Reparar dispositivos médicos con prejuicios raciales o de género
Nota del editor (21/12/21): este artículo se incluye en una colección especial sobre equidad en la atención médica que fue posible gracias al apoyo de Takeda Pharmaceuticals. Este artículo se publica de forma independiente y no está patrocinado.
No creemos que los dispositivos cotidianos estén sesgados contra la raza o el género, pero pueden hacerlo. El ingeniero eléctrico e informático Achuta Kadambi está familiarizado con el problema tanto a nivel profesional como personal. «Yo también tengo la piel oscura», dice Cardamby, quien a veces tiene problemas para activar los dispensadores de jabón y los grifos sin contacto para detectar la luz reflejada en su piel. En un aeropuerto, recordó, “tuve que pedirle a un viajero de piel más clara que me abriera el grifo”.
Los dispositivos médicos también pueden estar sesgados, un problema que, junto con muchas otras inequidades que afectan la salud, ha salido a la luz durante la pandemia de COVID-19.en un artículo reciente Ciencias, Kadambi, profesor asistente en la Escuela de Ingeniería Samueli de la UCLA, describe tres formas en que los prejuicios raciales y de género pueden infiltrarse en los dispositivos médicos y sugiere algunas soluciones. Él cree que la equidad debe ser el criterio para evaluar las nuevas tecnologías y su eficacia.
El primer problema, dice Kadambi, es el sesgo físico, que es inherente al mecanismo del dispositivo. Luego está el sesgo computacional, que existe en el software o el conjunto de datos utilizado para desarrollar el dispositivo. Finalmente, está el sesgo de interpretación, que no existe en la máquina sino en sus usuarios. Esto sucede cuando los médicos aplican estándares desiguales basados en la raza a las lecturas de dispositivos médicos y pruebas, una práctica sorprendentemente común. «El sesgo es multidimensional», dijo Cardanby. «Al comprender su origen, podemos corregirlo mejor».
En diciembre, un estudio de la Universidad de Michigan encontró que los oxímetros de pulso, que utilizan la luz transmitida a través de la piel y los tejidos para medir el oxígeno en la sangre de una persona, tenían menos probabilidades de pasar por alto los niveles bajos de oxígeno en pacientes negros que en pacientes negros. noticias. en blanco. Otros instrumentos también pueden tener problemas con el tono de la piel. La pletismografía remota, una nueva técnica para medir la frecuencia cardíaca mediante el análisis de video en vivo o grabado, es menos efectiva para las personas de color cuando se programa para detectar cambios en la piel similares a los del rubor. Pero, dice Kadambi, «hay múltiples formas de extraer la señal, con diversos grados de sesgo.» Por ejemplo, un equipo del MIT ha creado un pletismógrafo remoto que puede leer pequeños cambios en el movimiento de la cabeza cuando late el corazón. El laboratorio de Kadambi está experimentando con otras soluciones, incluido el análisis de imágenes de video con longitudes de onda térmicas en lugar de luz visible.
Cuando se prueba principalmente en un grupo homogéneo de sujetos (generalmente hombres blancos), el sesgo computacional puede colarse en la tecnología médica. Por ejemplo, según un análisis de 2023 realizado por un equipo de científicos argentinos, un sistema de inteligencia artificial para analizar radiografías de tórax e identificar 14 enfermedades pulmonares y torácicas diferentes funcionó bien en mujeres cuando se entrenó en escaneos de hombres en su mayoría pobres. Pero entrenar el sistema con muestras balanceadas por género arrojó los mejores resultados generales, sin una pérdida significativa en la precisión para los hombres. Kadambi sospecha que una de las razones podría tener que ver con un concepto llamado aleatorización de dominio: agregar más variedad a los datos de entrenamiento tiende a mejorar el rendimiento.
Detener el sesgo computacional significa un mayor esfuerzo para reclutar personas de diversas poblaciones para diseñar y probar dispositivos médicos. Rachel Hardeman, científica de salud pública de la Universidad de Minnesota que estudia la salud reproductiva y la equidad racial, cree que ayudaría si los equipos de investigación fueran más diversos. «Cuando tienes un historial de desconfianza [of medical experiments]y no puedes ver a nadie que se parezca a ti en realidad haciendo el trabajo, esa es otra señal de que no es para ti», dijo.
Además de generar diversidad entre los investigadores, Hardman también favorece la capacitación obligatoria del personal médico sobre las formas fundamentales en que el racismo afecta la salud, un paso que también puede ayudar a combatir las prácticas que conducen a sesgos interpretativos. Señaló que California se ha movido en esa dirección, con una ley de 2023 que requiere que los proveedores de atención médica que tratan a mujeres embarazadas y sus recién nacidos completen cursos destinados a cerrar las disparidades raciales en la mortalidad materna e infantil (Hardman está diseñando cursos).
Para dar a los ingenieros una imagen general, a Kadambi se le ocurrió otra tarea: incluir una «declaración de equidad» en el trabajo publicado para cualquier dispositivo médico nuevo, que muestre qué tan bien funciona en diferentes poblaciones. Las revistas y conferencias de ingeniería pueden requerir esta información al igual que requieren declaraciones de conflicto de intereses. «Si agregamos una métrica de equidad de incentivos, ¿quién sabe qué nuevas ideas surgirán?», sugirió Cardambi. «Podemos inventar formas completamente diferentes de resolver problemas de ingeniería».
