在器官移植领域，一项针对超过16万移植候选人的大型研究揭示了一个令人深思的现象：种族背景与器官接受的可能性之间存在关联。这项研究由Alex Ouyang在阿卜杜勒·拉蒂夫·贾米尔健康机器学习诊所主导，于2025年7月3日发布，为我们理解器官分配过程中的潜在偏见提供了新的视角。
器官移植，这项在不到75年前才取得突破性进展的医学壮举，如今已成为许多终末期器官衰竭患者的生命线。尽管如此，复杂的流程和潜在的偏见仍然让许多患者面临困境。1954年，世界首例成功的器官移植——一例肾脏移植——在波士顿的布莱根妇女医院完成。当时，医学界的先驱们敏锐地意识到，同卵双胞胎之间的器官移植可以避免免疫排斥反应。随着免疫抑制药物的进步，器官移植的需求日益增长。时至今日，美国已经完成了超过100万例器官移植，数量居世界首位。
然而，在这一成就背后，我们不能忽视一个严峻的现实：等待移植的患者数量庞大，每天都有生命因无法及时获得合适的器官而逝去。目前，美国有超过10万人在等待器官移植，每天约有13人因此丧生。
尽管在器官分配的早期阶段，计算研究已经取得了显著进展，但在最终阶段，即医生代表患者决定是否接受提供的器官时，仍存在许多未解之谜。为了填补这一空白，来自麻省理工学院（MIT）和马萨诸塞州总医院（MGH）的研究人员将目光聚焦于这个较少被研究的领域。他们在希腊雅典举行的ACM公平、责任和透明度会议（FAccT）上发表了一篇论文，深入探讨了这一问题。
该研究的第一作者，MIT博士毕业生Hammaad Adam坦言：“研究结果并不令人意外，但我们仍然感到失望。”研究团队利用计算模型，对2010年至2020年间科学移植受者登记处（SRTR）中超过16万名移植候选人的数据进行了分析。他们发现，医生代表黑人候选人接受肝脏和肺脏移植的可能性较低，这无疑增加了黑人患者在器官分配过程中面临的障碍。
具体而言，黑人患者接受肝脏移植的可能性比白人患者低7%。而在肺脏移植方面，这种差距更为显著，黑人患者接受移植的可能性比白人患者低20%。这些数据引发了关于临床决策中潜在偏见的深刻思考。
Adam解释说：“更重要的是，即使存在合理的临床决策因素，也可能存在我们未控制的临床条件，这些条件在黑人患者中更为常见。”他指出，如果等待名单未能充分考虑决策中的某些模式，即使流程本身是“公正的”，也可能在过程中制造障碍。
研究人员还强调，移植中心在器官接受和风险承受能力方面的巨大差异也可能使决策过程更加复杂。他们的FAccT论文引用了2020年发表在《美国医学会杂志·心脏病学》上的一篇论文，该论文指出，在器官接受率较低的移植中心登记的等待移植候选人死亡的可能性更高。
此外，研究还发现，如果捐赠者和候选人是同一种族，器官被接受的可能性更高。鉴于器官获取方面存在的历史性不公平现象，这种趋势令人担忧，因为它限制了少数族裔的捐赠。
为了弥合这一差距，Adam和他的合作者们此前发布了“器官获取和捐赠健康信息收集（ORCHID）”，这是首个描述器官获取组织（OPO）绩效的多中心数据集。ORCHID包含了10年的OPO数据，旨在促进解决器官获取中的偏见问题的研究。
Adam表示：“在这个领域做好工作需要时间。”他指出，整个器官分配项目历时数年才完成。据他所知，迄今为止，只有一篇论文研究了器官接受与种族之间的关系。
尽管临床人工智能项目的官僚主义和高度跨学科性质可能会让计算机科学研究生望而却步，但Adam在他的博士期间一直致力于这个项目。他的导师是电气工程副教授Marzyeh Ghassemi，她是MIT贾米尔诊所和医学工程与科学研究所的附属机构。
对于有兴趣从事临床人工智能研究项目的研究生，Adam建议他们“从每四个月发表一次论文的循环中解放出来”。
“老实说，我发现这很自由——如果这些合作需要一段时间，那也没关系，”他说。“很难避免这种情况。几年前我做出了有意识的选择，我很高兴做这项工作。”
这项工作得到了MIT贾米尔诊所的资助。这项研究得到了武田发展中心美洲公司（前身为千禧制药公司）的支持，以及NIH Ruth L. Kirschstein国家研究服务奖、Vector Institute的CIFAR人工智能主席以及美国国立卫生研究院的支持。
研究发现的深层意义与挑战
