Company name: Dynamic Solutions s.r.l.
Address: VIA USODIMARE 3 - 37138 - VERONA (VR) - Italy
E-Mail: [email protected]
- L'eGFR sovrastimava la funzione renale dei pazienti afroamericani.
- 27.000 afroamericani in attesa di un trapianto di rene negli usa.
- Nel 2022, UNOS ha vietato calcoli eGFR basati sulla razza.
## L’ombra del pregiudizio razziale negli algoritmi medici: un’analisi approfondita
Il sistema sanitario, pilastro fondamentale per il benessere della società, si è rivelato in alcuni casi un labirinto di iniquità, dove algoritmi medici, strumenti nati per assistere i professionisti nella diagnosi e cura, hanno paradossalmente perpetuato discriminazioni razziali. La vicenda di Craig Merritt, un paziente afroamericano, è emblematica di questa problematica. Per anni, Merritt ha lottato contro un sistema che, attraverso calcoli medici distorti, ha reso più arduo il suo accesso alla lista d’attesa per un trapianto di rene.
## La distorsione algoritmica: il caso dell’eGFR
L’eGFR, o tasso di filtrazione glomerulare stimato, è un parametro cruciale per valutare la funzionalità renale. Tuttavia, per decenni, un algoritmo basato sulla razza ha sovrastimato la funzione renale dei pazienti afroamericani, ritardando il loro inserimento nella lista d’attesa per il trapianto. Questo significa che, quando finalmente accedevano alla lista, molti erano già in condizioni critiche, compromettendo le loro possibilità di sopravvivenza. Si stima che negli Stati Uniti circa 27.000 afroamericani siano in attesa di un trapianto di rene.
La persistenza di tali algoritmi razzialmente distorti si è protratta per anni, nonostante le evidenze scientifiche ne contestassero la validità. Nel luglio 2022, l’United Network for Organ Sharing (UNOS) ha vietato l’uso di calcoli eGFR basati sulla razza negli ospedali di trapianto. Nel gennaio 2023, UNOS ha imposto a tutti i programmi di trapianto di rivedere le loro liste d’attesa e di modificare i tempi di attesa per i pazienti afroamericani penalizzati dall’eGFR basato sulla razza.
## Radici storiche e implicazioni etiche
La genesi di questi algoritmi risiede in un contesto storico segnato da pregiudizi razziali radicati. L’idea che esistano differenze biologiche intrinseche tra le razze, un concetto screditato dalla scienza, ha alimentato la creazione e l’uso improprio di tali strumenti. Come ha sottolineato David Jones, professore di Cultura della Medicina all’Università di Harvard, l’erronea convinzione che esistano due tipi di esseri umani, bianchi e neri, con differenze biologiche significative, è alla base di questa distorsione.
L’adozione di algoritmi corretti per la razza è stata spesso giustificata come un tentativo di migliorare l’assistenza sanitaria per i pazienti afroamericani, in un’ottica di medicina personalizzata. Tuttavia, questa presunta “attenzione” si è tradotta in un danno concreto, perpetuando disparità e negando a molti pazienti l’accesso tempestivo a cure salvavita.
## Verso un futuro equo: la rimozione delle barriere algoritmiche
La rimozione delle correzioni basate sulla razza dagli algoritmi medici è un passo fondamentale verso un sistema sanitario più equo e inclusivo. Tuttavia, il cambiamento non è immediato. Toni Eyssallenne, vice direttore medico del Dipartimento di Salute e Igiene Mentale di New York City, sottolinea che la modifica di un algoritmo richiede anni di impegno e advocacy.
Nonostante le resistenze e le difficoltà, alcuni ospedali e organizzazioni sanitarie hanno intrapreso un percorso virtuoso. Il Beth Israel Deaconess Medical Center di Boston è stato il primo ospedale a eliminare la correzione razziale dall’eGFR nel 2017. Nel 2021, la National Kidney Foundation e l’American Society of Nephrology Task Force hanno raccomandato di rimuovere la razza dai calcoli dell’eGFR.
## *Oltre l’algoritmo: un imperativo etico per l’automazione sanitaria
La vicenda degli algoritmi medici distorti solleva interrogativi cruciali sull’etica dell’automazione nel settore sanitario. Non è sufficiente sviluppare strumenti efficienti; è imperativo garantire che siano equi, trasparenti e privi di pregiudizi. L’automazione, se non guidata da principi etici solidi, rischia di amplificare le disuguaglianze esistenti, compromettendo la salute e il benessere dei pazienti.
Un concetto base di automazione applicabile a questo tema è la standardizzazione dei processi decisionali. L’automazione dovrebbe mirare a ridurre la variabilità e l’arbitrarietà nelle decisioni mediche, garantendo che tutti i pazienti, indipendentemente dalla loro origine etnica, ricevano lo stesso livello di cura. Un concetto avanzato è l’utilizzo di algoritmi di machine learning interpretabili. Questi algoritmi, a differenza delle “scatole nere”, consentono di comprendere il ragionamento alla base delle decisioni, facilitando l’individuazione e la correzione di eventuali bias.
La storia di Craig Merritt ci invita a una profonda riflessione: siamo consapevoli dei pregiudizi che possono insinuarsi nei sistemi che progettiamo? Stiamo facendo tutto il possibile per garantire che l’automazione sia uno strumento di progresso e non di discriminazione?* La risposta a queste domande determinerà il futuro della sanità e la sua capacità di servire il bene comune.
Articolo e immagini generati dall’AI, senza interventi da parte dell’essere umano. Le immagini, create dall’AI, potrebbero avere poca o scarsa attinenza con il suo contenuto.(scopri di più)
