التحيز العنصري في أدوات اتخاذ قرارات الرعاية الطبية

التحيز العنصري في الرعاية الطبية يمكن أن يظهر في أماكن غير متوقعة. مثال واحد: أدوات اتخاذ القرار السريرية التي تلعب دورًا هامًا في كيفية اختبار وتشخيص وعلاج المرضى اليوم.

تحتوي هذه الأدوات على خوارزميات، أو إجراءات خطوة بخطوة، عادةً محوسبة، لحساب عوامل مثل خطر الإصابة بأمراض القلب، الحاجة إلى أشعة صدر، وجرعات الأدوية الموصوفة. يمكن استخدام الذكاء الاصطناعي للبحث في السجلات الصحية وأنظمة الفوترة لإنشاء مجموعات البيانات اللازمة.

على السطح، قد يبدو الأمر موضوعيًا. لكن الدراسات أظهرت أن تحليل البيانات المستخدم في هذه الخوارزميات يمكن أن يكون متحيزًا بشكل حاسم ضد مجموعات عرقية واجتماعية واقتصادية معينة. وهذا يمكن أن يكون له عواقب متعددة من حيث كمية وجودة الرعاية الصحية التي يتلقاها هؤلاء الأشخاص.

النقاط الرئيسية

• تلعب أدوات اتخاذ القرار الطبي دورًا كبيرًا في كيفية اختبار وتشخيص وعلاج المرضى اليوم.
• للأسف، يمكن أن تكون الخوارزميات التي تعتمد عليها هذه الأدوات متحيزة أحيانًا.
• استخدام بيانات الإنفاق الطبي لتقييم حالة الشخص الصحية قد يسيء تقدير شدة مرض المرضى الفقراء والأقليات عندما يعكس الإنفاق المنخفض على الرعاية نقص الوصول إلى الرعاية الطبية بدلاً من نقص الحاجة.
• خوارزمية مؤشر كتلة الجسم (BMI) المستخدمة لتشخيص زيادة الوزن أو السمنة خلقت جوًا من إحراج الوزن وعدم الثقة بين المرضى والأطباء، حيث تم تصنيف المزيد من النساء السود على أنهن يعانين من السمنة مقارنةً بالنساء من أصول إسبانية أو بيضاء.
• بدأ الآن فحص مدخلات البيانات والنتائج للتحقق من وجود تحيز عرقي، إثني، دخل، جنس، وعمر، بحيث يمكن التعرف على الفوارق وتصحيح الخوارزميات.

احصل على إجابات مخصصة مدعومة بالذكاء الاصطناعي مبنية على أكثر من 27 عامًا من الخبرة الموثوقة.

اسأل

التحيز العنصري يؤثر على المرضى الأكثر مرضًا

في عام 2019، أظهرت دراسة أن خوارزمية تستخدم على نطاق واسع من قبل المستشفيات وشركات التأمين الأمريكية لتخصيص المساعدة الإضافية في إدارة الصحة كانت تميز ضد الأشخاص السود بشكل منهجي. كانت أداة القرار أقل احتمالًا في إحالة الأشخاص السود إلى برامج إدارة الرعاية لاحتياجات طبية معقدة مقارنةً بالأشخاص البيض، رغم تساوي حالتهم الصحية.

السبب الأساسي لهذا التحيز كان مرتبطًا بتقييم الخوارزمية لدرجات المخاطر بناءً على تكاليف الرعاية الطبية للسنة السابقة. كانت الفكرة أن تحديد المرضى ذوي التكاليف الأعلى سيحدد من يحتاجون إلى رعاية طبية أكبر. لكن العديد من المرضى السود لديهم وصول أقل، وقدرة أقل على الدفع، وثقة أقل في الرعاية الطبية مقارنةً بالبيض الذين يعانون من نفس الحالة. في هذه الحالة، لم تكن تكاليفهم الطبية المنخفضة تعكس حالتهم الصحية بدقة.

