《Journal of Racial and Ethnic Health Disparities》：Reducing Racial Disparities in Stroke Thrombolysis Using Fairness-Aware Machine Learning
编辑推荐：
急性缺血性卒中（acute ischemic stroke，AIS）的静脉溶栓（intravenous thrombolysis，IVT）给药中的种族和民族差异持续存在，引发了对偏倚——无论是系统性还是算法性——可能影响治疗决策的担忧。虽然美国国立卫生研究院卒
急性缺血性卒中（acute ischemic stroke，AIS）的静脉溶栓（intravenous thrombolysis，IVT）给药中的种族和民族差异持续存在，引发了对偏倚——无论是系统性还是算法性——可能影响治疗决策的担忧。虽然美国国立卫生研究院卒中量表（NIH Stroke Scale，NIHSS）旨在作为评估卒中严重程度的客观工具，但其应用在不同患者群体中可能并不一致。通过对一个包含983,785例患者的全国住院患者队列进行差异条目功能（differential item functioning，DIF）分析，研究人员发现，少数族裔患者需要比白人患者更高的NIHSS评分才能接受IVT，提示评分解读中存在潜在偏倚。为解决这一问题，研究人员应用了基于反事实调整的公平感知机器学习框架，以考虑临床数据中嵌入的历史性不平等。该方法将治疗差异降低了64.8%，且未损害预测准确性（AUC=0.89）。研究结果揭示了标准化工具如何导致不公平，并展示了伦理人工智能在真实世界卒中护理中减轻差异的潜力。
急性缺血性卒中（acute ischemic stroke，AIS）是美国发病率和死亡率的主要原因，种族和民族少数群体受影响尤为严重。尽管静脉溶栓（intravenous thrombolysis，IVT）是有效治疗方法，但非白人患者的IVT使用率低于白人患者，即使在符合条件时也是如此，提示存在非临床因素影响。美国国立卫生研究院卒中量表（NIH Stroke Scale，NIHSS）是评估卒中严重程度的标准化工具，用于指导IVT决策。然而，若NIHSS在不同种族和民族群体中的功能不一致——例如症状沟通或临床医生解读方式的差异——则可能导致治疗决策差异。这种现象称为差异条目功能（differential item functioning，DIF），可导致某些患者的卒中严重程度被低估或高估，进而影响IVT资格，产生“阈值效应”。人工智能（artificial intelligence，AI）有望识别和解决此类差异，但机器学习（machine learning，ML）模型若训练于历史数据，可能延续现有偏见。为此，研究人员提出使用公平感知机器学习（fairness-aware ML）来调整预测，确保跨群体公平治疗。本研究旨在检查NIHSS引导IVT中的DIF，并评估公平感知ML模型能否减少非临床因素对治疗决策的影响，以促进更公平的AIS治疗。论文发表在《Journal of Racial and Ethnic Health Disparities》。
研究人员使用了美国最大的公共住院数据库之一——全国住院患者样本（National Inpatient Sample，NIS），选取2016至2020年间住院的AIS患者，共983,785例，均记录有NIHSS评分。主要技术方法包括：运用差异条目功能（DIF）分析评估NIHSS与IVT使用的关系在不同种族和民族间是否一致；应用反事实调整的公平感知机器学习框架，通过回归模型将种族相关变量调整为协变量预测值，生成种族中性数据集；使用极端梯度提升（eXtreme Gradient Boosting，XGBoost）分类器进行预测建模，并采用人口统计平价差异（demographic parity difference，DPD）量化治疗差异。模型性能以准确性、受试者工作特征曲线下面积（area under the receiver operating characteristic curve，AUC-ROC）评估。
