醫學在種族之間存在關於生物學差異的錯誤信念方面有著悠久的歷史。今天，這種意識形態繼續存在於診斷演算法和實踐指南中，這些演算法和指南是根據患者的種族進行調整的——並且經常導致非白人患者的醫療保健方面進一步的不平等。現在，學生們正在努力改變這些做法，並取得了一些成功的成果。今年夏天，華盛頓大學醫學院宣佈，其醫療中心將不再在一種稱為估計腎小球濾過率或eGFR的腎功能指標中使用種族。
為了確定腎臟健康狀況，醫生首先測量血液中肌酐水平等因素，肌酐是肌肉分解的副產品。（由於衰竭的腎臟更難濾除肌酐，因此高水平表明腎臟系統存在問題。）醫生使用一個公式將這些資訊組合成 eGFR 評分。完全健康的腎臟得分高於 60 分，而衰竭的腎臟得分低於 15 分。第一個輕鬆計算 eGFR 的公式（無需收集和分析患者尿液的額外步驟）是透過 1999 年一項有 1628 名參與者的研究開發的。研究人員注意到，黑人參與者的平均肌酐水平高於白人。這可能是因為更高比例的黑人研究參與者可能已經患有終末期腎病。但該研究反而假設黑人比白人擁有更高的肌肉質量，因此肌酐水平更高。為了防止這些據稱升高的肌酐水平扭曲測試結果，研究人員將黑人的 eGFR 評分乘以 1.2 的係數。十年後，一項更大規模的研究促成了更準確的 eGFR 方程的開發，稱為慢性腎臟病流行病學合作 (CKD-EPI)——但它仍然包含針對黑人患者的校正係數。
支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道 訂閱。透過購買訂閱，您正在幫助確保有關塑造我們今天世界的發現和想法的有影響力的故事的未來。
這可能會產生致命的後果。為了獲得腎移植資格，患者的 eGFR 評分必須足夠低，才能被認為是終末期腎病。由於黑人的評分因校正係數而被提高，他們可能必須等到腎病達到更晚期、更嚴重的階段，才有資格接受治療。
意識到這種差距，華盛頓大學醫學和公共衛生專業的學生內奧米·恩金西 (Naomi Nkinsi) 奮鬥了兩年，將種族從公式中剔除——並取得了勝利。現在，華盛頓大學系統將使用 CKD-EPI 方程計算 eGFR，但不進行任何種族校正。該大學最近還成立了一個華盛頓大學醫學醫療公平辦公室，它表示該辦公室“提供了確定短期和長期目標的機會”。
華盛頓大學醫學在其新政策的公告中宣告，“做出這一改變是因為在生物醫學環境中使用種族是一個無效的變數，並且不符合我們對診斷工具的科學嚴謹性的期望。” 《大眾科學》與恩金西談論了為什麼這種改變是必要的，以及她是如何努力實現這一改變的。
[以下是採訪的編輯後的文字記錄。]
從 eGFR 評分中刪除種族因素的目標是什麼？
我們試圖揭示的更大的問題之一是，在這個國家，黑人更有可能在後期被診斷出患有腎臟疾病，並且不太可能獲得移植等治療。其中一個原因是 eGFR 測量在疾病發展到後期之前一直在掩蓋疾病。我們並不是說我們希望人們實踐色盲醫學；我們希望他們實踐反種族主義醫學。而 [eGFR] 中包含種族變數之所以存在問題，是因為它被用作肌肉質量的替代指標。
美國各地的醫學院都在教授這項測試。您是如何最終改變它的？
這真的是一個團隊的努力，始於直言不諱。到那時，我已經看到太多次種族，尤其是黑人種族，被認為是風險因素——不知何故，你的膚色與你所有的生理機能聯絡在一起。我坐在教室裡，是五個黑人中的一個，我記得當時想，這不僅僅是一個理論討論：每個測量腎功能的人都會將種族納入該演算法中。那時我開始問更多的問題。談話變得相當激烈，他們真的無法解釋在這些公式中使用種族的邏輯。從那裡，我與 [課程] 單元的主任會面……討論了為什麼我認為這是一個重要的主題，需要在健康差距和基於種族的醫學的背景下進一步審查。然後，所有不同的部門都聚集在一起……研究了 [從測試中刪除種族] 在我們的醫療保健系統中是否可行——並發現它是可行的。他們特別讚揚學生是真正促成這一改變的人。
當我聽到這個訊息時，我完全震驚了，因為我完全期望什麼都不會發生。過去兩年，有時感覺很糟糕，但這是值得的——而且它可以永遠改變我們實踐醫學的方式。國家腎臟基金會正在成立一個全面的工作組，討論是否應該更改國家建議。它正在引起很多非常好的討論，並有望促使人們重新考慮考慮種族的不同演算法。
是什麼讓您決定為變革而戰？
這很重要，因為它影響了如此多的患者。這 [也] 非常私人的——你談論的是我的身體，你談論的是我家人的身體。當我意識到 [醫生] 對待黑人的方式與我們在醫學中看到的對待其他人的方式如此不同時，我怎麼能相信……[我們] 得到了最好的照顧？如果你說出來，你就是一個憤怒的、不專業的黑人。如果你不說出來，你會覺得你辜負了社群。
您會對希望在自己的學校做您所做的事情的醫學生提出什麼建議？
我們必須記住，我們的許多教育工作者從事醫學工作已經很久了，他們以某種方式學習事物，並且隨著時間的推移根深蒂固。讓學生進來，你能夠從不同的角度看待事物，尤其是在我們現在更加意識到健康不平等的情況下。您應該瞭解為什麼存在這些差距，以及醫學史，以及為什麼我們在許多演算法中使用種族。