幾十年來，用於診斷疾病的臨床演算法都將種族作為一個變數。在過去的幾年裡，人們越來越認識到，這可能導致某些種族群體完全漏診或治療不足，因此一些醫生和研究人員開始推動從這些演算法中刪除種族因素。但是，醫療系統的變革進展緩慢，部分原因是臨床醫生並不完全瞭解改變對其工作至關重要的演算法會產生什麼影響。
發表在《新英格蘭醫學雜誌》上的一項新分析估計了從肺量測定法（一種用於測量肺功能的測試）中移除種族因素的影響。從歷史上看，美國的醫生認為黑人的肺功能較低，因此分析肺量計資料的演算法透過使用不同的標準對此進行了校正。新的研究發現，轉用種族中性公式將導致近五十萬美國黑人的肺病被歸類為更嚴重，並使黑人退伍軍人的殘疾 выплаты 增加超過 10 億美元。
改變如此重要的演算法存在權衡，但總體而言，這項新研究“為從種族調整標準轉向肺功能測試解釋的全球標準提供了良好的支援”，紐約醫學院的肺病學家 Neil Schluger 說，他沒有參與這項研究。
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，您將幫助確保有關塑造我們當今世界的發現和想法的具有影響力的故事的未來。
肺量計是一種測量一個人一次呼吸可以吹出多少空氣的裝置，這是衡量該人肺功能好壞的指標。布朗大學的歷史學家 Lundy Braun 說，這種裝置長期以來一直被用來使種族主義的肺功能觀點合法化，她寫了一本關於這個主題的書。托馬斯·傑斐遜曾經推測，黑人的肺功能與白人不同。因此，Braun 說，當肺量計（在歐洲開發的）首次在美國使用時，這裡的醫生認為他們的測量結果因種族而異。
這種觀點一直持續到今天。但人們越來越認識到，“將種族納入演算法是一個有缺陷的概念，因為它假設了一個人的生物學特徵，即使我們知道種族並不能代表生物學差異，”密歇根大學的普通外科醫生 Sidra Bonner 說。
醫生們一直在努力從大量其他臨床計算中移除種族因素。用於確定心臟病、腎病、認知測試、糖尿病篩查和癌症篩查的演算法過去都使用過種族因素。種族因素已從其中一些措施中移除——最值得注意的是估計腎小球濾過率，或 eGFR，這是衡量一個人腎功能好壞的指標。
以前，eGFR 的計算允許黑人個體的肌酐（腎臟產生的廢物）水平高於白人個體。這導致黑人接受的腎病診斷較少、處方藥劑量較低，以及獲得腎病專家就診和接受腎移植的機會較少，發表了關於肺量測定法新研究的研究人員在早期的調查中發現。糾正這一點相對簡單，因為 eGFR 結果提供了兩個值——一個用於黑人，另一個用於所有人——因此臨床醫生可以只改用後者。
研究人員希望種族變數的類似移除也發生在肺量測定法中，但這種改變可能更難實現。目前，大多數醫生都不知道他們是否正在使用種族校正的肺量測定法演算法，因為測量軟體會自動執行此操作。
“自從那時以來，我們已經瞭解了很多關於導致肺損傷的社會環境因素的不平等分佈，”哈佛醫學院的醫學生、新研究的主要作者 James Diao 說。“除了使用種族因素的許多其他缺點外，這些發現還讓人懷疑將種族差異視為健康或正常的理由。”
2021 年，美國胸科學會和歐洲呼吸學會都表示，在肺功能估計中根據種族進行調整是不合適的。次年，一個名為全球肺功能倡議的組織建立了一個種族中性的肺功能公式。
Diao 及其同事發現，種族中性公式在預測呼吸系統疾病（包括慢性阻塞性肺病、哮喘和其他慢性呼吸系統疾病）方面的準確性與以前的公式相似。研究人員使用來自美國和英國各地超過 30 萬人的資料，將使用舊的、種族意識測試的結果與移除種族因素的新測試進行了比較，然後將這些差異應用於整個美國。對於美國黑人來說，這意味著將呼吸系統疾病重新歸類為更嚴重，並增加殘疾 выплаты 的數量和金額。但這項新研究的作者表示，即使是這些可能影響數百萬人的變化，也無法涵蓋從肺量測定法中移除種族因素的全部影響。
哈佛醫學院生物資訊學助理教授、新研究的資深作者 Arjun Manrai 說：“肺量測定法資料深深地嵌入到呼吸系統評估中，並且還有許多其他受影響的結果是我們無法量化的。”這些包括對人們獲得臨床試驗、保險和某些工作資格的影響。
密歇根大學的肺病學家 Thomas Valley 說：“這項研究強調，我們需要仔細考慮這些變化的後果，因為一旦我們做出這些改變，臨床護理將會改變，人們的經濟利益也將隨之改變。”
但他指出，種族中性計算也存在權衡。例如，根據去年發表的另一項研究，當醫生被呈現使用種族中性或種族校正資料的假設情景時，他們不太可能建議對黑人進行更具侵入性但也更有效的肺腫瘤切除手術，這些黑人具有種族中性的肺功能評分。由於臨床醫生歷來人為地提高了黑人患者的肺量測定法測量值，外科醫生更願意切除更多此類患者的肺。在 2023 年的論文中，使用種族中性評分的外科醫生更傾向於選擇切除較小部分的肺。但在某些情況下，這可能不太能有效地治癒一個人的癌症。這些發現表明，醫生可能需要重新思考如何在治療決策中使用沒有種族校正的肺量測定法資料。
幾位未參與該研究的研究人員一致認為，新發現表明臨床醫生應該放棄在計算中使用種族因素。然而，他們也指出了該領域中更大的問題。人們發現，種族中性公式在預測呼吸系統症狀方面與舊演算法一樣好。但 Valley 說，如果基於種族因素的公式存在缺陷，這可能預示著“也許我們目前使用的方法還不夠好……，也許我們需要更好的方法來評估一個人的呼吸系統症狀有多嚴重”。“這項工作突顯了需要回到繪圖板，以更好地測量肺功能，使其與患者的重要結局相關聯。”