人口学分析（Demographic Analysis）：共纳入983,785例AIS患者，平均年龄（标准差）为69.6（14.0）岁，其中黑人最年轻（64.1岁），白人最年长（71.5岁）。男性占51.1%，女性占48.9%。种族分布为白人68.5%、黑人17.3%、西班牙裔8.0%、亚裔或太平洋岛民3.1%、其他2.6%、美洲原住民0.4%。平均NIHSS评分为6.5（7.1），其中亚洲患者最高（7.0），白人最低（6.3）。该分析通过描述性统计和组间差异检验得出。
评估差异（Assessing Disparities）：通过多变量逻辑回归分析，与白人患者相比，亚裔或太平洋岛民（调整后优势比[adjusted odds ratio，AOR] 0.70）、黑人（AOR 0.78）、西班牙裔（AOR 0.89）和美洲原住民（AOR 0.85）接受IVT的几率显著较低，其他种族无显著差异（AOR 0.98）。NIHSS每增加1分，总体IVT使用几率增加6%（AOR 1.06），但亚裔、黑人和西班牙裔患者的增幅略高于白人，提示存在非均匀DIF。按严重程度分层分析显示，轻度卒中（NIHSS 0–5）中，少数族裔的差异最显著；中度卒中（NIHSS 6–15）中差异持续但减弱；重度卒中（NIHSS >15）中，种族差异不再显著，但NIHSS增加反而与IVT使用降低相关。这些结果表明NIHSS在跨种族人群中的阈值应用不一致。
识别受种族影响的变量（Identifying Race-Affected Variables）：通过方差分析（analysis of variance，ANOVA）和卡方检验，研究人员发现年龄和NIHSS评分存在显著的种族差异，非白人群体平均年龄更年轻。糖尿病、高血压、血脂异常、房颤、心力衰竭和冠心病等合并症的患病率也存在种族差异。此外，XGBoost模型的特征重要性分析显示，种族是IVT使用预测的重要特征，仅次于NIHSS和年龄，提示种族因素在临床决策中发挥作用。
模型性能与公平性指标（Model Performance and Fairness Metrics）：基于反事实调整数据训练的XGBoost模型实现了AUC为0.89（95%置信区间[confidence interval，CI] 0.89–0.90），准确率为85.0%，与未调整模型（AUC=0.90，准确率=85.4%）相近。DPD从调整前的0.081（95% CI 0.075–0.088）降至0.028（95% CI 0.022–0.035），降低了64.8%。这意味着，与临床特征相似的白人患者相比，未调整模型中少数族裔患者接受IVT的概率低约8个百分点；反事实调整后，这一差距缩小至不足3个百分点，表明大部分治疗差异可归因于模型捕获的非临床因素。
讨论部分：研究人员总结发现，种族和民族差异在NIHSS各评分水平上均存在，表现为均匀DIF（少数族裔在所有NIHSS评分下IVT使用率均较低）和非均匀DIF（差异在低NIHSS评分时最显著，高评分时减弱甚至逆转）。这表明NIHSS虽然设计为客观工具，但其在跨群体中的应用可能不一致，受非临床因素影响。这一现象与疼痛管理、心脏病学、肾脏病学和产科学中标准化评分系统造成差异的报道相似。通过公平感知ML，研究人员证明即使调整临床因素后，种族差异仍然存在，提示非临床因素的作用。反事实调整显著减少了DPD，同时保持了模型性能，说明公平感知干预是可行的。讨论还提出，政策应确保治疗阈值公平应用，培训提供者以增强对差异的认识，并提高少数族裔在神经病学中的代表性。局限性包括：HCUP依赖医院报告数据，可能存在文档错误和种族分类错误；NIS缺乏详细临床信息；院前因素未纳入；模型可能仍反映未测量的系统性不平等。
研究结论：本研究检查了NIHSS引导的IVT使用中的DIF，发现与NIHSS评分相似的白人患者相比，少数族裔患者接受IVT的可能性更低，表明不同群体间的临床决策存在差异。未调整ML模型的特征重要性分析进一步强调种族是IVT使用的重要预测因子，强化了公平感知建模的必要性。反事实调整模型在保持高预测准确性的同时将种族偏倚降低了64.8%。将公平感知AI整合到临床决策支持系统中，有望提高卒中护理的一致性和公平性。此外，解决决策和获取方面的非临床差异对于改善AIS结局仍然至关重要。
