Sự thiên vị của thuật toán chăm sóc sức khỏe làm tổn thương người da đen một cách không cân xứng – Tin mới nhất.

Tin tức khoa học chủ đề Sự thiên vị của thuật toán chăm sóc sức khỏe làm tổn thương người da đen một cách không cân xứng
tại website Blogradio.org | Tin mới cập nhật hôm nay.

Sự thiên vị của thuật toán chăm sóc sức khỏe làm tổn thương người da đen một cách không cân xứng
tin được nhiều người quan tâm.

Một nghiên cứu cho thấy, một thuật toán được sử dụng rộng rãi giúp các bệnh viện xác định những bệnh nhân có nguy cơ cao có thể được hưởng lợi nhiều nhất từ ​​việc tiếp cận các chương trình chăm sóc sức khỏe đặc biệt.

Loại bỏ thành kiến ​​chủng tộc trong thuật toán đó có thể tăng hơn gấp đôi tỷ lệ bệnh nhân da đen đủ điều kiện tự động cho các chương trình chuyên biệt nhằm mục đích giảm các biến chứng từ các vấn đề sức khỏe mãn tính, chẳng hạn như bệnh tiểu đường, thiếu máu và huyết áp cao, các nhà nghiên cứu báo cáo vào ngày 25 tháng 10 Khoa học.

Nghiên cứu này “chỉ ra cách một khi bạn bẻ khóa thuật toán và hiểu được nguồn gốc của sự sai lệch cũng như cơ chế hoạt động của nó, bạn có thể sửa lỗi cho nó,” nhà sinh học David Magnus của Đại học Stanford, người không tham gia nghiên cứu, cho biết.

Để xác định bệnh nhân nào nên được chăm sóc thêm, các hệ thống chăm sóc sức khỏe trong thập kỷ qua đã dựa vào các thuật toán học máy, nghiên cứu các ví dụ trong quá khứ và xác định các mẫu để tìm hiểu cách hoàn thành nhiệm vụ.

10 thuật toán chăm sóc sức khỏe hàng đầu trên thị trường – bao gồm Impact Pro, thuật toán được phân tích trong nghiên cứu – sử dụng chi phí y tế trong quá khứ của bệnh nhân để dự đoán chi phí trong tương lai. Chi phí dự đoán được sử dụng làm đại lượng cho nhu cầu chăm sóc sức khỏe, nhưng chi tiêu có thể không phải là thước đo chính xác nhất. Nghiên cứu cho thấy rằng ngay cả khi bệnh nhân da đen bị bệnh tương đương hoặc ốm nặng hơn bệnh nhân da trắng, họ chi tiêu ít hơn cho việc chăm sóc sức khỏe, bao gồm thăm khám bác sĩ và mua thuốc theo toa. Các nhà nghiên cứu cho biết, sự chênh lệch đó tồn tại vì nhiều lý do, bao gồm khả năng tiếp cận dịch vụ y tế không bình đẳng và sự mất lòng tin trong lịch sử giữa người da đen đối với các nhà cung cấp dịch vụ chăm sóc sức khỏe. Sự ngờ vực đó một phần bắt nguồn từ các sự kiện như thí nghiệm Tuskegee (SN: 3/1/75), trong đó hàng trăm người đàn ông da đen mắc bệnh giang mai đã bị từ chối điều trị trong nhiều thập kỷ.

Do chỉ số bị lỗi này, “những người sai đang được ưu tiên cho những [health care] đồng tác giả nghiên cứu Ziad Obermeyer, một chuyên gia về chính sách y tế và học máy tại Đại học California, Berkeley, cho biết.

Mối quan tâm về sự sai lệch trong các thuật toán học máy – hiện đang giúp chẩn đoán bệnh tật và dự đoán hoạt động tội phạm, trong số các nhiệm vụ khác – không phải là mới (SN: 9/6/17). Nhưng việc cô lập các nguồn sai lệch đã tỏ ra khó khăn vì các nhà nghiên cứu hiếm khi có quyền truy cập vào dữ liệu được sử dụng để đào tạo các thuật toán.

Tuy nhiên, Obermeyer và các đồng nghiệp đã làm việc trong một dự án khác với một bệnh viện hàn lâm (mà các nhà nghiên cứu từ chối đặt tên) sử dụng Impact Pro và nhận ra rằng dữ liệu được sử dụng để bắt đầu và chạy thuật toán đó có sẵn trên các máy chủ của bệnh viện.

