациям по уходу и способствовать существующим различиям в состоянии здоровья.

«Наше исследование имеет важные последствия для разработки клинических алгоритмов, которые являются одновременно точными и справедливыми», — пишут первый автор Сара Хор, магистр наук из Вашингтонского университета в Сиэтле, и ее коллеги.

«Многие группы призвали к удалению расы из клинических алгоритмов», — сказал Хор. Медицинские новости Medscape. «Мы хотели лучше понять, используя повторение CRC в качестве примера, какие последствия могут быть, если мы просто удалим расу как предиктор в алгоритме прогнозирования риска».

Их результаты показывают, что это может привести к более высокой расовой предвзятости в точности модели и менее точной оценке риска для групп расовых и этнических меньшинств. Это может привести к неадекватному или неадекватному наблюдению и последующему наблюдению чаще у пациентов, принадлежащих к меньшинствам расовых и этнических групп.

Исследование было опубликовано онлайн 15 июня в Сеть JAMA открыта.

Отсутствие данных и консенсуса

Авторы отмечают, что в настоящее время нет единого мнения о том, следует ли и каким образом включать расу и этническую принадлежность в модели прогнозирования клинического риска, используемые для принятия решений в области здравоохранения.

Включение расы и этнической принадлежности в алгоритмы прогнозирования клинического риска стало предметом повышенного внимания из-за опасений по поводу возможности расового профилирования и предвзятого лечения. С другой стороны, некоторые утверждают, что исключение расы и этнической принадлежности может нанести ущерб всем группам, снизив точность прогнозов, и особенно поставит в невыгодное положение группы меньшинств.

Тем не менее, остается неясным, улучшит ли в конечном счете принятие решений о лечении пациентов, принадлежащих к меньшинствам расовых и этнических групп, простое исключение расы и этнической принадлежности из алгоритмов.

Хор и его коллеги исследовали эффективность четырех моделей прогнозирования риска рецидива колоректального рака, используя данные 4230 пациентов с колоректальным раком (53% неиспаноязычных белых, 22% латиноамериканцев, 13% чернокожих или афроамериканцев и 12% выходцев из Азии, Гавайев или жителей островов Тихого океана). ).

Этими четырьмя моделями были: (1) расово-нейтральная модель, которая явно исключала расу и этническую принадлежность в качестве предиктора; (2) расово-чувствительная модель, включающая расу и этническую принадлежность; (3) модель с двусторонним взаимодействием между клиническими предикторами, расой и этнической принадлежностью; и (4) отдельные модели, стратифицированные по расовому и этническому признаку.

Они обнаружили, что расово-нейтральная модель имела худшие характеристики (худшая калибровка, отрицательная прогностическая ценность и частота ложноотрицательных результатов) среди подгрупп расовых и этнических меньшинств по сравнению с неиспаноязычными белыми. Частота ложноотрицательных результатов у латиноамериканских пациентов составила 12% против 3% у неиспаноязычных белых пациентов.

И наоборот, включение расы и этнической принадлежности в качестве предикторов послеоперационного рецидива рака повысило точность модели и повысило «алгоритмическую справедливость» с точки зрения наклона калибровки, способности различения, положительной прогностической ценности и частоты ложноотрицательных результатов. Частота ложноотрицательных результатов у латиноамериканских пациентов составила 9 %, а у неиспаноязычных белых пациентов — 8 %.

Авторы добавляют, что включение терминов взаимодействия рас или использование моделей с расовой стратификацией не улучшили справедливость модели, вероятно, из-за небольшого размера выборки в подгруппах.

«Нет универсального ответа»

«Не существует универсального ответа на вопрос, следует ли включать расу/этническую принадлежность, потому что последствия неравенства здоровья, которые могут возникнуть в результате каждого клинического решения, различны», — сказал Хор. Медицинские новости Medscape.

«В каждом случае необходимо тщательно взвешивать последующие вред и преимущества включения или исключения расы», — сказал Хор.

«При разработке алгоритма прогнозирования клинического риска следует учитывать потенциальные расовые/этнические предубеждения, присутствующие в клинической практике, которые приводят к предвзятости в данных», — добавил Хор. «Необходимо тщательно продумать последствия таких предубеждений в процессе разработки и оценки алгоритма, чтобы избежать дальнейшего распространения этих предубеждений».

Соавторы связанный комментарий говорят, что это исследование «подчеркивает текущие проблемы в измерении и устранении алгоритмической предвзятости, что имеет значение как для ухода за пациентами, так и для принятия решений в области здравоохранения».

Анкур Пандья, доктор философии, из Гарвардской школы общественного здравоохранения им. Т. Х. Чана, Бостон, Массачусетс, и Джиньи Чжу, доктор философии, из Медицинской школы Университета Вандербильта, Нэшвилл, Теннесси, согласны с тем, что не существует «универсального решения». — например, постоянное исключение расы и этнической принадлежности из моделей риска — противостояние алгоритмической предвзятости.

«Когда это возможно, подходы к выявлению и реагированию на алгоритмическую предвзятость должны быть сосредоточены на решениях, принимаемых пациентами и политиками, поскольку они связаны с интересующими конечными результатами (такими как продолжительность жизни, качество жизни и затраты) и распределение этих результаты в подгруппах, которые определяют важные различия в состоянии здоровья», — предлагают Пандья и Чжу.

«Что наиболее многообещающе, — пишут они, — это высокий уровень участия исследователей, философов, политиков, врачей и других медицинских работников, лиц, осуществляющих уход, и пациентов в этом деле в последние годы, — предполагая, что алгоритмическая предвзятость не останется неконтролируемой. поскольку доступ к беспрецедентным объемам данных и методов продолжает расширяться».

Это исследование было поддержано грантом Национального института рака Национальных институтов здравоохранения. Авторы и редакторы не раскрыли никаких соответствующих финансовых отношений.

JAMA Сеть открыта. 2023;6(6):e2318495, e2318501. Полный текст, Комментарий

Чтобы узнать больше, следите за новостями Medscape на Фейсбук, Твиттер, Инстаграми YouTube.