医学在种族之间存在关于生物学差异的错误信念方面有着悠久的历史。今天，这种意识形态继续存在于诊断算法和实践指南中，这些算法和指南是根据患者的种族进行调整的——并且经常导致非白人患者的医疗保健方面进一步的不平等。现在，学生们正在努力改变这些做法，并取得了一些成功的成果。今年夏天，华盛顿大学医学院宣布，其医疗中心将不再在一种称为估计肾小球滤过率或eGFR的肾功能指标中使用种族。
为了确定肾脏健康状况，医生首先测量血液中肌酐水平等因素，肌酐是肌肉分解的副产品。（由于衰竭的肾脏更难滤除肌酐，因此高水平表明肾脏系统存在问题。）医生使用一个公式将这些信息组合成 eGFR 评分。完全健康的肾脏得分高于 60 分，而衰竭的肾脏得分低于 15 分。第一个轻松计算 eGFR 的公式（无需收集和分析患者尿液的额外步骤）是通过 1999 年一项有 1628 名参与者的研究开发的。研究人员注意到，黑人参与者的平均肌酐水平高于白人。这可能是因为更高比例的黑人研究参与者可能已经患有终末期肾病。但该研究反而假设黑人比白人拥有更高的肌肉质量，因此肌酐水平更高。为了防止这些据称升高的肌酐水平扭曲测试结果，研究人员将黑人的 eGFR 评分乘以 1.2 的系数。十年后，一项更大规模的研究促成了更准确的 eGFR 方程的开发，称为慢性肾脏病流行病学合作 (CKD-EPI)——但它仍然包含针对黑人患者的校正系数。
支持科学新闻报道
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道 订阅。通过购买订阅，您正在帮助确保有关塑造我们今天世界的发现和想法的有影响力的故事的未来。
这可能会产生致命的后果。为了获得肾移植资格，患者的 eGFR 评分必须足够低，才能被认为是终末期肾病。由于黑人的评分因校正系数而被提高，他们可能必须等到肾病达到更晚期、更严重的阶段，才有资格接受治疗。
意识到这种差距，华盛顿大学医学和公共卫生专业的学生内奥米·恩金西 (Naomi Nkinsi) 奋斗了两年，将种族从公式中剔除——并取得了胜利。现在，华盛顿大学系统将使用 CKD-EPI 方程计算 eGFR，但不进行任何种族校正。该大学最近还成立了一个华盛顿大学医学医疗公平办公室，它表示该办公室“提供了确定短期和长期目标的机会”。
华盛顿大学医学在其新政策的公告中声明，“做出这一改变是因为在生物医学环境中使用种族是一个无效的变量，并且不符合我们对诊断工具的科学严谨性的期望。” 《大众科学》与恩金西谈论了为什么这种改变是必要的，以及她是如何努力实现这一改变的。
[以下是采访的编辑后的文字记录。]
从 eGFR 评分中删除种族因素的目标是什么？
我们试图揭示的更大的问题之一是，在这个国家，黑人更有可能在后期被诊断出患有肾脏疾病，并且不太可能获得移植等治疗。其中一个原因是 eGFR 测量在疾病发展到后期之前一直在掩盖疾病。我们并不是说我们希望人们实践色盲医学；我们希望他们实践反种族主义医学。而 [eGFR] 中包含种族变量之所以存在问题，是因为它被用作肌肉质量的替代指标。
美国各地的医学院都在教授这项测试。您是如何最终改变它的？
这真的是一个团队的努力，始于直言不讳。到那时，我已经看到太多次种族，尤其是黑人种族，被认为是风险因素——不知何故，你的肤色与你所有的生理机能联系在一起。我坐在教室里，是五个黑人中的一个，我记得当时想，这不仅仅是一个理论讨论：每个测量肾功能的人都会将种族纳入该算法中。那时我开始问更多的问题。谈话变得相当激烈，他们真的无法解释在这些公式中使用种族的逻辑。从那里，我与 [课程] 单元的主任会面……讨论了为什么我认为这是一个重要的主题，需要在健康差距和基于种族的医学的背景下进一步审查。然后，所有不同的部门都聚集在一起……研究了 [从测试中删除种族] 在我们的医疗保健系统中是否可行——并发现它是可行的。他们特别赞扬学生是真正促成这一改变的人。
当我听到这个消息时，我完全震惊了，因为我完全期望什么都不会发生。过去两年，有时感觉很糟糕，但这是值得的——而且它可以永远改变我们实践医学的方式。国家肾脏基金会正在成立一个全面的工作组，讨论是否应该更改国家建议。它正在引起很多非常好的讨论，并有望促使人们重新考虑考虑种族的不同算法。
是什么让您决定为变革而战？
这很重要，因为它影响了如此多的患者。这 [也] 非常私人的——你谈论的是我的身体，你谈论的是我家人的身体。当我意识到 [医生] 对待黑人的方式与我们在医学中看到的对待其他人的方式如此不同时，我怎么能相信……[我们] 得到了最好的照顾？如果你说出来，你就是一个愤怒的、不专业的黑人。如果你不说出来，你会觉得你辜负了社区。
您会对希望在自己的学校做您所做的事情的医学生提出什么建议？
我们必须记住，我们的许多教育工作者从事医学工作已经很久了，他们以某种方式学习事物，并且随着时间的推移根深蒂固。让学生进来，你能够从不同的角度看待事物，尤其是在我们现在更加意识到健康不平等的情况下。您应该了解为什么存在这些差距，以及医学史，以及为什么我们在许多算法中使用种族。