这项研究不仅仅揭示了器官分配中存在的种族差异，更重要的是，它引发了我们对于医疗公平性的深刻反思。在追求医疗技术进步的同时，我们是否充分考虑了不同种族、不同社会经济地位群体在获取医疗资源方面存在的差异？如何确保医疗资源分配的公正性和公平性，避免因种族、地域等因素造成的歧视，是摆在我们面前的一项重要课题。
数据偏差与算法公平性
研究中提到的数据偏差问题，是人工智能领域普遍存在的挑战。在医疗领域，由于历史和社会原因，不同种族群体在健康状况、生活习惯、医疗就诊行为等方面存在差异，这些差异反映在医疗数据中，可能导致算法在训练过程中学习到偏差，从而在预测和决策中产生不公平的结果。例如，某些疾病可能在特定种族群体中更为常见，如果算法没有充分考虑到这些差异，可能会对其他种族群体的诊断和治疗产生误导。
为了解决数据偏差问题，我们需要采取多种措施。首先，要尽可能收集全面、多样化的数据，确保数据能够充分代表不同种族、不同社会经济地位群体的特征。其次，要对数据进行预处理，例如对数据进行标准化、归一化，或者使用一些专门的算法来消除数据中的偏差。此外，在算法设计过程中，也要考虑到公平性问题，例如使用一些公平性约束来限制算法的学习行为，或者使用一些专门的公平性算法来提高算法的公平性。
临床决策的复杂性
器官移植的决策过程非常复杂，涉及到患者的健康状况、器官的质量、移植中心的经验等多种因素。医生在做出是否接受器官的决定时，需要综合考虑这些因素，并根据自己的专业知识和经验做出判断。然而，由于信息不对称、认知偏差等原因，医生的决策可能受到主观因素的影响，从而导致不公平的结果。例如，医生可能对某些种族群体存在刻板印象，或者对某些疾病的风险评估存在偏差，这些都可能影响到器官分配的公正性。
为了提高临床决策的公正性，我们需要加强医生的培训，提高医生对文化差异和认知偏差的认识。同时，也要建立更加透明、规范的决策流程，例如引入多学科会诊制度，或者使用决策支持系统来辅助医生进行决策。此外，还可以利用人工智能技术来分析大量的临床数据，发现潜在的风险因素和决策模式，为医生提供更加客观、科学的决策依据。
器官捐献的文化差异
器官捐献是器官移植的前提，但不同种族、不同文化背景的人们对器官捐献的接受程度存在差异。由于宗教信仰、文化传统、伦理观念等原因，一些种族群体可能对器官捐献持保守态度，导致器官捐献率较低。这种差异进一步加剧了器官分配的不公平性。
为了提高器官捐献率，我们需要加强对公众的宣传教育，提高公众对器官捐献的认识和理解。同时，也要尊重不同种族、不同文化背景的人们的意愿，采取灵活多样的宣传方式，例如利用社区活动、宗教场所等渠道进行宣传，或者邀请成功移植的患者分享自己的经历，以增强宣传的感染力。此外，还可以建立更加完善的器官捐献登记系统，简化捐献流程，为有意愿捐献器官的人们提供便利。
未来的研究方向与展望
这项研究为我们揭示了器官分配中存在的种族差异，但同时也提出了更多的问题，需要我们进一步研究和探索。未来的研究可以从以下几个方面展开：
- 深入分析临床决策因素：研究人员可以进一步分析影响医生决策的临床因素，例如患者的疾病类型、病情严重程度、预期寿命等，以了解这些因素在不同种族群体中的分布情况，以及它们如何影响器官接受的可能性。同时，还可以研究不同移植中心的决策风格和风险偏好，以了解这些因素对器官分配的影响。
- 开发公平的器官分配算法：研究人员可以利用人工智能技术，开发更加公平的器官分配算法，以消除数据偏差和认知偏差的影响。这些算法可以综合考虑患者的健康状况、等待时间、地理位置等因素，并根据一定的公平性原则进行器官分配，以确保每个患者都有平等的机会获得移植。
- 加强器官捐献的宣传教育：研究人员可以设计更加有效的宣传教育策略，以提高公众对器官捐献的认识和理解。这些策略可以针对不同种族、不同文化背景的人们，采取不同的宣传方式和内容，以增强宣传的针对性和感染力。同时，还可以利用社交媒体、移动应用等新兴渠道进行宣传，以扩大宣传的覆盖面。
- 建立完善的监管机制：政府和相关机构可以建立完善的监管机制，以监督器官分配过程的公正性和公平性。这些机制可以包括定期审查移植中心的决策记录、建立投诉举报渠道、加强对违规行为的处罚等，以确保器官分配过程符合伦理和法律的要求。
器官移植是一项伟大的医学成就，它为无数终末期器官衰竭患者带来了希望。然而，在追求技术进步的同时，我们不能忽视医疗公平性问题。只有通过深入研究、持续改进，才能确保每个患者都有平等的机会获得移植，让这项伟大的技术真正造福于全人类。
