一项人工智能(AI)算法已显示出仅通过心电图(ECG)读数就能区分健康白人和黑人的能力。然而，这一发现仅在社会经济地位较高的成年人中成立，这强调了心血管健康社会维度的重要性。
波士顿麻省总医院心血管研究中心的Antonis Armoundas博士及其同事开发了这一算法，主要是出于对这种可能性的好奇，同时也为了凸显对AI算法中偏见的担忧以及它们可能如何扭曲结果。
这项发表在《NPJ心血管健康》上的研究分析了1971年至2021年间在马萨诸塞州各类医疗机构收集的约1000万份标准心电图，这些数据来自176万人。所有参与者都是健康的，没有可能影响读数的心脏或神经系统疾病。研究团队测试了几种不同的AI模型，表现最佳的模型能够以86%的准确率识别参与者自认为是白人还是黑人。这些发现主要基于QRS波群的差异，QRS波群代表心室的电活动。
"这种准确度水平极其引人注目，"同样来自马萨诸塞州剑桥市麻省理工学院Broad研究所的Armoundas向《Medscape医学新闻》表示。
代际压力因素
研究人员还评估了QRS波群的这些差异何时开始显现。他们对儿科数据进行了算法测试，在儿童中没有发现种族之间的差异——信号仅在青少年后期才开始出现。
为了调查可能导致这些差异的原因，他们根据参与者邮政编码的中位收入将参与者按社会经济地位分类。在收入谱的顶端，该模型的表现与完整数据集一样好，但在低端，它无法区分白人和黑人。独特的ECG特征在高收入和低收入阶层的黑人中仍然存在，但低收入阶层白人的心脏读数与其黑人邻居大多无法区分。
"这些特征没有遗传基础，"Armoundas说，"它们只是由于社会经济因素而在生命后期显现。"
巴尔的摩约翰霍普金斯大学心血管诊断和治疗创新联盟联合主任、约翰霍普金斯大学生物医学工程Murray B. Sachs教授Natalia Trayanova博士表示，无论收入如何，黑人参与者之间信号差异的缺乏表明，心脏电活动的差异可能是由与社会经济压力因素相关的表观遗传因素引起的，这些因素可能跨越几代人起作用。
"这些是长期对这些人群产生累积效应的代际压力因素，"Trayanova说。她补充说，观察一个富裕的黑人群体，经过几代人后，是否会开始拥有更接近富裕白人的心电图读数，因为这些压力因素进一步淡出过去，这将很有趣。
展望未来
Trayanova表示，确定这些读数差异如何或是否影响心脏健康，以便为医疗提供者提供一些具体的东西与患者讨论，这将是有用的。然而，仅仅知道这些差异存在就很有帮助，可以理解黑人和白人患者的"健康"基线是不同的。
"你必须有适当的基线进行比较，因为如果你将黑人患者与白人基线进行比较，这可能不合适，"她说。
对Armoundas来说，从这些结果中得出的最显著的教训是，它们强化了健康的社会决定因素对心血管疾病的重要性，这在心脏病学界正变得越来越被广泛接受。例如，美国心脏协会(AHA)2023年PREVENT指南从风险因素列表中删除了种族，但包含了社会剥夺指数，因为它改善了心脏结局的预测。
"我们应该采用AHA的思维方式，在我们的预测算法中不使用种族作为因素，而是使用更能准确反映社会经济地位的指数，如社会剥夺指数或其他指数，"他说。
Armoundas和Trayanova报告称没有相关利益冲突。
【全文结束】
