Unsupervised Clustering Reveals Clinically Distinct Sepsis Phenotypes and Racial Disparities in ICU Outcome Classification: A Retrospective Cohort Study Using MIMIC-IV and eICU
这项利用 MIMIC-IV 和 eICU 数据进行的回顾性队列研究识别出四种具有不同死亡风险的脓毒症表型，但揭示了基于肌酐的特征不成比例地影响了黑人患者的表型分配，从而导致潜在的严重程度向上误分类，并凸显了无监督聚类方法中存在的关键种族测量偏差。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你是一名试图破解谜题的侦探，但你正在寻找的线索有点棘手。在医学世界中，有一种可怕的病症叫做脓毒症（sepsis）。不要把脓毒症看作是一个单一的怪物，而要把它看作是一场以不同方式发生的混乱风暴。有时这场风暴主要关乎肝脏，有时关乎心脏，有时则关乎血液变得过热。因为每个人的风暴看起来都不一样，所以医生一直尝试使用计算机将患者分类到不同的“团队”或组别中，这些组别被称为“表型”（phenotypes），以便更好地治疗他们。这就像是试图将一堆混杂在一起的乐高积木按颜色分到不同的盒子里：一个盒子装红色的积木，一个盒子装蓝色的，以此类推。目标是确保每位患者都能得到针对其特定风暴的正确工具。
然而，这里有一个陷阱。有时我们用来分类积木的工具可能有点损坏或带有偏见。医生用来检查患者病情严重程度的最常用工具之一，涉及一个被称为“肌酐”（creatinine）的数值。你可以把肌酐看作是衡量你肾脏功能好坏的一张计分卡。但转折在于：这张计分卡不仅仅测量肾脏健康；它还会无意中测量你的肌肉量。由于肌肉量较大的患者自然会有较高的肌酐值，而不同种族之间的肌肉量存在差异，因此这张计分卡有时会误导计算机。如果计算机不知道这一点，它可能会仅仅因为一个人的种族，就误认为一个健康的患者正处于重病之中。这篇论文提出了一个大问题：我们的计算机侦探是在公平地对脓毒症患者进行分类，还是被这个基于肌肉的计分卡给骗了？
伟大的脓毒症分类赛
在这项研究中，研究人员 Shreya Shahu 和 Jagdish Pimple 决定扮演侦探，处理大量的医疗数据。他们查看了超过 5,800 名在重症监护室（ICU）中患有脓毒症的成年患者记录。他们的任务是看看是否可以使用一种称为“无监督聚类”（unsupervised clustering）的计算机程序来寻找患者的自然分组。想象一下，你有一个装满不同颜色和大小弹珠的大袋子，你摇晃它，直到它们在没有人告诉它们去向哪里的情况下，自然地滚成四个独立的堆。这就是计算机处理患者数据的方式。
计算机找到了四个截然不同的组别，或者说“表型”，它们彼此之间差异巨大，如同黑夜与白昼：
- 表型 A（肝脏问题组）： 一个较小的群体（约占患者的 3.4%），其中肝脏是主要问题，胆红素水平非常高。他们是最年轻的患者，但死亡风险很高（28 天内死亡率为 63%）。
- 表型 B（平稳组）： 最大的群体（46.6%），他们出奇地稳定。他们的心率没有加速，血压正常，死亡率最低（29%）。
- 表型 C（热且快组）： 一个大型群体（42.3%），伴有发烧、心率加快和血小板计数升高。他们在危险程度方面处于中间位置（死亡率为 31%）。
- 表型 D（危机组）： 一个规模较小但非常危险的群体（7.8%），乳酸水平极高（8.02 mmol/L），体温较低，且死亡率非常高（68%）。
研究人员对此感到兴奋，因为这些组别是真实存在的。他们在第二个完全不同的数据库（包含来自 208 家医院的近 20,000 名患者）上测试了他们的发现，结果出现了相同的四个组别。计算机能够很好地进行分类，证明了这四种类型的脓毒症是真实的生物学现象，而不仅仅是偶然现象。
隐藏的陷阱：肌酐偏见
但随后，研究人员注意到了一些奇怪的事情。他们开始观察计算机用于分类患者的“计分卡”（数据特征）。其中一个最重要的计分卡是肌酐。
这里谜团加深了。研究人员发现，黑人患者的肌酐水平明显高于白人患者（中位数分别为 1.50 mg/dL 和 1.30 mg/dL）。这并不一定是因为黑人患者的肾脏功能更差；部分原因是，平均而言，黑人患者往往拥有更多的肌肉量，而肌肉自然会产生更多的肌酐。
计算机就像一个死板的机器人，它并不知道“因为肌肉导致的肌酐升高”与“因为肾衰竭导致的肌酐升高”之间的区别。它只是看到了那个高数值，然后心想：“噢，这个患者一定病得很重！”
为了测试这一点，研究人员玩了一个“如果……会怎样？”的游戏。他们告诉计算机完全忘记肌酐，并尝试重新对患者进行分类。
- 结果： 当他们移除肌酐这个线索时，近一半的黑人患者（49.4%）被移动到了另一个组别！而只有 46.3% 的白人患者被移动了。
- 重大发现： 一旦失去了肌酐这个线索，许多原本被归入最危险组别（表型 D）的黑人患者被移动到了一个较安全的组别中。
这表明计算机在无意中进行了“向上误分类”（upward misclassifying）。它把黑人患者归入“危重危险”组，并不是因为他们真的更严重，而是因为他们的肌肉量让他们的肌酐得分看起来很吓人。研究人员发现，在危险的表型 D 组中，黑人患者的死亡率（57.4%）实际上低于白人患者（68.8%）。如果他们真的是最严重的患者，他们的死亡率应该更高，而不是更低。这种悖论表明计算机对他们的病情判断有误。
这对未来意味着什么
研究结论指出，虽然无监督聚类是寻找不同类型脓毒症的强大工具，但它也有盲点。肌酐计分卡——作为一项标准的医疗检查项目——引入了种族偏见，这可能使黑人患者看起来比实际情况更严重。
作者建议，在医院开始使用这些高级计算机分类系统来决定谁该接受最积极的治疗之前，需要检查是否存在这类偏见。仅仅因为计算机说一名患者属于“危重危险”组，并不意味着它是正确的，如果计算机是被一个基于肌肉的数值所欺骗的话。目标是确保精准医疗能够公平地对待每个人，无论其种族如何或肌肉量多少。研究人员并没有说问题已经解决，但他们确实证明了问题的存在，并且我们需要保持警惕，审视我们的数字侦探。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。