تستخدم برامج إدارة الرعاية نهجًا مكثفًا، مثل المكالمات الهاتفية، الزيارات المنزلية من قبل ممرضات، وإعطاء الأولوية للمواعيد مع الأطباء لمعالجة احتياجات المرضى الأكثر مرضًا. أظهرت الدراسات أن هذه البرامج تحسن النتائج، وتقلل من زيارات الطوارئ، وتقليل التكاليف الطبية. نظرًا لأن البرامج نفسها مكلفة، فهي تُخصص للأشخاص ذوي درجات المخاطر الأعلى. قد يكون استخدام تقنيات التقييم التي تميز ضد المرضى السود الأكثر مرضًا سببًا رئيسيًا في زيادة خطر وفاتهم من العديد من الأمراض.

العرق كمتغير في مرض الكلى

يمكن أن تحتوي الخوارزميات على تحيز دون أن تتضمن العرق كمتغير، لكن بعض الأدوات تستخدم العرق عمدًا كمعيار. خذ على سبيل المثال درجة eGFR، التي تقيم صحة الكلى وتستخدم لتحديد من يحتاج إلى زراعة كلية.

في دراسة عام 1999 وضعت معايير لدرجة eGFR، لاحظ الباحثون أن الأشخاص السود لديهم، في المتوسط، مستويات أعلى من الكرياتينين (ناتج تحلل العضلات) مقارنةً بالبيض. افترض العلماء أن المستويات الأعلى تعود إلى زيادة كتلة العضلات لدى السود. لذلك، عدلوا التقييم، مما يعني أن السود يجب أن يكون لديهم درجة eGFR أقل من البيض لتشخيصهم بمرض الكلى النهائي. ونتيجة لذلك، كان على السود الانتظار حتى تصل حالتهم إلى مرحلة أكثر حدة من المرض ليكونوا مؤهلين للعلاج.

في عام 2018، لاحظت طالبة طب وصحة عامة في جامعة واشنطن في سياتل أن درجات eGFR لم تكن دقيقة في تشخيص شدة مرض الكلى لدى المرضى السود. ناضلت لإزالة العرق من الخوارزمية وفازت. في عام 2020، وافقت جامعة واشنطن على أن استخدام العرق كان متغيرًا غير فعال ولا يفي بالصرامة العلمية في أدوات التشخيص الطبي.

مهم

في عام 2021، أوصت فرقة عمل مشتركة من مؤسسة الكلى الوطنية والجمعية الأمريكية لعلم الكلى باعتماد معادلة eGFR الجديدة لعام 2021 CKD EPI التي تقدر وظيفة الكلى بدون استخدام العرق كمتغير.

مؤشر كتلة الجسم والتحيز العنصري

حتى أبسط أدوات اتخاذ القرار الطبي التي لا تتضمن العرق يمكن أن تعكس تحيزًا اجتماعيًا. على سبيل المثال، مؤشر كتلة الجسم (BMI) يعتمد على حساب يضرب الوزن في الطول. يُستخدم لتحديد نقص الوزن، زيادة الوزن، والسمنة.

في عام 1985، ربط المعهد الوطني للصحة تعريف السمنة بمؤشر كتلة الجسم للفرد، وفي عام 1998، وضعت لجنة خبراء إرشادات تعتمد على BMI حولت 29 مليون أمريكي كانوا سابقًا يُصنفون على أنهم ذوو وزن طبيعي أو وزن زائد بسيط إلى فئة الوزن الزائد والسمنة.

اليوم، وفقًا لمعايير BMI، فإن غالبية السود، والأشخاص من أصل إسباني، والبيض يُصنفون على أنهم يعانون من زيادة الوزن أو السمنة. لكن تقريرًا من مراكز السيطرة على الأمراض والوقاية منها (CDC) لعام 2021 وجد أن نسبة الأمريكيين الذين يمكن تصنيفهم على أنهم يعانون من السمنة تختلف حسب العرق أو المجموعة الإثنية.