Vì vậy, nhóm nghiên cứu đã phân tích dữ liệu về bệnh nhân có bác sĩ chăm sóc chính tại bệnh viện đó từ năm 2013 đến năm 2015 và phóng to 43.539 bệnh nhân tự nhận là da trắng và 6.079 bệnh nhân tự nhận là da đen. Thuật toán đã cho tất cả bệnh nhân, những người được bảo hiểm thông qua bảo hiểm tư nhân hoặc Medicare, một điểm rủi ro dựa trên chi phí chăm sóc sức khỏe trong quá khứ.

Về lý thuyết, những bệnh nhân có cùng điểm số nguy cơ sẽ bị bệnh như nhau. Nhưng các nhà nghiên cứu phát hiện ra rằng, trong mẫu bệnh nhân da đen và da trắng, bệnh nhân da đen có cùng điểm số nguy cơ với bệnh nhân da trắng trung bình mắc nhiều bệnh mãn tính hơn. Ví dụ, đối với điểm rủi ro vượt qua phân vị thứ 97, điểm mà bệnh nhân sẽ được tự động xác định để đăng ký vào các chương trình chuyên biệt, bệnh nhân da đen mắc bệnh mãn tính nhiều hơn bệnh nhân da trắng 26,3% – hoặc trung bình là 4,8 bệnh mãn tính so với bệnh nhân da trắng ‘3,8. Ít hơn 1/5 bệnh nhân trên phân vị thứ 97 là người da đen.

Obermeyer ví sự đánh giá thiên vị của thuật toán với những bệnh nhân đang xếp hàng chờ vào chương trình chuyên biệt. Mọi người xếp hàng theo điểm rủi ro của họ. Nhưng “vì sự thiên vị”, ông nói, “những bệnh nhân da trắng khỏe mạnh hơn được xếp hàng trước những bệnh nhân da đen, mặc dù những bệnh nhân da đen đó tiếp tục ốm hơn”.

Khi nhóm của Obermeyer xếp hạng bệnh nhân theo số bệnh mãn tính thay vì chi tiêu cho chăm sóc sức khỏe, bệnh nhân da đen đã giảm từ 17,7% bệnh nhân trên phân vị thứ 97 xuống 46,5%.

Nhóm của Obermeyer đang hợp tác với Optum, nhà sản xuất Impact Pro, để cải thiện thuật toán. Công ty đã độc lập sao chép phân tích mới và so sánh các vấn đề sức khỏe mãn tính giữa bệnh nhân da đen và da trắng trong một tập dữ liệu quốc gia về gần 3,7 triệu người được bảo hiểm. Trên các điểm số nguy cơ, bệnh nhân da đen có gần 50.000 bệnh mãn tính hơn bệnh nhân da trắng, bằng chứng về sự thành kiến ​​chủng tộc. Việc đào tạo lại thuật toán dựa trên cả chi phí chăm sóc sức khỏe trong quá khứ và các số liệu khác, bao gồm cả các tình trạng bệnh hiện có, đã giảm 84% sự chênh lệch về tình trạng sức khỏe mãn tính giữa bệnh nhân da đen và da trắng ở mỗi điểm số nguy cơ.

Suchi Saria, một nhà nghiên cứu chăm sóc sức khỏe và học máy tại Đại học Johns Hopkins cho biết: Vì cơ sở hạ tầng cho các chương trình chuyên biệt đã có sẵn, nghiên cứu này chứng minh rằng việc sửa chữa các thuật toán chăm sóc sức khỏe có thể nhanh chóng kết nối những bệnh nhân cần thiết nhất với chương trình. “Trong một khoảng thời gian ngắn, bạn có thể loại bỏ sự chênh lệch này.”


Vậy là bạn đã có thêm nhiều thông tin về chủ đề Sự thiên vị của thuật toán chăm sóc sức khỏe làm tổn thương người da đen một cách không cân xứng
rồi nhé. Blogradio tin rằng bạn đã có nhiều kiến thức khoa học hữu ích rồi. Ngoài đọc bài viết này bạn có thể xem thêm nhiều tin tức khoa học – Công nghệ khác tại đây nhé: Xem tại đây.

Sự thiên vị của thuật toán chăm sóc sức khỏe làm tổn thương người da đen một cách không cân xứng

Từ khoá liên quan đến chủ đề Sự thiên vị của thuật toán chăm sóc sức khỏe làm tổn thương người da đen một cách không cân xứng

#Sự #thiên #vị #của #thuật #toán #chăm #sóc #sức #khỏe #làm #tổn #thương #người #đen #một #cách #không #cân #xứng.

Chân thành cảm ơn bạn đã đồng hành cùng Blogradio.

Nguồn: www.sciencenews.org

READ  Karaoke VĂN THIÊN TƯỜNG - XẾ XẢNG - KÉP - Tin khoa học mới nhất

Trả lời

Email của bạn sẽ không được hiển thị công khai.