وفقًا لمراكز السيطرة على الأمراض، كانت النسب بين البالغين بشكل عام:

• غير إسباني أسود: 49.9%
• إسباني: 45.6%
• غير إسباني أبيض: 41.4%
• غير إسباني آسيوي: 16.1%

عند تصنيف النساء البالغات على أنهن يعانين من السمنة، تظهر الفروقات بشكل أكثر وضوحًا:

• غير إسباني أسود: 57.9%
• إسباني: 45.7%
• غير إسباني أبيض: 39.6%
• غير إسباني آسيوي: 14.5%

تصنيف نسب كبيرة من السكان على أنهن يعانين من زيادة الوزن أو السمنة خلق جوًا من إحراج الوزن وعدم الثقة بين المرضى والأطباء. يشتكي الأشخاص ذوو الوزن الأعلى من أن الأطباء لا يعالجون المشاكل الصحية أو المخاوف التي دفعتهم للفحص. بدلاً من ذلك، يلوم الأطباء وزن المريض على مشاكله الصحية ويدفعون نحو فقدان الوزن كحل. هذا يؤدي إلى تجنب العديد من المرضى السود والأشخاص من أصل إسباني لمقدمي الرعاية الصحية، وربما يفوتون فرصًا للوقاية أو الكشف المبكر عن المشاكل.

علاوة على ذلك، يتضح بشكل متزايد أن زيادة الوزن أو السمنة ليست دائمًا مشكلة صحية. معدلات بعض الحالات الخطيرة، مثل أمراض القلب، السكتة الدماغية، داء السكري من النوع 2، وأنواع معينة من السرطان، أعلى بين الأشخاص الذين يعانون من السمنة. لكن في حالات معينة، مثل التعافي بعد جراحة القلب، فإن زيادة الوزن أو السمنة المعتدلة (وليس السمنة المفرطة) مرتبطة بمعدلات بقاء أفضل.

تؤكد إرشادات السمنة الجديدة للأطباء الكنديين، المنشورة في أغسطس 2020، على ضرورة توقف الأطباء عن الاعتماد فقط على مؤشر كتلة الجسم في تشخيص المرضى. يجب أن يُشخص الأشخاص بالسمنة فقط إذا كان وزن جسمهم يؤثر على صحتهم الجسدية أو النفسية، وفقًا للإرشادات الجديدة. ويجب أن يكون العلاج شاملاً وليس فقط يركز على فقدان الوزن. وتلاحظ الإرشادات أيضًا أن “الأشخاص الذين يعانون من السمنة يواجهون تحيزًا ووصمة اجتماعية كبيرة، تساهم في زيادة الأمراض والوفيات بشكل مستقل عن الوزن أو مؤشر كتلة الجسم.”

قد يُستبدل النظر في مؤشر كتلة الجسم بقياسات أخرى، مثل محيط الخصر. وقد يُعاد تعريف السمنة نفسها. في يناير 2025، اقترح مجموعة من 58 باحثًا تعريفًا جديدًا يركز على الدهون الزائدة وتأثيرها على الصحة بدلاً من BMI. اقترحوا فئتين للسمنة: قبل سريري، عندما يكون لدى الشخص دهون زائدة لكن أعضاؤه تعمل بشكل طبيعي، وسريرية، عندما تضر الدهون الزائدة الأنسجة والأعضاء.

تقليل التحيز في أدوات اتخاذ القرار

ليست الخوارزميات الطبية هي الوحيدة التي يمكن أن تكون متحيزة. كما أشار مقال في The New England Journal of Medicine عام 2020، “هذه المشكلة ليست حصرية على الطب. فالنظام القضائي الجنائي، على سبيل المثال، يستخدم أدوات التنبؤ بالتكرار لتوجيه قرارات تحديد مبلغ الكفالة والأحكام بالسجن.” وقال المؤلفون إن أداة واحدة واسعة الاستخدام، “رغم أنها لا تستخدم العرق بشكل مباشر، إلا أنها تعتمد على عوامل كثيرة تتعلق بالعرق وتعيد درجات مخاطر أعلى للمحكوم عليهم السود.”

استخدام الذكاء الاصطناعي بشكل متزايد — خاصة التعلم الآلي — أثار أيضًا أسئلة حول التحيز بناءً على العرق، الحالة الاجتماعية والاقتصادية، وعوامل أخرى. في الرعاية الصحية، غالبًا ما يعتمد التعلم الآلي على السجلات الصحية الإلكترونية. قد يتلقى المرضى الفقراء والأقليات رعاية غير متماسكة ويُشاهدون في مؤسسات متعددة. هم أكثر عرضة للزيارة في عيادات التعليم حيث قد تكون إدخال البيانات أو التفكير السريري أقل دقة. وقد لا يتمكنون من الوصول إلى بوابات المرضى عبر الإنترنت وتوثيق النتائج. ونتيجة لذلك، قد تحتوي سجلات هؤلاء المرضى على بيانات مفقودة أو خاطئة. لذلك، قد تتسبب الخوارزميات التي تدير التعلم الآلي في استبعاد المرضى الفقراء والأقليات من مجموعات البيانات ومن الرعاية اللازمة.

الخبر السار هو أن الوعي بالتحيزات في خوارزميات الرعاية الصحية قد زاد خلال السنوات القليلة الماضية. يتم الآن فحص مدخلات البيانات والنتائج للتحقق من وجود تحيز عرقي، إثني، دخل، جنس، وعمر. تعترف جمعيات التخصصات الطبية في الولايات المتحدة بالأضرار التي يسببها الطب المبني على العرق وتتحرك نحو إنهاء اعتبار العرق في الخوارزميات السريرية. وعندما يتم التعرف على الفوارق، يمكن تعديل الخوارزميات ومجموعات البيانات لتحقيق موضوعية أفضل.

ما هو الخوارزمية؟

لا توجد تعريفات قانونية أو علمية موحدة للخوارزمية، لكن المعهد الوطني للمقاييس والتقنية يصفها بأنها “عملية حسابية محددة بوضوح؛ مجموعة من القواعد التي، إذا اتبعت، ستعطي نتيجة محددة.”

ما هو مثال على الخوارزمية؟

بأوسع معانيها، الخوارزمية ببساطة هي عملية خطوة بخطوة للإجابة على سؤال أو لتحقيق نتيجة مرغوبة. على سبيل المثال، وصفة الكعكة نوع من الخوارزمية. في عالم التمويل، نظام التداول الآلي هو مثال.

ما هو التعلم الآلي؟

تعرف شركة IBM، الرائدة في المجال، التعلم الآلي بأنه “الجزء من الذكاء الاصطناعي (AI) الذي يركز على الخوارزميات التي يمكنها ‘تعلم’ أنماط بيانات التدريب، ومن ثم إجراء استنتاجات دقيقة حول بيانات جديدة.”

الخلاصة

على الرغم من مظهرها الموضوعي غير العاطفي، فإن الخوارزميات التي يستخدمها المهنيون الطبيون لاتخاذ قرارات معينة قد تكون عرضة للتحيز بناءً على العرق، الطبقة الاجتماعية، وعوامل أخرى. لذلك، لا يمكن الاعتماد على الخوارزميات على أنها موثوقة بشكل أعمى، بل يجب أن تخضع لتحليل دقيق. كما أشار مقال في MIT Technology Review عام 2021، “مصطلح ‘خوارزمية’، مهما كانت تعريفاته، لا ينبغي أن يكون درعًا يعفي البشر الذين صمموها ونشروها من المسؤولية عن نتائج استخدامها.”